1148d3166c
refactor(datasource): 分层接口设计，移除HybridDataSource
...
架构改动:
- 移除 HybridDataSource（功能被 UniversalDataFetcher 覆盖）
- 新增分层接口设计：基础层 + 扩展层
基础层（统一接口）:
- fetch(): 统一 OHLCV 接口，自动识别资产类型
- fetch_batch(): 批量获取
扩展层（资产类型特有）:
- fetch_etf_adj(): A股 ETF 后复权价格
- fetch_us_adj(): 美股复权价格
- fetch_etf_with_nav(): ETF 价格 + 净值 + 溢价率
其他修改:
- YFinanceSource: 新增 fetch_adj() 方法
- strategy.py: 改用 UniversalDataFetcher 替代 HybridDataSource
- __init__.py: 移除 HybridDataSource 导出
2026-05-23 12:46:48 +08:00
8e8093e0fd
chore(config): 调整回测起始日期为2020-01-01
...
配合Mode B（指数信号+ETF收益）回测需求，缩短回测区间以提高ETF数据可用性
2026-05-23 11:18:00 +08:00
982fbe250b
fix: 修复跨市场收益率计算Bug
...
Bug机制：
- 先pct_change再ffill对齐，导致海外标的休市日复制前一天非零收益率
- 例如：美股圣诞节放假，但ffill填入前一天的+1.2%，重复计算收益
修复方案：
- 先ffill价格对齐到A股日历（休市日价格不变）
- 再pct_change计算收益率（休市日自然为0%）
影响：
- 修复前净值: 394.80（高估）
- 修复后净值: 16.23（真实）
- 该Bug导致海外标的在A股独有的交易日被重复计算收益
验证：
- 语法检查通过
- 回测运行正常
2026-05-20 22:34:12 +08:00
18bc9b8c44
fix: V3动态阈值根因2子问题和根因3修复
...
根因2子问题: bond无数据时不填充
- 问题: be8ca02无条件填充导致2002-2007年信号中出现931862.CSI
- 但执行器找不到收益数据，2/3仓位收益为0，引发-31.92%回撤
- 修复: generate()中过滤前检查bond_has_data，传入_grouped_selection
- 填充条件改为: bond_code存在 AND bond_has_data
- bond有数据(含负值)→填充 ✓; bond无数据(NaN)→不填充 ✓
根因3: 空target时保持旧持仓而非清仓
- 问题: _apply_rebalance_control中target为空时清仓
- 但独立脚本的行为是保持旧持仓
- 修复: else分支改为pass，保持current_held不变
- 在有bond数据期target不会为空，空target仅发生在2002-2007
修复后验证结果:
- CAGR: 27.81% (预期28.03%, 差异-0.22%)
- 最大回撤: -24.36% (预期-24.35%, 差异≈0) ✓
- 夏普: 1.40 (预期1.40) ✓
- 回撤区间: 2015-05~2016-06 (与预期一致) ✓
- Calmar: 1.14 (预期1.15)
净值: 334.46 → 394.80 (+18%)
2026-05-19 01:06:20 +08:00
be8ca023f7
fix: V3动态阈值两处根因修复
...
根因1: _check_rebalance重复代码计分Bug
- 问题: "CL=F,931862.CSI,931862.CSI"中短债只计一次得分
- 修复: 直接遍历持仓列表计算得分，而非遍历factor_cols做in判断
- 影响: 278天应防御时继续持有风险资产
根因2: 短债填充依赖阈值过滤
- 问题: 短债动量为负时(钱荒等)不填充防御仓位
- 修复: 无条件填充短债(防御机制不应依赖动量阈值)
- 影响: 17天仓位不满(1/3或2/3空置)
修复后结果:
- 净值: 292.56 → 334.46 (+14.4%)
- 夏普: 1.33 → 1.41 (+0.08)
- 持仓3只: 92.3% → 99.4% (满仓率提升)
- 短债填充更积极: 28.7%时间持有短债
2026-05-19 00:38:04 +08:00
74a664d4ff
feat: V3动态阈值实施方案落地
...
