aszer/etf
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
323 Commits 1 Branch 0 Tags
81045f9d85c6e033a45f201dc32fcfb084e79836
Commit Graph

33 Commits

Author SHA1 Message Date
aszerW
451ffa33d2 clean(rotation): add simple rotation strategy and remove unused files 
New:
- rotation/simple_rotation.py: daily-iteration rotation strategy (584 lines)
- rotation/config_loader.py: standalone config loader
- rotation/config_simple.yaml: 11 assets, 7 groups
- rotation/README_SIMPLE.md: usage guide
- scripts/get_trading_calendar.py: trading calendar fetcher

Removed:
- rotation/example_usage.py, run_strategy.py (replaced by simple_rotation.py)
- rotation/results/ output files (gitignored)
- scripts/verify_*.py, calculate_returns_from_detail.py (one-off scripts)
- scripts/README_TRADING_CALENDAR.md

Backtest result (2020-01-10 ~ 2026-06-01):
- Total return: 1237.6%, Annual: 52.66%
- Max drawdown: -11.71%, Sharpe: 2.50
 2026-06-01 22:28:26 +08:00
aszerW
ee2453f65e fix(rotation): 修复 backtest detail 中指数和 ETF 累计收益计算 bug 
- 问题：cum_return_idx 和 cum_return_etf 使用相同的 ETF 价格计算
- 修复：分别使用指数价格（raw）和 ETF 价格（hfq）独立计算
- 验证：72.6% 的持仓记录显示差异（0.06%~0.48%），符合预期
- 新增验证脚本：verify_cum_return_fix.py
 2026-05-26 23:22:26 +08:00
aszerW
6a86a27108 test(scripts): 新增ETF数据获取验证脚本 
新增脚本：
- verify_etf_hfq_fix.py: 验证指数使用raw、ETF使用hfq
- compare_index_vs_etf_returns.py: 对比指数收益vs ETF收益的KPI指标

验证内容：
- 指数数据完整性检查
- ETF数据完整性检查
- ETF是否正确使用hfq后复权价格（抽样对比raw和hfq）
- 验证510300.SH等ETF的hfq/raw比值（应>1.0）
 2026-05-26 19:55:01 +08:00
aszerW
2ff48e8d56 refactor(flask_api_fetcher): 暴露adj参数，增强接口透明度和灵活性 
改进：
- fetch_indices()添加adj参数，默认'raw'，可自定义
- fetch_etf()添加adj参数，默认'hfq'，可自定义
- 改进日志输出，显示实际使用的adj参数
- 保持向后兼容，默认值保持原有行为

优势：
- 透明性：调用者清楚知道使用的复权方式
- 灵活性：可按需获取raw/qfq/hfq数据
- 一致性：两个方法接口统一
- 向后兼容：不影响现有代码
 2026-05-26 19:54:41 +08:00
aszerW
d404ddee17 fix(rotation): 修复ETF数据获取逻辑，分别获取指数raw和ETF hfq数据 
问题：之前统一使用fetch_indices(adj='raw')导致ETF未使用后复权价格

修复：
- 在GlobalRotationStrategy中覆盖get_data()方法
- 指数数据：调用fetch_indices(adj='raw')获取原始价格
- ETF数据：调用fetch_etf(adj='hfq')获取后复权价格
- 确保指数信号计算和ETF收益计算使用正确的数据源

影响：回测将正确反映ETF的真实收益（包含分红再投资）
 2026-05-26 19:54:21 +08:00
aszerW
7fc1170964 feat(v2): 修复跨市场因子对齐 + 添加当日收益率字段 
核心修复：
- 因子对齐到 A 股交易日历（ffill 填充休市日）
- 修复美股休市日 NDX 信号丢失问题（Memorial Day）
- BOND 参与大类竞争，作为阈值过滤其他组
- 添加 index_return 和 etf_return_ctc 字段

