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
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
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
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
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
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
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
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
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
