aszer/etf
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
169 Commits 1 Branch 0 Tags
e56bd394007b46c7a37f5a2fc23addea99853ae1
Commit Graph

169 Commits

This Branch
This Branch
All Branches
Author SHA1 Message Date
aszerW
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
aszerW
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
aszerW
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
aszerW
6231401b71 docs: 更新README添加回测执行方式 2026-05-11 23:46:12 +08:00
aszerW
f70aa1d3d1 feat: 创建新框架执行入口 run_rotation.py 
使用新框架的因子、信号、执行器：
- FactorRegistry + MomentumFactor（因子层）
- TopNSelector（信号层，支持分散化选股）
- BacktestExecutor（执行层，完整回测）

暂时复用归档的HybridDataSource获取数据

执行方式：
  python run_rotation.py
  python run_rotation.py --config config/strategies/rotation.yaml
 2026-05-11 23:39:51 +08:00
aszerW
44f52cc0be docs: 更新archive README记录screener归档 2026-05-11 23:36:56 +08:00
aszerW
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
aszerW
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
aszerW
f663d51b87 test: 完整对比测试验证新框架功能 
- 分散化选股测试：验证group_mapping分组选股逻辑
- 完整回测测试：验证BacktestExecutor回测结果
- 因子计算相关系数1.0000，差异0.000000
- 回测结果：策略收益1804.16%，基准收益46.29%
- 2/2测试全部通过
 2026-05-11 23:24:36 +08:00
aszerW
ba266ca3fe feat(execution): 实现完整BacktestExecutor回测执行器 
- 日收益率计算（支持单/多标的策略）
- 交易成本扣除（支持换手率比例扣除）
- 净值计算（起点归一化）
- 基准对比
- 支持中英文列名（signal/信号）
- 相关系数达到1.0000，与现有实现完全一致
 2026-05-11 23:24:25 +08:00
aszerW
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
aszerW
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
aszerW
c95ec9bfdb fix(report): 修复持仓收益百分号格式转换 
- 使用apply+lambda统一处理百分号格式
- 添加列存在性检查，避免KeyError
- 正确计算盈亏次数
 2026-05-11 23:10:31 +08:00
aszerW
fc59836ec3 test: 更新测试以验证框架重构正确性 
- 测试文件改用strategies.shared的具体实现
- 新增framework_comparison_test.py对比新旧实现结果
- 因子计算相关系数达到1.0000，差异为0.000000
- 79个单元测试全部通过
 2026-05-11 23:10:02 +08:00
aszerW
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
aszerW
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
aszerW
30ea2970bd refactor(framework): 框架只保留抽象接口，具体实现移至strategies/shared 
- FactorBase/FactorRegistry/FactorCombiner: 因子抽象接口
- SignalGenerator: 信号生成抽象接口
- RiskControl/Position/CallbackHook: 风控抽象接口
- StrategyBase: 策略抽象基类
- Executor/Portfolio: 执行器抽象接口
- ConfigLoader: 配置加载器
- 删除framework/factors/momentum.py（具体实现）
 2026-05-11 23:09:01 +08:00
aszerW
9a8a0d7c72 docs: 添加框架功能完善性分析与通用能力边界设计文档 
- 框架功能完善性分析：评估现有轮动策略与新框架对比
- 通用能力与定制开发边界设计：明确框架只放抽象接口
- 总体完善度约45%，数据层和执行层缺失
 2026-05-11 23:08:48 +08:00
aszerW
95c0d79172 feat(framework): 完成框架入口与集成测试 
核心组件：
- ConfigLoader: 配置加载器（YAML支持）
- StrategyConfig: 策略配置数据类
- framework/__init__.py: 框架统一入口

导出接口：
- FactorBase, FactorRegistry, FactorCombiner
- SignalGenerator, TopNSelector, TrendFollower, ReversalTrader
- StrategyBase, RotationStrategy
- RiskControl, StopLossControl, PositionLimitControl
- Executor, BacktestExecutor, DryRunExecutor
- ConfigLoader