核心逻辑：
1. config.yaml新增bond_threshold配置块
2. selectors.py新增动态阈值逻辑：
- _get_dynamic_threshold(): 阈值=短债动量×ratio
- _grouped_selection(): BOND不参与竞争，空余仓位填充短债
3. strategy.py传入bond_threshold_config
回测验证：
- 最终净值: 292.56
- 累计收益: 29155.96%
- 持仓3只: 92.3%（满仓率提升）
- 短债填充: 27.7%时间启用（空余仓位）
信号特征：
- 短债可重复出现表示仓位占比
- 例如 "NDX,931862.CSI,931862.CSI" → NDX 33%, 短债 67%
2026-05-18 23:58:10 +08:00
8476d0e7cd
docs(config): 补充短债指数收益归因实证结论
...
实证分析结论：
- 标的收益占比：约17%（债券本身增长）
- 决策收益占比：约83%（避险决策贡献）
核心发现：
短债指数的价值主要来自正确避险决策，而非债券本身增长。
这验证了动量轮动策略的核心逻辑：通过仓位选择规避下跌风险。
2026-05-18 01:02:58 +08:00
79c6ab8620
feat(rotation): 恢复短债指数931862.CSI作为BOND大类防御资产
...
配置变更：
- 恢复使用931862.CSI（中证0-9个月国债指数，短债指数）
- name从'30年国债'修正为'短债指数'（修正标注错误）
- etf设为null（无对应ETF可交易，直接用指数数据）
- 注释掉000012.SH配置（上证国债指数）
收益对比验证：
| 配置 | 最终净值 | 累计收益 | 说明 |
|------|---------|---------|------|
| 931862.CSI（短债） | 264.54 | 26354% | ✓ 当前配置 |
| 000012.SH（综合国债） | 216.30 | 21530% | 已注释 |
| 收益差异 | +48.24 | +4824% | 短债高18.2% |
决策原因：
1. 短债指数久期<1年，波动极小，熊市防御效果最佳
2. 000012.SH是综合国债指数，包含短债到长债，波动较大
3. 之前000012.SH错误映射到511520.SH（政金债ETF），指数-ETF不匹配
4. 931862.CSI虽无对应ETF，但数据覆盖19年（2007开始），回测充分
数据验证：
- 931862.CSI: 4335条数据 (2007-12-31 ~ 2026-05-14)
- 数据年数: 约19年
关键发现：
- 短债指数因其极低波动特性，在熊市动量稳定
- 红利低波(H30269)归类为A股，与创业板竞争A股Top1
- 短债指数(931862)单独作为BOND大类，自动入选
- 实现红利低波+短债同时持仓的双重防御机制
2026-05-17 00:55:03 +08:00
b419701c77
feat(rotation): 红利低波归类A股提升收益52%
...
配置变更：
- H30269.CSI(红利低波)从BOND改为A股大类
- 931862.CSI(短债指数)保持BOND大类
- start_date调整为2002-01-01
回测验证：
- 新配置净值264.54，累计收益26354%
- 旧配置净值173.83，累计收益17283%
- 收益提升52%
关键发现：
- 红利低波作为A股可与创业板指竞争，优胜者入选
- 短债单独作为BOND自动入选
- 之前同属BOND时只能选1个，无法同时持有
- 新配置可实现'红利低波+短债'同时持仓
2026-05-16 23:28:23 +08:00
969385f39c
feat(rotation): 采用红利低波+短债指数组合作为防御类资产
...
配置变更：
- H30269.CSI(红利低波指数)归类为BOND大类
- 931862.CSI(短债指数)归类为BOND大类
- 添加正确的标注说明（注明实际是红利低波和短债指数）
防御效果分析：
- 红利低波提供'类债券'股票防御（高股息+低波动）
- 短债指数提供真正的债券防御（极低波动）
- 2008年熊市短债指数持仓172天(55%)，贡献主要防御效果
回测验证：
- 组合配置净值173.83，累计收益17283%
- 比单红利低波配置高50%（115.14 → 173.83）
- 2008年少亏23%（-43.87% → -20.85%）
删除旧报告：红利低波防御配置分析报告.md
创建新报告：防御类资产组合配置分析报告.md
2026-05-16 22:54:51 +08:00
48bf3fde2e
fix(rotation): 纠正指数代码标注，H30269.CSI为红利低波而非国债
...
