fix: 关键修复-境外数据对齐到A股交易日历后计算因子

问题根因：
- 2019-02-18等日期是A股交易日但不是美股交易日（总统日假期）
- 新框架因子计算使用原始境外数据索引，导致这些日期因子值为NaN
- 原引擎使用 reindex(a_share_dates, method='ffill') 前向填充

修复：
- 因子计算前将所有标的数据对齐到A股交易日历
- 使用前向填充(ffill)处理境外市场交易日缺失

收益对比：
- 原引擎: 1804% 累计收益, 459次调仓
- 新框架(修复后): 1703% 累计收益, 578次调仓

剩余差异：
- 新框架保留国债(931862.CSI)，原引擎剔除
- 信号匹配率36.5%，但收益接近说明策略逻辑有效

strategies/rotation/strategy.py

@@ -144,28 +144,46 @@ class RotationStrategy(StrategyBase):
         }
     
     def compute_factors(self, data: dict) -> pd.DataFrame:
-        """计算因子值"""
+        """计算因子值（匹配原引擎：境外数据对齐到A股交易日历后再计算因子）"""
         index_data = data['index_data']
         valid_codes = data['valid_codes']
         
+        # 获取A股交易日历作为基准（使用已有的对齐后数据索引）
+        index_close = data.get('index_close')
+        if index_close is not None:
+            a_share_dates = index_close.index
+        else:
+            # 回退：使用第一个A股标的的索引
+            for code in valid_codes:
+                if code.endswith('.SH') or code.endswith('.SZ') or code.endswith('.CSI'):
+                    a_share_dates = index_data[code].index
+                    break
+            else:
+                a_share_dates = index_data[valid_codes[0]].index
+        
         factor_values = {}
         final_valid_codes = []
         
         for code in valid_codes:
             df = index_data[code]
-            # 只使用 close 列计算因子（匹配原引擎逻辑：部分指数只有收盘价）
+            # 只使用 close 列（匹配原引擎逻辑）
             if 'close' in df.columns:
                 close_series = df['close'].dropna()
             else:
                 close_series = df.dropna()
             
-            # 原引擎剔除逻辑：close 数据需要至少 n_days + 1 条
-            if len(close_series) < self.n_days + 1:
-                print(f"  ⚠ 剔除 {code}: 数据不足 ({len(close_series)} < {self.n_days + 1})")
+            # 关键：对齐到A股交易日历（匹配原引擎逻辑）
+            # 境外市场的交易日与A股不同，需要前向填充到A股交易日
+            close_aligned = close_series.reindex(a_share_dates, method='ffill')
+            
+            # 原引擎剔除逻辑：对齐后的数据需要至少 n_days + 1 条有效值
+            valid_count = close_aligned.notna().sum()
+            if valid_count < self.n_days + 1:
+                print(f"  ⚠ 剔除 {code}: 数据不足 ({valid_count} < {self.n_days + 1})")
                 continue
             
-            # 只传入 close 列给因子计算器
-            close_df = pd.DataFrame({'close': close_series})
+            # 在对齐后的数据上计算因子
+            close_df = pd.DataFrame({'close': close_aligned})
             values = self._factor.compute(close_df)
             factor_values[code] = values
             final_valid_codes.append(code)