集成测试：
- 轮动策略完整流程验证
- 趋势策略完整流程验证
- 回调钩子完整流程验证

总计：62个测试全部通过，框架核心实现完成
 2026-05-11 22:19:26 +08:00
aszerW
babf224203 feat(execution): 实现执行层（回测 + Dry-run） 
核心组件：
- Executor: 执行器抽象基类
- BacktestExecutor: 回测执行器
  - 处理信号、计算净值、记录交易
  - 支持交易成本设置
- DryRunExecutor: 模拟盘执行器
  - 模拟下单、模拟成交、模拟持仓更新
  - 不影响真实资金
- Portfolio: 持仓组合数据类

特点：
- 统一接口（execute方法）
- 支持两种模式切换（回测/Dry-run）
- 实盘执行器预留扩展点

测试覆盖：7个测试全部通过
 2026-05-11 22:19:07 +08:00
aszerW
7468130450 feat(strategy): 实现策略层与配置加载 
核心组件：
- StrategyBase: 策略抽象基类（含回调钩子）
  - 类属性（可被配置覆盖）
  - init_factors(): 初始化因子组合
  - init_signal_generator(): 初始化信号生成器
  - run(): 运行策略
- RotationStrategy: 轮动策略示例实现
  - 动量因子 + TopN选股
  - before_entry回调（溢价过滤）
  - dynamic_stoploss回调（持仓时间动态止损）
- ConfigLoader: 配置加载器（YAML支持）
- StrategyConfig: 策略配置数据类

特点：
- 配置覆盖类属性
- 回调自动注册
- 策略工厂模式

测试覆盖：8个测试全部通过
 2026-05-11 22:18:55 +08:00
aszerW
512b73ac04 feat(risk): 实现风控层与回调钩子机制（融合Freqtrade设计） 
核心组件：
- RiskControl: 风控抽象基类
- StopLossControl: 止损控制（固定止损/跟踪止损）
- PositionLimitControl: 仓位限制控制
- PremiumControl: 溢价控制（filter/penalize模式）

回调钩子机制：
- CallbackHook: 回调管理器（注册/触发）
- 5个核心回调：before_entry, after_entry, before_exit, after_exit, dynamic_stoploss, custom_exit

便捷回调函数：
- premium_filter_callback: 溢价过滤回调
- crash_filter_callback: 崩盘检测回调
- holding_time_stoploss_callback: 持仓时间动态止损

测试覆盖：13个测试全部通过
 2026-05-11 22:18:41 +08:00
aszerW
f5e6202eee feat(signals): 实现信号生成层抽象 
核心组件：
- SignalGenerator: 信号生成器抽象基类
- TopNSelector: Top N选股器（轮动策略）
  - 支持分组选股（先类内竞争，再跨类排序）
  - 支持最小得分阈值过滤
- TrendFollower: 趋势跟随器（趋势策略）
  - 入场阈值/出场阈值控制
- ReversalTrader: 反转交易器（反转策略）
  - 超买超卖信号生成

特点：
- T+1执行机制（信号shift向后移位）
- 向量化计算，避免前视偏差

测试覆盖：10个测试全部通过
 2026-05-11 22:18:20 +08:00
aszerW
796a695eef feat(factors): 实现因子层抽象 
核心组件：
- FactorBase: 因子抽象基类（compute方法 + 数据验证）
- FactorRegistry: 因子注册器（注册/获取/按类别筛选）
- FactorCombiner: 因子组合器（加权组合4种方法）

已实现因子：
- MomentumFactor: 加权动量因子（含崩盘过滤）
- TrendFactor: 趋势因子（MA交叉/MACD）
- ReversalFactor: 反转因子（RSI/KDJ）
- VolatilityFactor: 波动率因子（ATR/标准差）

测试覆盖：18个测试全部通过
 2026-05-11 22:17:53 +08:00
aszerW
c54ba442ad docs: 添加策略框架调研与设计方案 
包含4份核心文档：
- 轮动策略系统架构分析报告
- 量化策略通用框架抽象设计
- Freqtrade架构调研与对比分析
- ETF轮动策略通用化重构方案