配置变更：
- H30269.CSI正确标注为'红利低波'（中证红利低波动指数）
- 移除错误配置的931862.CSI（中证0-9个月国债指数，无对应ETF）
- 红利低波归类为DEFENSIVE大类（防御类资产）
分析发现：
- 之前'双国债配置'实际是红利低波+短债指数组合
- 红利低波具有'类债券'属性（高股息+低波动）
- 但本质仍是股票，熊市防御有限
- 短债指数才是2008年防御的主力
收益对比：
- 错误标注(双国债): 净值173.83
- 正确配置(红利低波): 净值115.14
- 差异原因：移除短债指数后防御能力下降
删除旧报告：国债配置实证分析报告.md
创建新报告：红利低波防御配置分析报告.md
2026-05-16 22:41:53 +08:00
306b4022da
feat(rotation): 增加双国债配置实现动态久期选择
...
配置变更：
- 移除错误标注的H30269.CSI（标注为中证红利低波）
- 添加10年国债(931862.CSI)配置，久期8年，波动3-5%
- 添加30年国债(H30269.CSI)配置，久期20年，波动10-15%
- 修正ETF映射：931862→512890, H30269→511090
实证分析结果：
- 方案C(双国债)累计收益17283%，为三种配置最优
- 动态久期选择机制：牛市选30年获取弹性，熊市选10年增强防御
- 债券持仓占比43.9%（10年18.6% + 30年25.3%）
- 详细分析见 docs/experiments/国债配置实证分析报告.md
2026-05-16 22:21:27 +08:00
63c56f0001
feat(execution): 回测调仓事件记录功能增强
...
新增调仓事件记录功能，详细记录每次调仓的信息：
核心改进：
1. BacktestExecutor新增_apply_trade_cost_with_events方法
- 记录每次调仓的基本信息（持仓变化、调入调出标的）
- 记录换手率、调仓成本、持仓天数、当日收益
2. 新增_enrich_rebalance_events方法
- 补充净值信息（调仓前净值、调仓后净值、净值变化%）
3. strategy.py保存调仓记录到CSV
- 新增rebalances.csv文件
- 返回结果包含rebalance_events
调仓记录字段：
- 调仓前持仓、调仓后持仓
- 调入标的、调出标的
- 换手率、调仓成本
- 持仓天数、当日收益
- 调仓前净值、调仓后净值、净值变化%
应用场景：
- 分析每次调仓对收益的影响
- 评估调仓决策质量
- 统计调仓频率与效果
2026-05-16 21:15:31 +08:00
a475e1b314
feat(strategy): 分组选股增强-大类冠军二次过滤确保组合动量达标
...
核心改进：
- selectors.py: _grouped_selection增加二次过滤，大类冠军得分不足时跳过该大类
- strategy.py: min_score参数可配置，从策略配置读取
- config.yaml: min_score=0.0（过滤负动量），保留注释说明更高阈值的权衡
设计原则：
- 组合中每个标的动量得分都必须>=min_score
- 大类冠军得分不足时不强制持有，持仓数量动态调整
- min_score=0保持简单稳健，更高阈值虽能改善回撤但可能错过机会
实验验证：
- min_score=0: 累计收益14580%, 最大回撤-61.1%, 空仓131天
- min_score=0.02: 累计收益17052%, 最大回撤-61.0%, 但2000年恶化
- 决策：保持min_score=0，避免阈值选择的trick问题
2026-05-16 20:38:57 +08:00
acec96539b
fix(strategy): 添加负动量空仓机制避免持仓惯性亏损
...
当所有候选标的动量得分低于min_score时，策略自动清仓而非继续持有之前的负动量组合。
修复问题：
- 旧逻辑：target为空时继续持有current_held（负动量标的）
- 新逻辑：target为空时清仓（current_held=''）
回测效果：
- 累计收益从11872%提升至14580%（+2708%）
- 最大回撤从-71.9%改善至-61.1%（+10.9%）
- 2000年互联网泡沫期间空仓77天（24.8%）
- 2001年空仓31天，收益从-48.7%改善至-41.1%
2026-05-16 11:42:36 +08:00
6ccb121764
fix(strategy): 修复收益率计算交易日不对齐问题
...
