fix(engine): 修复净值计算中NaN值导致的缺失问题

问题分析：
1. HSTECH.HK数据从2020-08-26才开始，早期数据缺失
2. 原净值计算使用iloc[0]作为基准，若首日价格是NaN则整列净值变成NaN
3. 原日收益率计算中，某品种日收益率NaN会导致mean()返回NaN
4. 导致策略净值62个缺失值（3.53%）

修复内容：
1. strategies/rotation/engine.py - 各品种净值计算
   - 使用第一个有效价格作为基准（而非iloc[0])
   - 若品种无有效数据则净值列全部为NaN

2. strategies/rotation/engine.py - 策略日收益率计算
   - select_num=1时：若日收益率是NaN则返回0.0
   - select_num>1时：忽略NaN值计算mean()
   - 若所有品种日收益率都缺失则返回0.0

修复效果：
- 策略净值缺失：从62个（3.53%）降至0个（0%）
- HSTECH.HK净值缺失：从100%降至21.49%（377/1754）
- 其他品种净值：全部无缺失

说明：
- HSTECH.HK净值377个缺失是正常的（数据从2020-08-26才开始）
- 早期缺失日期（2019年）非HSTECH持仓期，缺失由其他原因导致

strategies/rotation/engine.py

@@ -241,21 +241,29 @@ class RotationStrategy(BacktestStrategy):
         select_num = self.config["select_num"]
         trade_cost = self.config["trade_cost"]
 
-        # 计算策略日收益率
+        # 计算策略日收益率 - 处理NaN值
         if select_num == 1:
             def calc_return(row):
                 signal = row['信号']
                 if not signal or pd.isna(signal):
                     return 0.0
-                return row.get(f"日收益率_{signal}", 0.0)
+                ret = row.get(f"日收益率_{signal}", 0.0)
+                # 如果日收益率是NaN，返回0.0
+                return ret if pd.notna(ret) else 0.0
             result["轮动策略日收益率"] = result.apply(calc_return, axis=1)
         else:
             def calc_multi_return(row):
                 codes = [c for c in row["信号"].split(",") if c]  # 过滤空字符串
                 if not codes:
                     return 0.0
-                returns = [row.get(f"日收益率_{c}", 0.0) for c in codes]
-                return np.mean(returns)
+                # 获取各品种日收益率，忽略NaN值
+                returns = []
+                for c in codes:
+                    ret = row.get(f"日收益率_{c}", None)
+                    if ret is not None and pd.notna(ret):
+                        returns.append(ret)
+                # 如果所有品种日收益率都缺失，返回0.0
+                return np.mean(returns) if returns else 0.0
             result["轮动策略日收益率"] = result.apply(calc_multi_return, axis=1)
 
         # 扣除交易成本
@@ -281,10 +289,16 @@ class RotationStrategy(BacktestStrategy):
         # 计算净值
         result["轮动策略净值"] = (1 + result["轮动策略日收益率"]).cumprod()
 
-        # 各ETF单独净值
+        # 各ETF单独净值 - 使用第一个有效价格作为基准
         for code in self.valid_codes:
-            first_price = result[code].iloc[0]
-            result[f"净值_{code}"] = result[code] / first_price
+            # 获取第一个有效价格（非NaN）
+            valid_prices = result[code][result[code].notna()]
+            if len(valid_prices) > 0:
+                first_valid_price = valid_prices.iloc[0]
+                result[f"净值_{code}"] = result[code] / first_valid_price
+            else:
+                # 如果没有有效数据，净值列全部为NaN
+                result[f"净值_{code}"] = np.nan
 
         # 基准净值
         # benchmark_data 是 DataFrame，需要提取 close 列