调研结论：三种策略可抽象通用框架
设计决策：因子注册器风格 + 5个核心回调钩子 + TopN/Trend/Reversal信号生成器
 2026-05-11 22:17:41 +08:00
aszerW
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
aszerW
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
aszerW
8f1d72d1d8 fix(report): HTML报告文件名固定为strategy_report.html 
修改内容：
- visualization/report_generator/generate_report.py
- 移除日期时间后缀，固定输出文件名为 strategy_report.html
- 方便用户快速访问和更新报告

效果：
- 每次生成报告都覆盖同一文件
- 文件路径固定: reports/strategy_report.html
- 无需查找最新的时间戳文件
 2026-05-08 22:38:16 +08:00
aszerW
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
aszerW
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
aszerW
5c87bea4fc fix(visualization): 修复净值计算逻辑，与轮动策略结果对齐 
问题：
- HTML报告错误地将所有品种持仓收益简单累加
- 没有考虑仓位占比权重
- 导致净值曲线和KPI指标与策略实际结果不一致

修复：
- 使用出场净值和仓位占比计算每日组合净值
- 净值 = sum(出场净值 * 仓位占比)
- 总收益 = (最终净值 - 初始净值) / 初始净值 * 100
- 月度收益使用净值变化率计算
- 最大回撤基于真实净值曲线计算
- 胜率基于每日净值涨跌计算
- 修复pandas FutureWarning警告

现在HTML报告的净值曲线、收益指标与轮动策略完全一致
 2026-05-08 22:17:47 +08:00
aszerW
4d784f961a feat(visualization): 添加策略报告生成器 
- 创建 visualization/report_generator 模块
- 支持生成精美的 HTML 策略报告
- 包含8个 KPI 指标卡片（收益、胜率、夏普比等）
- 集成 ECharts 交互式图表（净值曲线、月度收益、盈亏分布）
- 支持按日期和品种筛选调仓记录
- 使用 Jinja2 模板引擎 + Bootstrap 5 样式
- 支持打印为 PDF
- 提供 CLI 和 Python API 两种使用方式
 2026-05-08 22:06:40 +08:00
aszerW
519a4144e6 chore: 移除 Streamlit 可视化应用 
- 删除 streamlit_app.py
- 删除 dashboard_app.py
- 删除 requirements_streamlit.txt
- 删除 start_streamlit.sh
 2026-05-08 21:20:48 +08:00
aszerW
d47a29f09e feat(viz): 添加 Streamlit 可视化应用 
- 创建 streamlit_app.py: 交互式回测结果展示
- 支持4个标签页：策略概览、收益分析、调仓记录、品种详情
- 集成 Plotly 图表：收益对比、胜率散点图、月度收益、收益分布
- 支持数据筛选和导出功能
- 添加启动脚本和依赖文件
 2026-05-08 20:56:38 +08:00
aszerW
a539a7d096 fix(api): 修复缓存状态判断逻辑 
- fetch_data_with_ttl 返回 (data, is_cached) 元组
- 修复 cached 字段始终为 false 的问题
- 批量接口适配新的返回格式
 2026-05-07 23:57:19 +08:00
aszerW
7cf20268cf feat(api): 为美股/港股数据添加 stock info 信息 
- 在 universal_fetcher._fetch_yfinance 中获取公司信息
- 包含 sector、industry、market_cap 字段
- 将信息存储在 DataFrame.attrs 中
- Flask API 自动提取并返回 info 字段
 2026-05-07 23:45:00 +08:00
aszerW
270f4fe7f4 fix(api): 修复 JSON 序列化错误 
- 支持多种日期列名（date, Date, index, trade_date, datetime）
- 添加对 Timestamp 对象的递归转换
- 修复 yfinance 返回数据中的 Timestamp 序列化问题
 2026-05-07 23:36:10 +08:00
aszerW
be12686f13 config(cache): 将默认缓存TTL从5分钟调整为2小时 
- CACHE_TTL_SECONDS 默认值从 300s (5分钟) 改为 7200s (2小时)
- 适合日线数据场景，减少重复请求
 2026-05-07 23:30:47 +08:00
aszerW
b4a45e479f feat(api): 使用 functools.lru_cache 实现数据缓存 
- 使用 Python 标准库 functools.lru_cache 实现 LRU 缓存
- 添加 TTL 机制实现缓存过期（默认5分钟）
- 双缓存机制：LRU + TTL 结合
- 支持环境变量配置：CACHE_MAXSIZE（默认128）、CACHE_TTL_SECONDS（默认300）
- 新增缓存管理端点：
  - POST /api/v1/cache/clear - 清理缓存
  - GET /api/v1/cache/stats - 查看缓存统计（hits/misses/maxsize/currsize）
- /api/v1/ohlcv 支持 nocache 参数跳过缓存
- 批量接口自动使用缓存
- 响应中包含 cached 字段标识缓存状态
- 更新 API 版本到 1.1.0
 2026-05-07 23:23:06 +08:00
aszerW
d703974c5b feat(api): 为 Flask 服务添加内存缓存机制 
- 添加内存缓存，默认TTL 5分钟（可通过 CACHE_TTL_SECONDS 环境变量配置）
- 新增缓存相关端点：
  - POST /api/v1/cache/clear - 清理缓存
  - GET /api/v1/cache/stats - 缓存统计信息
- /api/v1/ohlcv 支持 nocache 参数跳过缓存
- 响应中返回 cached 字段标识是否命中缓存
- 更新 API 文档和版本号到 1.1.0
- 删除不需要的 build-flask-and-push.sh 和 docker-compose.flask.yml
 2026-05-07 23:12:32 +08:00
aszerW
ae4cf5d3c8 build: 添加 Flask 服务构建脚本 
- 新增 build-flask-and-push.sh：一键构建和推送 Flask API 镜像
- 支持自定义镜像名称和标签
- 自动检查基础镜像、构建、打标签、推送
- 提供运行示例和测试命令
 2026-05-07 22:15:17 +08:00
aszerW
18a1b2b01f feat(docker): 添加 Flask API 服务容器化配置 
- 更新 requirements.txt 添加 flask 和 flask-cors 依赖
- 新增 Dockerfile.flask：Flask API 服务专用镜像
- 新增 docker-compose.flask.yml：支持 docker-compose 部署
- 配置健康检查、资源限制、环境变量映射
- 支持 SSH 隧道配置通过环境变量注入
 2026-05-07 22:15:10 +08:00
aszerW
0e531a1876 docs: 添加完整项目文档 
- universal_fetcher_README.md：统一数据获取接口完整文档
- universal_fetcher_QUICKSTART.md：5分钟快速上手指南
- universal_fetcher_ARCHITECTURE.md：架构设计说明
- universal_fetcher_TEST_REPORT.md：测试报告与修复记录
- flask_api_README.md：Flask API 完整文档
- FLASK_SERVICE_SUMMARY.md：项目实现总结