问题: 指数数据使用各市场原始交易日，直接pct_change导致大量NaN
修复: 先在原始交易日历计算收益率，再用ffill对齐到A股日历
效果: 收益从44.55%恢复到11961.88%(年化15.7%，26年周期)
2026-05-16 01:23:55 +08:00
28f3ddcd4f
fix(strategy): 收益计算改为使用指数数据
...
- 原逻辑: 优先使用ETF价格计算收益，导致回测起点被ETF最早日期限制(2011-12-09)
- 新逻辑: 使用指数数据计算收益，可从2000年开始回测(8240天)
- ETF数据仅用于报告显示溢价率，不参与收益计算
- 注意: 2000-2005年只有7只标的有数据，分散度不足导致净值下跌48%
2026-05-16 00:52:15 +08:00
07463f68e1
fix(strategy): 消除pandas pct_change弃用警告
...
- 添加 fill_method=None 参数避免 FutureWarning
- pandas 未来版本将移除默认 fill_method='pad' 行为
2026-05-15 23:38:45 +08:00
80c7fe0ba8
refactor(log): 优化回测日志输出格式
...
- strategy.py: 在数据获取前打印回测配置区间说明
- flask_api_source.py: 使用API返回的实际数据范围(date_range)
- 原问题: 日志显示请求参数的start_date,而非实际数据范围
- 修改后: 各标的显示实际数据时间周期(如创业板2010年开始)
2026-05-15 23:34:52 +08:00
cbd60894b9
fix(strategy): 修复债券指数OHLCV数据处理逻辑
...
- 问题: 债券指数(931862.CSI)只有close数据,open/high/low全是None
- 原代码: 检查列存在后整行dropna → 数据变成0条
- 修复: 检查列存在 + 检查数据是否有效(不全为None)
- 如果OHLCV无效 → 使用close列单独dropna
- 结果: 30年国债4330条数据正常参与回测
- 收益影响: 累计收益+258%, Sharpe+0.04
2026-05-15 23:26:54 +08:00
85c20b4626
refactor(strategy): 取消数据不足标的剔除逻辑，保留所有标的以暴露策略问题
...
- compute_factors: 不剔除数据不足/缺失率高的标的
- 改为警告并保留，因子值NaN时信号生成自动跳过
- 目的：暴露策略自身问题，后续支持更多大类资产
- 回测配置改为start_date=2000-01-01以测试更长历史
2026-05-15 23:18:44 +08:00
763713213c
refactor(config): 有色金属标的改用COMEX铜期货替代上期所
...
- CU.SHF -> HG=F: COMEX铜期货（2000年至今）
- 原因：上期所主力合约数据仅2018年后，COMEX铜数据更长
- ETF保持不变（159980.SZ 有色金属ETF）
- 配合之前替换：AU.SHF->GC=F, CL.NYM->CL=F
2026-05-15 22:21:55 +08:00
4f1207dc4d
refactor(config): 商品标的改用COMEX/WTI期货替代上期所
...
- AU.SHF -> GC=F: COMEX黄金期货（2000年至今）
- CL.NYM -> CL=F: WTI原油期货（2000年至今）
- 原因：上期所主力合约数据仅2018年后，COMEX/WTI数据更长
- ETF保持不变（518880.SH 黄金ETF, 160723.SZ 原油ETF）
2026-05-15 21:57:32 +08:00
72e980e956
refactor(rotation): 利用 Flask API 内联的 ETF 净值和溢价率数据
...
- 移除单独的 fetch_etf_nav 调用
- 从 ETF OHLCV DataFrame.attrs 中提取净值和溢价率
- 新增 etf_premium_data 字段存储溢价率详情
- 减少一次 API 请求，提高数据获取效率
2026-05-14 01:03:31 +08:00
4fe21a7cd4
fix(datasource): 修复 zstd 响应 JSON 解析问题
...