性能提升：
- 总收益: 356% → 686% (+92.7%)
- 年化收益: 28% → 40% (+12%)
- 夏普比率: 1.61 → 2.04 (+26.7%)
- 调仓次数: 747 → 399 (-46.6%)
- 最大回撤: -14.75% → -10.66% (改善)
 2026-05-26 01:04:39 +08:00
aszerW
537e7ccc45 feat(v2): 将导出功能内建到策略 run() 方法 
- 修改 StrategyBase.run() 支持 export_detail 参数
- 保存 self._data 供导出方法复用
- 简化 export_backtest_detail.py 从 441 行到 62 行
- 消除策略重复执行，提升运行效率 40%
- API 请求减少 50%（溢价率数据复用）
 2026-05-26 01:04:20 +08:00
aszerW
3d9929904b config(rotation): 更新回测配置 - 关闭溢价过滤并使用最新数据 
- 注释掉 end_date，使用最新数据进行回测
- 关闭溢价率过滤 (premium_control.enabled: false)
  - 溢价过滤逻辑未实现 (TODO)，配置无效
  - 避免误导，显式关闭该功能
 2026-05-25 23:22:40 +08:00
aszerW
a62cfb4cd5 fix: 修复因子前向填充不生效的 bug（清理调试代码） 
问题根因：
- pandas reindex(method='ffill') 只填充新增行的 NaN，不填充已存在的 NaN
- 当 factor_df 中已有境外市场放假日期的 NaN 值时，reindex 无法填充

修复方案：
- 改为两步操作：reindex() 然后 ffill()
- ffill() 会填充所有 NaN，包括已存在的

验证结果：
- 2026-04-30 HSI: None → 0.2388 ✅
- 2026-04-30 GDAXI: None → 0.5647 ✅
- 2026-05-08 HSI: None → 0.1144 ✅
 2026-05-25 19:16:14 +08:00
aszerW
b8d433d519 fix: 修复因子前向填充不生效的 bug 
问题根因：
- reindex(method='ffill') 不会填充已存在的 NaN 值
- 当 factor_df 中已有 NaN（境外市场放假），reindex 无法填充

修复方案：
- 改为两步操作：reindex() 然后 ffill()
- ffill() 会填充所有 NaN，包括已存在的

影响范围：
- rotation.py: positions 对齐到 A 股日历
- export_backtest_detail.py: 因子对齐到展示日历

验证结果：
- 2026-04-30 HSI: nan → 0.2388 ✅
- 2026-05-08 HSI: nan → 0.1144 ✅
 2026-05-25 08:53:42 +08:00
aszerW
2f6b031361 feat: 添加因子对齐调试输出 
- 检查 factor_df 索引类型
- 检查 reindex 后 2026-04-30 的 HSI 动量值
- 待进一步分析为何 ffill 未生效
 2026-05-25 02:45:27 +08:00
aszerW
0ef0623538 fix: 导出脚本因子前向填充对齐到展示日历 
- 先定义 common_dates = equity_curve.index
- 再执行 factor_df.reindex(common_dates, method='ffill')
- 修复境外市场放假时动量显示为 None 的问题
 2026-05-25 02:30:58 +08:00
aszerW
959a863b5e fix: 导出脚本因子对齐到A股日历 
- 因子在原始数据上计算（正确）
- 导出时将因子前向填充到A股交易日历
- 修复境外市场放假时动量显示为None的问题
 2026-05-25 02:07:18 +08:00
aszerW
b89e975aed refactor: 删除 SimpleRotationStrategy 简化版 
- 删除 simple.py（已被 GlobalRotationStrategy 替代）
- 删除 backtest_simple_rotation.py 回测脚本
- 删除 test_simple_rotation.py 测试脚本
- 更新 __init__.py 移除 SimpleRotationStrategy 导出
- 现在只保留 GlobalRotationStrategy 正式版
 2026-05-25 01:33:23 +08:00
aszerW
e8e4e9c3ac fix: GlobalRotationStrategy select_num 未生效 
- 修复分散化选股逻辑：每个 group 选 Top 1 后，需要再按动量排序选 Top select_num
- 之前：所有 group 的 Top 1 都标记为信号（忽略 select_num）
- 现在：先从每个 group 选 Top 1，再从中按动量选 Top select_num 个
- 影响：配置 select_num=3 时，实际持仓 3 只而不是 4 只（group 数量）
 2026-05-25 01:23:00 +08:00
aszerW
2be81ba00d feat(v2): 添加回测逐日明细导出脚本 
新增功能：
- 创建 framework_v2/scripts/export_backtest_detail.py
- 导出 GlobalRotationStrategy 回测细节到 JSON
- 输出路径: framework_v2/results/backtest_detail_v2.json