总计 2000+ 行文档，涵盖 API 说明、使用示例、架构设计
 2026-05-07 21:20:03 +08:00
aszerW
cc2f7cb6c8 docs(examples): 添加 Flask API 客户端示例 
- 新增 flask_api_client.py：DataFetcherClient 类封装
- 提供健康检查、资产类型检测、单只/批量数据获取方法
- 包含命令行调用示例和 DataFrame 转换示例
- 新增 universal_fetcher_examples.py：7个完整使用示例
- 涵盖基础用法、资产检测、批量获取、跨市场分析、技术指标
 2026-05-07 21:19:52 +08:00
aszerW
fbaa3f9d73 test: 添加 UniversalDataFetcher 和 Flask API 测试 
- 新增 test_universal_fetcher.py：资产类型检测、单只/批量获取、边界测试
- 新增 test_ssh_tunnel.py：SSH 隧道连接、港美股数据获取、混合市场测试
- 新增 test_flask_api.py：API 端点测试、健康检查、批量获取测试
- 所有测试已通过验证（A股100%，SSH隧道港美股正常）
 2026-05-07 21:19:37 +08:00
aszerW
8b2c2be6f3 feat(api): 实现 Flask RESTful API 数据服务 
- 新增 Flask 服务提供统一 HTTP 接口
- 支持 6 个 API 端点：health、asset-type、ohlcv、batch、supported-codes
- 集成 SSH 隧道自动管理（环境变量配置）
- 提供一键启动脚本 start_flask_server.sh
- 支持 CORS 跨域访问
- 完善的错误处理和响应格式化
 2026-05-07 21:19:29 +08:00
aszerW
e319426c10 feat(datasource): 实现统一数据获取接口 UniversalDataFetcher 
- 新增 AssetTypeDetector 自动识别8种资产类型
- 支持 A股指数/ETF/股票、港股、美股、期货、加密货币
- 自动路由到 Tushare/YFinance/CCXT 数据源
- 集成 SSH 隧道支持港美股数据获取
- 提供便捷函数 fetch_kline 和 detect_asset_type
- 修复资产类型检测边界情况（.CSI后缀、000001股票等）
 2026-05-07 21:19:19 +08:00
aszerW
9776ae7de0 test(experiments): add France CAC40 and SEA ETF experiments 
- Add France CAC40 market test (004)
- Add SEA ETF limited test (005)
- Add France in EU category test (006)
- Update experiment README with new results
- Modify emerging market test description
 2026-05-06 22:23:12 +08:00
aszerW
17e806045f experiment(rotation): 添加新兴市场大类（印度）影响验证 
实验设计：
- A组：当前7大类配置（无新兴市场）
- B组：添加印度作为第8大类（EM = Emerging Market）
- 标的：^NSEI → 164824.SZ（工银瑞信印度市场LOF）

