feat(rotation): 支持混合数据源并优化因子计算和策略逻辑

- 删除旧的Tushare Token环境变量函数，简化配置
- 在配置文件中新增全市场指数及SSH隧道配置支持YFinance数据访问
- 更新compute_factors函数，支持长格式混合数据源，兼容旧宽格式数据
- 修改RotationStrategy使用HybridDataSource，支持Tushare与YFinance数据源混合
- 添加SSH隧道支持，实现安全访问非主市场数据
- 优化因子计算逻辑，提升缺失值处理和因子合并的鲁棒性
- 修正基准净值计算，兼容长宽格式基准数据处理
- 增强信号生成逻辑，处理因子得分中的NaN情况防止异常

strategies/rotation/engine.py

@@ -2,6 +2,7 @@
 ETF轮动策略引擎
 
 整合信号生成和回测逻辑
+使用 YFinance 数据源（支持 SSH 隧道）
 """
 
 import pandas as pd
@@ -9,7 +10,7 @@ import numpy as np
 from typing import Optional
 
 from strategies.base import BacktestStrategy
-from core.data.tushare_source import TushareDataSource
+from core.data.hybrid_source import HybridDataSource
 from core.factors.momentum import compute_factors, calculate_daily_return
 
 
@@ -18,7 +19,16 @@ class RotationStrategy(BacktestStrategy):
 
     def __init__(self, config: dict):
         super().__init__("ETF轮动策略", config)
-        self.data_source = TushareDataSource(use_cache=config.get("use_cache", True))
+
+        # 初始化混合数据源
+        ssh_config = config.get("ssh_tunnel", {})
+        self.data_source = HybridDataSource(
+            ssh_config=ssh_config,
+            use_cache=config.get("use_cache", True)
+        )
+        print(f"使用混合数据源: Tushare(中国A股) + YFinance(港股/美股/加密货币)")
+        print(f"SSH隧道: {ssh_config.get('enabled', False)}")
+
         self.data = None
         self.signals = None
         self.backtest_result = None
@@ -30,12 +40,14 @@ class RotationStrategy(BacktestStrategy):
         # 从配置中读取基准代码，或使用默认值
         benchmark_code = self.config.get("benchmark", {}).get("code", DEFAULT_BENCHMARK_CODE)
 
-        etf_data, benchmark_data, valid_codes = self.data_source.fetch_all(
-            self.config["code_list"],
-            benchmark_code,
-            self.config["start_date"],
-            self.config["end_date"],
-        )
+        # 使用上下文管理器管理 SSH 隧道（如果是 YFinance 数据源）
+        with self.data_source:
+            etf_data, benchmark_data, valid_codes = self.data_source.fetch_all(
+                self.config["code_list"],
+                benchmark_code,
+                self.config["start_date"],
+                self.config["end_date"],
+            )
 
         self.etf_data = etf_data
         self.benchmark_data = benchmark_data
@@ -65,6 +77,9 @@ class RotationStrategy(BacktestStrategy):
         rebalance_threshold = self.config["rebalance_threshold"]
 
         # Step 1: 每日目标组合
+        if not score_cols:
+            raise ValueError("没有有效的指数代码，无法生成信号")
+
         if select_num == 1:
             daily_target = (
                 result[score_cols]
@@ -74,7 +89,11 @@ class RotationStrategy(BacktestStrategy):
         else:
             def top_n_codes(row):
                 scores = pd.to_numeric(row[score_cols], errors="coerce")
-                top = scores.nlargest(select_num).index.tolist()
+                # 过滤掉 NaN 值
+                scores = scores.dropna()
+                if len(scores) == 0:
+                    return ""
+                top = scores.nlargest(min(select_num, len(scores))).index.tolist()
                 return ",".join([c.replace("得分_", "") for c in top])
             daily_target = result.apply(top_n_codes, axis=1)
 
@@ -216,7 +235,17 @@ class RotationStrategy(BacktestStrategy):
             result[f"净值_{code}"] = result[code] / first_price
 
         # 基准净值
-        bench_ret = self.benchmark_data.pct_change().dropna()
+        # benchmark_data 是 DataFrame，需要提取 close 列
+        if isinstance(self.benchmark_data, pd.DataFrame):
+            if 'close' in self.benchmark_data.columns:
+                bench_close = self.benchmark_data['close']
+            else:
+                # 宽格式数据
+                bench_close = self.benchmark_data.iloc[:, 0]
+        else:
+            bench_close = self.benchmark_data
+
+        bench_ret = bench_close.pct_change().dropna()
         common_dates = result.index.intersection(bench_ret.index)
         bench_ret = bench_ret.loc[common_dates]