- flask_api_source.py: 添加 requests.exceptions.JSONDecodeError 捕获
- flask_server.py: 启用 flask-compress gzip 压缩
- requirements.txt: 添加 flask-compress>=1.14
- strategy.py: 修复 flask_api 配置读取方式
问题原因：Traefik Ingress 使用 zstd 压缩响应，
requests.response.json() 解析失败，但 json.loads(response.text) 成功
2026-05-14 00:27:30 +08:00
020e90aa2b
feat(rotation): 添加 Flask API 配置
...
- 新增 flask_api 配置块
- url: https://k3s.tokenpluse.xyz
- enabled: true
- 支持策略通过远程 API 获取数据
2026-05-13 23:55:26 +08:00
0a9795febb
feat(strategy): rotation策略支持Flask API数据获取
...
- 新增 flask_api_source.py: Flask API远程数据源模块
- 修改 strategy.py: get_data() 支持通过Flask API获取数据
使用方式:
strategy.get_data(use_flask_api=True) # 通过部署服务获取
strategy.get_data(use_flask_api=False) # 本地HybridDataSource
配置项:
flask_api_url: 可在config.yaml中指定API地址
2026-05-13 23:49:26 +08:00
105af19690
feat(strategy): 新增纯美股动量轮动策略
...
新增美股轮动策略模块:
- strategies/us_rotation/config.yaml: 47只美股标的池，动量窗口250天，Top5选股
- strategies/us_rotation/strategy.py: USRotationStrategy实现
- run_us_rotation.py: 回测入口脚本
回测结果 (2016-2026, 约10年):
- 总收益: 7675% (年化52.49%)
- 基准NDX收益: 540% (年化19.72%)
- 超额年化收益: 32.78%
- 夏普比率: 1.33 (基准0.80)
- 最大回撤: 42.15%
- 卡玛比率: 1.25
- 胜率: 56.1%
- 平均持仓: 2.7天
年度最佳: 2020年+221% (超额176%)
年度防守: 2022年-10.5% (基准-33.7%, 超额+23.3%)
持仓Top5: NVDA(35.8%), AMD(30.1%), SHOP(26%), AVGO(23.9%), FICO(23.3%)
2026-05-13 01:27:09 +08:00
5c98b1cb6a
refactor: SSH密钥移到根目录，删除config目录
...
迁移内容：
- config/hk_ecs.pem → hk_ecs.pem（根目录）
- 删除 config 目录（无其他内容）
路径更新：
- datasource/flask_server.py：默认路径改为 hk_ecs.pem
- strategies/rotation/config.yaml：SSH配置路径
- docker-compose.yml：挂载路径
- build-and-push.sh：示例命令
- README.md：项目结构说明
设计原则：敏感文件集中放在根目录
- .env：环境变量
- hk_ecs.pem：SSH密钥
2026-05-12 22:31:43 +08:00
aeb95a6f4c
refactor: 配置文件迁移到策略目录（模块自包含）
...
迁移内容：
- config/strategies/rotation.yaml → strategies/rotation/config.yaml
路径更新（核心文件）：
- strategies/rotation/strategy.py（注释示例）
- scripts/generate_legacy_report.py（config_path）
- run_rotation.py（注释和默认参数）
- datasource/hybrid_source.py（from_yaml示例和fetch_rotation_data）
保留：
- config/strategies/cci.yaml（无对应策略目录，暂保留）
设计原则：策略模块自包含，配置与实现同目录，方便移植和复制
验证：策略加载成功（候选池11只，回测区间2019-01-01 ~ 2026-05-12）
2026-05-12 22:14:35 +08:00
76faf78a42
fix: 完整匹配原引擎剔除逻辑和因子对齐顺序
...