导出数据内容：
1. 元数据（meta）
   - 策略版本、模式、日期范围
   - 动态阈值配置
   - 调仓次数、最终净值
   - 标的列表（名称、ETF、分组）

2. 逐日明细（days）
   - 日期、净值、日收益率
   - 调仓信息（is_rebalance、added、removed）
   - 持仓列表（holdings）
   - 每标的详情（11 个标的 × 1539 天）
     * 动量得分、排名、阈值
     * 持仓状态、权重
     * 入场日期、入场价格、持仓天数
     * 累计收益、当日收益、收益贡献

技术特性：
- 使用 CrossMarketAligner 对齐数据
- 支持动态短债阈值
- 支持强制分散化
- 包含交易成本计算
- Pydantic Schema 验证

回测验证（2020-01-10 ~ 2026-05-22）：
- 总收益：137.64%
- 年化收益：15.23%
- 调仓次数：829 次
- 交易天数：1539 天
- 文件大小：4.5 MB

用途：
- 供 HTML 回放器加载
- 策略分析和调试
- 信号可视化
- 持仓明细查询
 2026-05-25 00:39:47 +08:00
aszerW
6749f8cf61 feat(v2): GlobalRotationStrategy 使用 CrossMarketAligner 进行数据对齐 
核心改进：
- 替换手动对齐逻辑为框架标准的 CrossMarketAligner
- 修复收益率计算顺序：先对齐价格 → 再计算收益率
- 修复首日收益率 NaN 问题（填充为 0%）
- 添加 Pydantic Schema 验证（数据质量保证）

对齐逻辑变更：
修复前（错误）：
  1. returns = close_df.pct_change()  # 在原始日历计算
  2. returns = returns[returns.index.isin(trading_calendar)]  # 过滤

修复后（正确）：
  1. aligner = CrossMarketAligner(target_calendar)
  2. returns_df = aligner.align_multi_asset(close_dict)
     - 内部：先 ffill 价格到 A 股日历
     - 内部：再计算收益率（休市日 = 0%）
     - 内部：填充首日 NaN 为 0%
     - 内部：Pydantic Schema 验证

回测验证（2020-01-10 ~ 2026-05-22）：
- 修复前：总收益 135.63%，年化 15.07%，夏普 1.15
- 修复后：总收益 137.88%，年化 15.25%，夏普 1.16
- 收益提升：+2.25%（修复首日 NaN 和跨日收益率问题）

关键修复：
1. 首日收益率从 NaN 改为 0%（避免收益丢失）
2. 休市日收益率正确 = 0%（价格 ffill 后不变）
3. 消除跨多日收益率被当作单日收益率的 bug
4. 统一使用框架标准组件（CrossMarketAligner）
 2026-05-25 00:29:49 +08:00
aszerW
7fcf63d68a docs: 添加版本对比分析脚本与配置设计文档 
新增对比脚本：
- compare_v1_v2.py: V1 vs V2 简单版对比分析（153 行）
  * 发现 V2 简单版收益虚高（981.95% vs V1 的 103.29%）
  * 识别核心差异：交易成本、调仓逻辑、动态阈值、溢价控制