实验结果：
├─ 大类数量: 7 → 8 (+1) ✓ 跨类分散提升
├─ 累计收益: 1467.35% → 1261.83% (-205.52%)
├─ CAGR: 48.10% → 45.16% (-2.94%)
├─ Sharpe: 2.21 → 2.09 (-0.11)
├─ 日胜率: 56.45% → 57.25% (+0.80%) ✓
└─ 调仓次数: 459 → 451 (-8)

核心发现：
1. 大类数量增加确实提升跨类分散
2. 但收益反而下降205%（与预期相反）
3. 印度LOF流动性不足（日均~3000万）
4. 印度动量信号不如主流市场强
5. Top3权重被印度占用，错过其他机会

重要结论：添加新大类 ≠ 必然提升收益
- 标的本身表现能力比大类归属更重要
- 流动性、动量信号强度是关键因素

与001实验对比：
- 001（同大类添加）：大类不变 → 收益-291%
- 003（新大类添加）：大类+1 → 收益-205%
→ 标的质量比大类数量更重要

策略建议：
- 暂不添加印度（LOF流动性不足）
- 可测试东南亚科技ETF（513730.SH）

新增文件：
- tests/experiments/ab_test_emerging_market.py
- docs/experiments/003_emerging_market_india.md
 2026-05-06 20:55:54 +08:00
aszerW
6b59855c28 experiment(rotation): 同大类扩充与纳指vs标普替换对比实验 
技术修复：
- SOCKS5代理IPv6问题：socks5:// → socks5h:// (hybrid_source.py, yfinance_source.py)

目录整理：
- scripts/ → 仅保留策略入口(daily_scheduler, run_rotation, run_cci_screener)
- 实验脚本移至 tests/experiments/
- 工具脚本移至 tests/utils/
- 实验记录新增 docs/experiments/
- results/ 添加到 gitignore

实验结果：

实验001 - 同大类扩充（添加标普500）：
├─ 累计收益: 1467.35% → 1176.26% (-291%)
├─ CAGR: 48.10% → 43.82% (-4.28%)
├─ 调仓次数: 459 → 501 (+42次)
└─ 结论: 添加同大类标的不增加跨类分散，反而侵蚀收益

实验002 - 纳指vs标普替换对比：
├─ 累计收益: 1467.35% → 1118.77% (-348%)
├─ CAGR: 48.10% → 42.87% (-5.22%)
├─ Sharpe: 2.21 → 2.08 (-0.13)
├─ MaxDD: -17.33% → -15.14% (+2.18%)
└─ 结论: 纳指100优于标普500，成长风格更适合动量策略

策略建议：
- 保持纳指100作为美股大类代表
- 不添加同大类新标的（避免类内切换成本）
- 新增标的应优先考虑新大类（增加跨类分散）
 2026-05-06 20:43:38 +08:00