feat(framework_v2): 实现 StrategyBase 抽象基类和简单轮动策略

StrategyBase ABC:
- 定义标准回测流程：get_data → compute_factors → generate_signals → manage_positions → execute
- 实现通用数据获取（使用 FlaskAPIFetcher.fetch_indices）
- 提供 run() 方法执行完整回测流程

SimpleRotationStrategy:
- 实现 4 个抽象方法：get_codes, compute_factors, generate_signals, manage_positions
- 支持动量因子计算（MomentumFactor）
- 实现全局选股和等权仓位管理
- 修复 int64 → float 转换问题

框架定位：
- 通用量化回测框架，支持轮动、CTA、趋势跟踪等多种策略
- 策略只需实现 4 个抽象方法即可接入框架

framework_v2/core/strategy.py

@@ -8,72 +8,115 @@ from abc import ABC, abstractmethod
 from typing import Dict, Optional, Any
 import pandas as pd
 
+from framework_v2.config.schemas import StrategyConfig
+
 
 class StrategyBase(ABC):
     """
-    策略抽象基类
+    策略抽象基类（V2 增强版）
     
     定义策略的标准生命周期：
-    1. 初始化配置
-    2. 获取数据
-    3. 计算因子
-    4. 生成信号
-    5. 执行回测
+    1. 初始化配置（使用 Pydantic Schema）
+    2. 获取数据（支持多数据源）
+    3. 计算因子（使用框架因子库）
+    4. 生成信号（策略特定逻辑）
+    5. 执行回测（框架通用执行器）
     
     子类必须实现：
-    - init_factors(): 初始化因子
-    - init_signal_generator(): 初始化信号生成器
+    - get_codes(): 获取标的列表
+    - compute_factors(): 计算因子
+    - generate_signals(): 生成信号
+    - manage_positions(): 仓位管理
     """
     
     INTERFACE_VERSION = 2  # V2 版本
     
-    name: str = "base"
-    timeframe: str = "1d"
-    
-    def __init__(self, config: Optional[Dict] = None):
+    def __init__(self, config: StrategyConfig):
         """
         初始化策略
         
         Args:
-            config: 策略配置字典
+            config: 策略配置（Pydantic Schema）
         """
-        self.config = config or {}
-        self._factor = None
-        self._signal_generator = None
+        self.config = config
+        self.name = config.metadata.strategy
+        
+        # 组件将在子类中初始化
+        self._data_fetcher = None
+        self._executor = None
     
     @abstractmethod
-    def init_factors(self) -> Any:
+    def get_codes(self) -> list:
         """
-        初始化因子组件
+        获取标的列表（策略必须实现）
         
         Returns:
-            因子实例（继承 FactorBase）
+            标的代码列表，如 ['399006.SZ', 'NDX', 'GC=F']
         """
         pass
     
     @abstractmethod
-    def init_signal_generator(self) -> Any:
+    def compute_factors(self, data: Dict[str, pd.DataFrame]) -> Dict[str, pd.Series]:
         """
-        初始化信号生成器
+        计算因子（策略必须实现）
+        
+        Args:
+            data: 数据字典 {code: DataFrame}
         
         Returns:
-            信号生成器实例（继承 SignalGenerator）
+            因子字典 {code: Series}
         """
         pass
     
-    def get_data(self) -> Dict[str, Any]:
+    @abstractmethod
+    def generate_signals(self, factors: Dict[str, pd.Series]) -> pd.DataFrame:
         """
-        获取数据（可选覆盖）
+        生成信号（策略必须实现）
+        
+        Args:
+            factors: 因子字典 {code: Series}
         