关键修复：
1. OHLCV整行dropna()剔除逻辑（匹配原引擎）
- 国债 931862.CSI 因 open/high/low 全空被剔除
- 原引擎: df = index_ohlcv_data[code].dropna()
- 新框架: 同样逻辑
2. 因子计算顺序：先计算因子再对齐到A股交易日历
- 原引擎: factor_series = rolling(n).apply(); factor_aligned = reindex(ffill)
- 新框架: 同样顺序，避免ffill填充的重复值影响rolling窗口
对比结果：
| 指标 | 原引擎 | 新框架(修复后) |
|------|--------|---------------|
| 累计收益 | 1804% | 1999% |
| 信号匹配率 | - | 90.3% |
| 调仓次数 | 459 | ~578 |
剩余195%收益差距可能来自收益计算细节差异
2026-05-12 01:14:07 +08:00
f5d748257e
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
2026-05-12 01:01:32 +08:00
19131c41dd
fix: 数据源路由修复与因子计算改进
...
1. 修复期货路由逻辑：NYMEX期货(.NYM)走YFinance而非Tushare
2. 添加SSH隧道路径修复（原引擎）
3. 因子计算只使用close列（处理部分指数只有收盘价的情况）
4. 添加数据不足和缺失率剔除日志
收益对比:
- 原引擎（剔除国债）: 累计1804%, 调仓459次
- 新框架: 累计772%, 调仓1276次
差异原因待查：
- 国债剔除逻辑不同
- 调仓频率差异
2026-05-12 00:47:43 +08:00
a7a4a69153
fix: 修复回测日期对齐问题，优化收益率计算
...
- 使用对齐后的index_close数据计算日收益率
- 添加日期对齐逻辑确保信号和收益率数据一致
- 修复pivot重复索引问题，使用pivot_table
- 修复tushare期货接口调用（futures_daily -> fut_daily）
回测结果:
- 最终净值: 0.9435
- 累计收益: -5.65%
- 信号日期: 2302天
2026-05-12 00:12:46 +08:00
e56bd39400
feat: 创建数据源模块 datasource/
...
核心功能：
- ssh_tunnel.py: SSH隧道管理器（连接香港ECS）
- tushare_source.py: A股数据获取（指数、ETF、期货）
- yfinance_source.py: 境外数据获取（港股、美股）
- hybrid_source.py: 混合数据源（整合所有）
使用方式：
from datasource import HybridDataSource
source = HybridDataSource.from_yaml('config/strategies/rotation.yaml')
result = source.fetch_all()
更新 RotationStrategy 使用新数据源模块
2026-05-12 00:03:25 +08:00
e6b2c8cfb7
fix: 适配归档数据源接口，添加dotenv加载
...
- 使用 fetch_all() 替代 fetch_batch()
- 添加 from dotenv import load_dotenv 加载环境变量
- 返回完整数据结构（index_data, etf_data, nav_data, benchmark）
回测验证成功:
- 累计收益: 164.47%
- 最终净值: 2.6447
- 信号日期: 1780 天
2026-05-11 23:56:05 +08:00
893a75a27f
refactor: 将回测逻辑整合到策略类，简化执行入口
...
重构 RotationStrategy:
- 添加 from_yaml() 从配置创建实例
- 添加 get_data() 获取数据
- 添加 compute_factors() 计算因子
- 添加 generate_signals() 生成信号
- 添加 run_backtest() 完整回测流程
简化 run_rotation.py:
- 从 264 行简化为 9 行
- 只做策略调用入口
执行方式:
python run_rotation.py --config config/strategies/rotation.yaml
python run_rotation.py --save-path results/my_rotation
代码方式:
strategy = RotationStrategy.from_yaml('config/strategies/rotation.yaml')
result = strategy.run_backtest()
2026-05-11 23:50:40 +08:00
9e1ba2db03
refactor: 移除screener目录到archive
...
- strategies/screener/ → archive/legacy_screener/
- base.py (Screener抽象基类) 功能已被 framework/signals/SignalGenerator 覆盖
- cci.py (CCI策略) 依赖已归档的 core.factors.technical 和 core.common
保留新框架结构，使用 SignalGenerator 替代 Screener 抽象
2026-05-11 23:36:29 +08:00
1fca536c95
refactor: 归档旧代码，保留新框架结构
...