- compare_three_versions.py: 三版本完整对比（190 行）
  * V1 原始版：103.29%（基准）
  * V2 简单版：981.95%（未计入交易成本，虚高）
  * V2 正式版：135.63%（已计入交易成本，真实）
  * 量化分析收益下降 846% 的原因

新增文档：
- CONFIG_DESIGN.md: V2 配置系统设计文档
  * 扁平化资产池设计
  * signal_source/trade_source 分离机制
  * group 字段策略化语义

测试脚本：
- test_api_dates.py: API 日期范围验证测试

关键发现：
1. V2 简单版未计入交易成本导致收益虚高 878%
2. V2 正式版计入 829 次调仓成本后收益降至 135.63%
3. V2 正式版 vs V1（+32.34%）差异合理，夏普比率更优（1.15 vs 0.78）
 2026-05-24 22:54:50 +08:00
aszerW
1807258176 feat(v2): 实现全球轮动策略正式版（GlobalRotationStrategy） 
核心功能：
- 交易成本计算：每次调仓扣除 0.1%（829 次调仓）
- 动态短债阈值：标的动量 < 短债动量 × 1.0 → 不持有
- 强制分散化：每个 group 内竞争，只选 Top 1
- 溢价过滤：预留接口（阈值 10%）
- 调仓控制：rebalance_days + rebalance_threshold（预留接口）
- A 股交易日过滤：只保留 SSE 交易日（1539 天）

策略逻辑：
1. 计算各指数标的动量得分（加权线性回归）
2. 使用动态短债阈值过滤负动量标的
3. 每个 group 内竞争，只选 Top 1（强制分散化）
4. 溢价过滤：排除溢价率 > 阈值的 ETF
5. 调仓控制：最低持仓天数 + 调仓阈值
6. 等权分配仓位
7. 扣除交易成本（0.1%）

回测验证（2020-01-10 ~ 2026-05-22）：
- 总收益：135.63%（vs V1 的 103.29%，+32.34%）
- 年化收益：15.07%（vs V1 的 12.32%，+2.75%）
- 最大回撤：-17.57%（vs V1 的 -17.72%，略好）
- 夏普比率：1.15（vs V1 的 0.78，+47%）
- 调仓次数：829 次（vs V1 的 404 次）

新增文件：
- rotation.py: GlobalRotationStrategy 正式版实现（456 行）
- __init__.py: 导出 SimpleRotationStrategy 和 GlobalRotationStrategy
- backtest_global_rotation.py: 正式版回测脚本（117 行）
 2026-05-24 22:54:21 +08:00
aszerW
94b9ef165b feat(v2): 增强框架核心功能与ETF复权修复 
- 修复 end_date=None 导致 Flask API 返回错误时间范围的 bug
  * strategy.py: 自动使用今天日期作为 end_date
  * 验证：回测区间从 77 天恢复到 1539 天

- ETF 收益计算从原始价格改为后复权价格
  * flask_api_fetcher.py: adj='raw' → adj='hfq'
  * 自动处理 ETF 份额拆分事件，确保收益率准确

- V2 简单版添加 A 股交易日过滤
  * simple.py: 获取 SSE 交易日历，过滤非交易日
  * 验证：1999 天 → 1539 天（与 V1 一致）

- 配置严格对齐 V1 config.yaml
  * config_simple.yaml: start_date 从 2020-01-01 改为 2020-01-10
  * group 字段值严格映射 V1 的 market 字段

关键验证：
- V2 简单版回测：1539 天，981.95% 收益（未计入交易成本）
- V2 正式版回测：1539 天，135.63% 收益（已计入交易成本）
- V1 旧版框架：1539 天，103.29% 收益（基准）
 2026-05-24 22:53:45 +08:00
aszerW
86fce7a975 fix: group 字段严格对齐 V1 market 字段值 
修正分组命名，不再自行创造：
- CN_GROWTH/CN_VALUE → A
- US_TECH → US
- JP_BROAD → JP
- EU_BROAD → EU
- HK_BROAD/HK_TECH → HK
- FIXED_INCOME → BOND
- COMMODITY → COMMODITY (不变)

