Initial commit: cc-cursor 全链路量化研究平台

7 Sprints 全部完成:
  Sprint 0: 基础设施 (DataManager + MariaDB)
  Sprint 1: 因子引擎 (34因子/12分类)
  Sprint 2: VectorBT 回测 (5策略+截面)
  Sprint 3: Optuna 优化 (+Walk-Forward)
  Sprint 4: ML 模型 (LightGBM+CatBoost)
  Sprint 5: Qwen 情绪因子 (三源新闻+日期对齐)
  Sprint 6: Agent 系统 (4Agent+日报.md/.html)

生产加固 (15项): Tushare双源fallback, SSH自动恢复, pool_pre_ping,
  save_daily先删后插, load_dotenv绝对路径, 日报5d/20d修复,
  RiskAgent改上证指数, 昨日对比+数据截止, mac_report utf8mb4,
  CLAUDE-*.md 9条已知Bug, demo全参数化, djapi数据源归一化,
  indexDatas API修正

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

finance/backtest/base.py

@@ -0,0 +1,53 @@
+"""
+策略抽象基类。
+
+所有策略必须继承 BaseStrategy，实现 generate_signals(factor_df) → pd.Series。
+"""
+
+from abc import ABC, abstractmethod
+
+import pandas as pd
+
+
+class BaseStrategy(ABC):
+    """
+    回测策略基类。
+
+    属性:
+        name: 策略名称
+        category: 'trend' | 'mean_revert' | 'rotation'
+    """
+
+    name: str = ""
+    category: str = ""
+
+    @abstractmethod
+    def generate_signals(self, factor_df: pd.DataFrame) -> pd.Series:
+        """
+        因子 → 交易信号。
+
+        参数:
+            factor_df: 因子 DataFrame，index=trade_date，columns=因子名
+
+        返回:
+            pd.Series，index 与 factor_df 对齐：
+            1=买入, 0=平仓/无操作
+            （只做多，不做空）
+        """
+        ...
+
+    def get_params(self) -> dict:
+        """返回策略当前参数（供 Optuna 优化用）。"""
+        return {
+            k: v for k, v in self.__dict__.items()
+            if not k.startswith("_") and k not in ("name", "category")
+        }
+
+    def set_params(self, **kwargs) -> None:
+        """设置策略参数。"""
+        for k, v in kwargs.items():
+            if hasattr(self, k):
+                setattr(self, k, v)
+
+    def __repr__(self) -> str:
+        return f"{self.__class__.__name__}(name='{self.name}')"