归档内容：
- core/ (数据源、因子计算、通用工具) → archive/legacy_core/
- strategies/rotation/engine.py, portfolio.py, report.py → archive/legacy_core/
- scripts/ (run_rotation, daily_scheduler) → archive/legacy_scripts/
- examples/ → archive/legacy_examples/
- tests/ (实验、对比测试) → archive/legacy_tests/
- 单独文件 (fetch_*.py, 动量.py, 全球市场.py等) → archive/single_files/
保留新结构：
- framework/ (抽象接口)
- strategies/shared/ (定制组件)
- strategies/rotation/strategy.py (新策略)
- 外层配置: .env, .dockerignore, build-and-push.sh, hk_ecs.pem, README.md, requirements.txt
- Docker相关: Dockerfile, Dockerfile_base, docker-compose.yml
更新README反映新框架架构
2026-05-11 23:34:23 +08:00
774758c3b0
feat(data): 实现数据获取层抽象接口
...
- OHLCVData: 标准化K线数据结构
- DataSource: 数据源抽象接口（fetch/fetch_batch）
- DataCache: 缓存抽象接口（get/set/is_fresh）
- LocalFileCache: 本地文件缓存实现
- HybridDataSourceAdapter/TushareDataSource/YFinanceDataSource: 定制数据源适配器
2026-05-11 23:24:11 +08:00
c5a41b71ae
feat(signals): 完善TopNSelector分散化选股和调仓控制
...
- 支持group_mapping分组映射（替代group_info列）
- 每大类选Top1，然后跨类排序选Top3
- 添加调仓周期控制（rebalance_days）
- 添加调仓阈值检查（rebalance_threshold）
- 支持最小得分过滤（min_score过滤负分）
2026-05-11 23:23:37 +08:00
de31271ab3
feat(rotation): 实现轮动策略（使用框架抽象+定制组件）
...
- RotationStrategy: 继承StrategyBase，使用MomentumFactor+TopNSelector
- 实现before_entry溢价过滤、dynamic_stoploss动态止损、custom_exit自定义出场
- 策略配置从类属性读取，支持config覆盖
2026-05-11 23:09:49 +08:00
69081297c5
feat(strategies): 实现定制组件（因子、信号生成器、风控）
...
- strategies/shared/factors/momentum.py: MomentumFactor/TrendFactor/ReversalFactor/VolatilityFactor
- strategies/shared/signals/selectors.py: TopNSelector/TrendFollower/ReversalTrader
- strategies/shared/risk/controls.py: StopLossControl/PositionLimitControl/PremiumControl
- strategies/shared/__init__.py: 统一入口导出所有定制组件
2026-05-11 23:09:35 +08:00
baeeb13c34
fix(engine): 修复净值起点归一化问题，确保净值从1.0开始
...
问题分析：
1. 策略净值起点原为1.0051，不是标准的1.0
2. 根本原因：日收益率在factor_data中已计算好，第一行包含前一天价格变化
3. cumprod()从第一行开始，导致起点不是1.0
4. 累计收益计算错误：
- 原计算方式：净值终点-1 = 1822.83%
- 正确收益：净值终点/起点 = 1813.07%
- 差异约10%
修复内容：
- strategies/rotation/engine.py
- 策略净值归一化：净值 = cumprod() / cumprod().iloc[0]
- 基准净值归一化：同样处理确保起点=1.0
- 消除第一行日收益率包含的前一天收益影响
修复效果：
- 策略净值起点：从1.0051 → 1.0000 ✅
- 基准净值起点：从1.0072 → 1.0000 ✅
- 策略累计收益：从1822.83% → 1813.07% ✅
- 基准累计收益：从48.21% → 47.15% ✅
影响：
- HTML报告中净值曲线起点标准化为1.0
- KPI指标中的累计收益计算正确
- 与其他回测系统的净值展示方式一致
2026-05-08 23:07:08 +08:00
9ecc796d36
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
2026-05-08 22:52:36 +08:00
987cb38322
feat(report): 净值曲线数据统一来源，直接读取轮动策略输出
...