同步更新 market_overrides:
- CN_EQUITY → A
- HK_EQUITY → HK
- US_EQUITY → US

现在 group 字段完全映射 V1 的 market 字段值
 2026-05-24 15:00:48 +08:00
aszerW
e6657bd2cc feat(framework_v2): 对齐 V1 配置，实现指数信号→ETF收益回测 
配置对齐:
- config_simple.yaml 严格对齐 V1 config.yaml
  * 11 个标的覆盖 7 个策略分组
  * 回测区间: 2020-01-01 ~ 至今
  * 选股数量: Top-3，强制分散化
  * V3 动态阈值（短债动量参考）
  * 溢价控制启用（HK/US 10%阈值）

策略实现:
- SimpleRotationStrategy 支持 signal_source/trade_source 分离
  * get_codes() 同时获取信号和交易标的
  * compute_factors() 只使用 signal_source 计算因子
  * _execute_backtest() 使用 trade_source 计算收益
  * 支持跨市场场景（指数信号 → ETF收益）

回测验证:
- 成功运行端到端回测
- 获取 21 个标的（11 signal + 10 trade）
- 平均仓位 84.42%
- ⚠️ 已知问题: Flask API 只返回缓存数据（2026年），需修复

修复项:
- StrategyBase.run() 兼容信号矩阵（移除 'weight' 列假设）
 2026-05-24 14:58:41 +08:00
aszerW
0954458114 test(framework_v2): 添加配置系统测试和策略示例 
配置文件:
- rotation_global.yaml: 扁平化资产池配置示例，演示 group 策略分组
  * 13 个标的覆盖 7 个策略分组（US_TECH, CN_GROWTH, JP_BROAD, EU_BROAD, HK_TECH, COMMODITY, FIXED_INCOME）
  * signal_source/trade_source 分离配置（跨市场场景）
  * 分散化选股配置示例（注释状态）
  * 默认使用 Flask API 数据源

测试用例:
- test_flat_asset_pool.py: 7/7 测试通过
  * 扁平配置加载验证
  * 策略分组功能测试（by_group, groups, count）
  * 信号/交易标的获取（get_signal_codes, get_trade_codes）
  * 信号→交易映射（get_signal_to_trade_mapping）
  * 分散化配置验证
  * 标的配置详情验证

- test_config.py: 配置加载器测试
- test_simple_rotation.py: 简单轮动策略端到端测试
 2026-05-24 14:26:09 +08:00
aszerW
de988b919b 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
 2026-05-24 14:25:47 +08:00
aszerW
341611c32b feat(framework_v2): 实现通用配置系统，支持扁平化资产池和策略分组 
- 使用 Pydantic Schema 验证配置类型安全
- 实现扁平化 AssetPool，移除预设分类（equity/commodity/fixed_income）
- 移除 MarketType 枚举，改用 group 字符串字段实现策略分组
- AssetConfig 引入 signal_source/trade_source 分离，支持跨市场场景
- ConfigLoader 支持通用 StrategyConfig，向后兼容 RotationStrategyConfig
- 新增 GroupConfig 替代 MarketGroupConfig，支持分散化选股

重构核心：
- market → group（策略分组语义，组内竞争强制分散）
- by_market → by_group
- MarketGroupConfig → GroupConfig
 2026-05-24 14:25:25 +08:00
aszerW
99d3584d05 docs(framework_v2): 更新 FlaskAPIFetcher 文档（API 日历集成） 
## 使用指南更新（FLASK_API_FETCHER_GUIDE.md）
- get_trading_calendar() 方法签名更新
  - 新增 start, end 参数（支持动态日期范围）
  - 返回类型: pd.DatetimeIndex（准确日历）
- 使用示例更新（API 调用方式）
- 注意事项更新：交易日历准确性 ✅ 已解决

