|
|
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 |
|
|
|
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 |
|
|
|
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 |
|
|
|
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 |
|
|
|
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 |
|
|
|
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 |
|