修改内容：
1. strategies/rotation/report.py
- 新增保存策略净值曲线到CSV文件的功能
- 保存字段：日期、策略净值、基准净值、各品种净值
- 输出路径: results/report_nav.csv
- 包含1754条净值记录
2. visualization/report_generator/generate_report.py
- 加载净值曲线CSV文件（优先）
- 直接使用轮动策略输出的净值数据，不再重新计算
- 保留备用计算逻辑（CSV不存在时）
- 新增 benchmark_values 用于显示基准净值
3. visualization/report_generator/template.html
- 净值曲线图表新增基准净值曲线（红色虚线）
- 添加图例显示（策略净值、基准净值）
- Tooltip 显示双线数据对比
效果：
- 净值曲线数据统一从轮动策略回测结果获取
- 避免重复计算导致的曲线不一致
- HTML报告显示策略vs基准对比曲线
- 数据来源清晰可追溯（1754条完整净值记录）
2026-05-08 22:33:41 +08:00
861e590441
feat(report): 策略KPI数据统一来源，避免重复计算
...
修改内容：
1. strategies/rotation/report.py
- 新增保存策略KPI到JSON文件的功能
- 保存指标：累计收益、年化收益、夏普比率、最大回撤、Calmar比率、日胜率
- 同时保存基准指标和回测区间信息
- 输出路径: results/report_metrics.json
2. visualization/report_generator/generate_report.py
- 加载策略KPI JSON文件（优先）
- 直接使用轮动策略输出的指标，不再重复计算
- 保留备用计算逻辑（JSON不存在时）
- 确保HTML报告与轮动策略结果完全一致
效果：
- KPI指标统一从轮动策略回测结果获取
- 避免重复计算导致的数据不一致
- 数据来源清晰可追溯
- HTML报告指标与终端输出完全一致
2026-05-08 22:25:22 +08:00
c1fbd2c7db
feat(strategy): finalize global rotation system with advanced risk controls
...
Summary of updates:
1. Core Logic (engine.py): Added 'score > 0' filtering to support automatic cash positions during market downturns.
2. Experimental Analysis: Added scripts/analyze_negative_scores.py, scripts/test_select_num.py, and scripts/ab_test_iterations.py.
3. Documentation: Created docs/strategy_evolution_report.md detailing the evolution from benchmark to the final 47% CAGR version.
4. Configuration: Finalized rotation.yaml with 11 core assets and optimal risk parameters.
2026-04-30 00:56:20 +08:00
63a100cef0
feat(config): finalize 11-asset global pool with cross-market diversification
...
标的池优化与分散化配置更新：
1. 最终标的池确立 (11 只)：
- 精选 9 只原始核心标的 + 恒生科技 + 恒生指数。
- 相比全市场 43 只池子，精简后的池子大幅减少了 A 股细分行业的噪声干扰。
2. 关键参数调整：
- 开启 'diversified: true'：强制跨大类（美股、港股、A股、商品、固收）选择 Top 1 标的。
- 启用 'weighted_momentum' 因子与 'auto_day' 动态周期。
- 放宽溢价率阈值至 10%，以适应跨境资产的高溢价常态。
回测影响分析：
- 引入恒生双指后，2022年回撤得到显著对冲（22.6% 正收益）。
- 跨大类分散化逻辑将最大回撤从 43 只池子时的 -33% 压缩至 -14.5%。
- 该配置在保持 20%+ 稳健年化的同时，提供了 1.5 以上的顶级夏普比率。
2026-04-30 00:14:55 +08:00
70bb69fd98
fix(core): 修复计算与数据对齐等多处逻辑问题
...
- 修正CAGR计算，去除NaN并检查起始值有效性以避免异常结果
- 优化混合数据源的数据对齐逻辑，使用配置结束日期与A股最新数据日期的较早者
- 计算因子时对齐A股交易日历，重新基于对齐价格计算日收益率，改进因子对齐准确度
- 轮动策略中跳过空信号，避免空信号影响持仓和调仓逻辑
- 调整信号处理，过滤空字符串和NaN，保证轮动信号数据有效性
- 多品种轮动持仓中加入空信号判断，避免无效信号导致错误
- 调整调仓明细和品种汇总保存逻辑，增加空文件创建以保证输出路径文件稳定生成
- 完善多处打印信息和注释，增强代码可读性与调试便利性
2026-03-26 22:21:38 +08:00