## 架构设计更新（FLASK_API_FETCHER_ARCHITECTURE.md）
- get_trading_calendar() 实现更新
  - 从临时 pandas BDay → API 准确日历
  - API 端点: GET /api/v1/trading-calendar
- 未来优化: 移除交易日历 TODO（已完成）

## 文档一致性
- 所有示例代码使用 API 日历
- 架构描述与实际实现一致
- 版本历史更新（2024-04-16）
 2026-05-24 12:38:55 +08:00
aszerW
b462c0520c docs(framework_v2): 添加端到端测试报告 + API 集成记录 
## 测试报告（END_TO_END_TEST_REPORT.md, 345 行）
- 5 个阶段详细测试结果
- 关键验证总结（跨市场对齐、数据完整性、策略表现）
- 性能指标（总耗时 ~7 秒）
- 数据流图（完整流程可视化）
- 发现的问题（因子值异常、日历精度）

## 集成记录（TRADING_CALENDAR_API_INTEGRATION.md, 247 行）
- 变更前后对比（pandas BDay → API）
- API 端点文档（请求/响应格式）
- 使用示例（基础使用 + 数据对齐）
- 测试验证结果（484 天准确日历）
- 影响分析（正面影响 + 无破坏性变更）

## 文档特色
- 大量代码示例
- 表格总结
- 测试结果截图
- 版本历史记录
 2026-05-24 12:38:28 +08:00
aszerW
e7ab8a2755 feat(framework_v2): 集成交易日历 API + 端到端测试 
## 核心功能
- get_trading_calendar(): 通过 API 获取准确交易日历
  - 替换临时 pandas BDay 实现
  - 调用 /api/v1/trading-calendar 端点
  - 支持动态日期范围（start, end 参数）
  - 支持 A/US/HK 多市场

## 端到端测试
- test_end_to_end.py: 完整流程测试（5 个阶段）
  - 阶段 1: 数据获取（纳指 502 天，创业板 484 天）
  - 阶段 2: 因子计算（MomentumFactor n_days=20）
  - 阶段 3: 数据对齐（CrossMarketAligner 到 A 股 484 天）
  - 阶段 4: 信号生成（Top-1，469 个信号）
  - 阶段 5: 收益计算（年化 51.71%，超额 96.37%）

## 测试验证
- 5/5 阶段通过
- API 日历: 484 个交易日（准确）
- 纳指休市日: 18 天收益率 = 0%
- 收益率 NaN: 0
- 跨市场对齐成功

## 架构改进
- 从近似日历 → 准确 API 日历
- 无需手动维护节假日列表
- API 失败时抛出异常（不静默降级）
 2026-05-24 12:38:06 +08:00
aszerW
1bf91bdcd0 docs(framework_v2): 添加 FlaskAPIFetcher 文档体系 
## 文档（2 个文档，互相关联）
- FLASK_API_FETCHER_GUIDE.md - 使用指南（365 行）
  - 快速开始示例
  - 完整 API 参考
  - 结合 CrossMarketAligner 示例
  - 错误处理 + 性能优化
  - 注意事项（交易日历、净值数据量）

- FLASK_API_FETCHER_ARCHITECTURE.md - 架构设计（367 行）
  - 架构层次图
  - 设计原则（DIP, SRP, OCP）
  - 数据流图（指数、ETF）
  - 与 CrossMarketAligner 集成
  - 未来优化方向（缓存、异步）

## 更新
- README.md: 添加文档链接（5 个文档）
- 形成完整文档网络（6 个文档互链）
 2026-05-24 10:39:02 +08:00
aszerW
40116f436f feat(framework_v2): 添加 FlaskAPIFetcher 数据获取器 
## 核心功能
- FlaskAPIFetcher: 继承 DataFetcher 抽象基类
- fetch_indices(): 获取指数 OHLCV 数据
- fetch_etf(): 获取 ETF 数据（自动附加净值+溢价率）
- get_trading_calendar(): 获取交易日历
- get_benchmark(): 获取基准数据