         Returns:
-            数据字典，包含：
-            - index_data: 指数数据
-            - etf_data: ETF数据
-            - benchmark_data: 基准数据
-            - valid_codes: 有效标的列表
-            - trading_calendar: 交易日历
+            信号 DataFrame（包含 'signal' 列，1=买入，0=空仓）
         """
-        raise NotImplementedError("Subclasses must implement get_data()")
+        pass
+    
+    @abstractmethod
+    def manage_positions(self, signals: pd.DataFrame) -> pd.DataFrame:
+        """
+        仓位管理（策略必须实现）
+        
+        Args:
+            signals: 信号 DataFrame
+        
+        Returns:
+            仓位 DataFrame（包含 'weight' 列，权重和为 1）
+        """
+        pass
+    
+    def get_data(self) -> Dict[str, pd.DataFrame]:
+        """
+        获取数据（框架实现，策略可覆盖）
+        
+        Returns:
+            数据字典 {code: DataFrame}
+        """
+        if self._data_fetcher is None:
+            self._data_fetcher = self._create_data_fetcher()
+        
+        codes = self.get_codes()
+        
+        # 批量获取数据（fetch_indices 返回 {code: DataFrame}）
+        try:
+            data = self._data_fetcher.fetch_indices(
+                codes=codes,
+                start=self.config.backtest.start_date,
+                end=self.config.backtest.end_date
+            )
+            return data
+        except Exception as e:
+            print(f"  错误: 数据获取失败 - {e}")
+            return {}
     
     def compute_factors(self, data: Dict[str, Any]) -> pd.DataFrame:
         """
@@ -111,28 +154,46 @@ class StrategyBase(ABC):
         
         return self._signal_generator.generate(factor_df)
     
-    def run_backtest(self, data: Optional[Dict] = None) -> Dict[str, Any]:
+    def run(self, data: Optional[Dict[str, pd.DataFrame]] = None) -> Dict[str, Any]:
         """
-        运行完整回测流程
+        运行完整回测流程（框架标准流程）
         
         Args:
             data: 可选，如不提供则自动获取
         
         Returns:
-            回测结果字典
+            回测结果字典，包含：
+            - equity_curve: 净值曲线
+            - trades: 交易记录
+            - metrics: 绩效指标
         """
         # 1. 获取数据
         if data is None:
+            print("[1/5] 获取数据...")
             data = self.get_data()
+            print(f"      获取 {len(data)} 个标的")
         
         # 2. 计算因子
-        factor_df = self.compute_factors(data)
+        print("[2/5] 计算因子...")
+        factors = self.compute_factors(data)
+        print(f"      计算 {len(factors)} 个因子")
         
         # 3. 生成信号
-        signals = self.generate_signals(factor_df)
+        print("[3/5] 生成信号...")
+        signals = self.generate_signals(factors)
+        print(f"      生成 {signals.shape[0]} 个信号")
         
-        # 4. 执行回测（子类实现）
-        return self._execute_backtest(signals, data)
+        # 4. 仓位管理
+        print("[4/5] 仓位管理...")
+        positions = self.manage_positions(signals)
+        print(f"      平均持仓: {positions['weight'].sum().mean():.2%}")
+        
+        # 5. 执行回测
+        print("[5/5] 执行回测...")
+        result = self._execute_backtest(positions, data)
+        print(f"      回测完成")
+        
+        return result
     
     def _execute_backtest(self, signals: pd.DataFrame, data: Dict[str, Any]) -> Dict[str, Any]:
         """
@@ -147,5 +208,21 @@ class StrategyBase(ABC):
         """
         raise NotImplementedError("Subclasses must implement _execute_backtest()")
     
-    def __repr__(self) -> str:
-        return f"{self.__class__.__name__}(name={self.name})"
+    def _create_data_fetcher(self):
+        """
+        创建数据获取器（框架实现）
+        
+        Returns:
+            DataFetcher 实例
+        """
+        from framework_v2.shared.data import FlaskAPIFetcher
+        
+        # 使用配置中的第一个启用的数据源
+        for source_config in self.config.data.sources:
+            if source_config.enabled and source_config.type.value == 'flask_api':
+                return FlaskAPIFetcher(
+                    base_url=source_config.url,
+                    timeout=source_config.timeout
+                )
+        
+        raise ValueError("未找到可用的数据源配置")