## 技术实现
- 委托调用 FlaskAPIDataSource（HTTP API）
- 自动重试 3 次，超时 120 秒
- Pydantic Schema 验证响应
- 进度显示（批量获取）
- 无需本地 SSH 隧道配置

## 测试验证
- 5/5 测试通过（健康检查、指数、ETF、日历、基准）
- 成功获取线上数据（000300.SH, 510300.SH）
- ETF 自动附加净值（3695 条）和溢价率

## 架构设计
- shared/data/flask_api_fetcher.py - 实现（262 行）
- tests/test_flask_api_fetcher.py - 测试（199 行）
- 依赖倒置原则（策略依赖抽象接口）
 2026-05-24 10:38:34 +08:00
aszerW
5f08e508ac docs(framework_v2): 完善文档体系 + 修复 .gitignore 
## 文档体系（5 个文档，互相关联）
- README.md - 框架总览 + 文档索引
- DATA_ARCHITECTURE.md - 数据架构方案（Schema、验证、性能优化）
- ALIGNMENT_GUIDE.md - CrossMarketAligner 使用指南
- DATA_FLOW_DEMO.md - 从 OHLCV 到最终收益的 7 个阶段推演
- ALIGNMENT_SCHEMA_INTEGRATION.md - Aligner + Schema 整合方案

## 文档特色
- 大量代码示例（✅ 正确 vs ❌ 错误对比）
- 数据流可视化（ASCII 图）
- 表格总结（问题、严重度、解决方案）
- 实际场景推演（2024-01-01 ~ 2024-01-31）
- 文档互链（形成知识网络）

## 修复
- .gitignore: 添加 !framework_v2/shared/data/ 例外
- 允许提交对齐器相关文件
 2026-05-24 10:29:20 +08:00
aszerW
a16681bda9 feat(framework_v2): 添加跨市场数据对齐器 + Pydantic Schema 验证 
## 核心功能
- CrossMarketAligner: 跨市场数据对齐（解决 ffill 陷阱）
- Pydantic Schema: 数据结构验证（OHLCVInputSchema, AlignedFactorSchema 等）
- 验证装饰器: @validate_factor_after_align, @validate_returns_after_align

## 解决的问题
- 跨市场交易日历不同（美股/港股/A股）
- ffill 收益率陷阱（休市日复制非零收益率）
- NaN 传播问题
- 日期不一致问题

## 测试验证
- 5/5 测试通过（因子对齐、收益率对齐、多标的对齐、信号验证、ffill陷阱）
- 休市日收益率 = 0%（正确）
- 无 NaN 传播

## 架构设计
- shared/data/alignment.py - 对齐器实现
- shared/data/schemas.py - Pydantic Schema 定义
- tests/test_alignment.py - 完整测试套件
 2026-05-24 10:28:35 +08:00
aszerW
908b28473f feat(framework_v2): 创建框架V2骨架 - 三层架构+因子验证通过 
## 架构设计
- 三层架构：core(抽象接口) → shared(通用实现) → tests(验证测试)
- 5个核心抽象基类：StrategyBase, FactorBase, SignalGenerator, Executor, DataFetcher
- 零侵入：与现有框架并行开发，不修改生产代码

## 已完成
✓ 核心接口层（5个ABC类）
✓ 通用因子层（MomentumFactor完全复制现有逻辑）
✓ 对比验证测试（新旧因子输出差异=0，测试通过）

## 验证结果
- 最大差异: 0.000000e+00
- 平均差异: 0.000000e+00
- 容差: < 1e-10

## 下一步
- 阶段3: 信号层迁移（TopNSelector, DynamicThreshold, RebalanceController）
- 阶段4: 执行层迁移（BacktestRunner）
- 阶段5: 数据层迁移（DataFetcher实现）
- 阶段6: 完整策略对比验证

## 设计原则
- 按需抽象，不预先设计
- 职责分离，避免框架膨胀
- 测试驱动，每个组件必须有对比测试
- 渐进式迁移，验证通过再替换
 2026-05-24 09:12:29 +08:00