Simon
23972e7063
汇总三轮未提交的开发（每轮均在本机 MariaDB + 真实浏览器上验证）：
1) 股息率案例（全市场股息率最高 n 只，默认 20，每 m 月择股）
- 新增日频估值表 daily_basic + 迁移；股息率因子（dv_ratio / dividend_yield / TTM）
- 名称历史表 stock_name_history：剔除 ST 按**择股日当时名称**判定，消除
「曾高股息后 ST」的股息陷阱（实测 3.70pp 偏差）
- 区间择股/调仓双周期（m 择股 / y 调仓）、指数成分与白名单、停牌近似剔除
- 复权因子口径核对（4,164,742 行、缺失 0.0%）、收盘价成交与涨跌停拦单
- 案例实测：2020-01-01~2026-09-04 总收益 +24.86%（年化 3.52%、回撤 -28.58%）
2) 策略库与前端统一
- strategy 表 + CRUD/PUT 原地更新 + `describe_strategy` 按 spec 真实推导
「一句话说明 + 计算公式 + 执行步骤 + 注意事项」（与引擎实执行规则同源）
- 任何出现股票代码处都成对显示名称且可点击进个股页
- 全站图表基座统一 TradingView Lightweight Charts（ECharts 依赖、
锁文件、组件与文档标注一并清除），买卖点标记只落在真实交易日上
3) 回测存档完整化（可往复查看）
- 同步端点（POST /api/backtests、/api/factor-tests）此前完全不落库 → 现在同样归档，
归档 id 经响应头 X-Experiment-Id 返回（不破坏 response_model）
- data_version 首次真实写入（数据快照指纹：最新交易日 + 各表规模）
- 个股收益曲线默认**全量保存**（此前硬截断 60 只）；超出体积预算才裁剪，
并写 archive_meta（机器可读）+ unimplemented（人可读）如实标注
- 列表 kind/q 过滤 + X-Total-Count（此前 limit=50 静默截断）、DELETE 归档
- 只读归档页 /experiments/{id}（Server Component，SSR 直出**选股条件**与
**交易执行依据**）；结果视图按 kind 分发（backtest/factor_test/selection），
非回测归档不套用回测口径
- 新增 CLI：prune_experiments（保留策略，默认 dry-run）、
restore_experiment_from_job（从 Job 副本按原 id 重建被删的历史归档，默认 dry-run）
门禁：pytest 388 passed、ruff All checks passed、tsc 0 错误、图表单测 7 passed、
next build 成功、契约脚本 verify_strategy_workspace 59/59（含按 kind 逐类验证归档页）。
102 lines
3.7 KiB
Python
102 lines
3.7 KiB
Python
"""Bar Replay 服务（M9-6）：线性逐交易日重放选股+信号（as_of 语义）。
|
|
|
|
- 范围约束：universe.symbols 必填（≤ 40 只）、重放交易日 ≤ 90 —— 避免全市场长任务
|
|
- 每日计算只使用 <= as_of 数据（与 select/signal/回测同一引擎与口径）
|
|
- ReplayDay.events 按 rank 升序；top 取前 N（意图排名，与回测 selection_history 对齐）
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
from datetime import date, timedelta
|
|
|
|
import pandas as pd
|
|
|
|
from app.domain.entities.replay import ReplayDay, ReplayResult, ReplayTop
|
|
from app.domain.entities.selection import SelectionQuery
|
|
from app.domain.entities.signal import SignalRules
|
|
from app.domain.repositories.market import DailyBarRepository, StockRepository
|
|
from app.quant.selection import factor_columns
|
|
from app.quant.service import load_daily_df
|
|
from app.quant.signal import generate_signals
|
|
from app.quant.universe import filter_stocks, names_as_of, resolve_members
|
|
|
|
MAX_SYMBOLS = 40
|
|
MAX_DAYS = 90
|
|
|
|
|
|
class ReplayService:
|
|
def __init__(
|
|
self,
|
|
stock_repo: StockRepository,
|
|
daily_repo: DailyBarRepository,
|
|
index_repo=None,
|
|
name_repo=None,
|
|
) -> None:
|
|
self._stock_repo = stock_repo
|
|
self._daily_repo = daily_repo
|
|
self._index_repo = index_repo
|
|
# 名称变更历史仓储：exclude_st 的时点口径（与选股/回测一致，v2 §25）
|
|
self._name_repo = name_repo
|
|
|
|
def replay(
|
|
self,
|
|
query: SelectionQuery,
|
|
rules: SignalRules,
|
|
start: date,
|
|
end: date,
|
|
top_n: int = 5,
|
|
) -> ReplayResult:
|
|
symbols = list(query.universe.symbols or [])
|
|
if not symbols:
|
|
raise ValueError("Bar Replay 需要 universe.symbols 白名单（≤40 只），避免全市场长任务")
|
|
if len(symbols) > MAX_SYMBOLS:
|
|
raise ValueError(f"Bar Replay 白名单最多 {MAX_SYMBOLS} 只，当前 {len(symbols)}")
|
|
all_stocks = self._stock_repo.list()
|
|
name_at, _applied = names_as_of(all_stocks, start, self._name_repo)
|
|
stocks = filter_stocks(
|
|
all_stocks, query.universe, as_of=start,
|
|
members=resolve_members(self._index_repo, query.universe, start),
|
|
name_at=name_at,
|
|
)
|
|
if not stocks:
|
|
return ReplayResult(start=start, end=end, top_n=top_n)
|
|
|
|
columns = sorted(factor_columns(query))
|
|
daily = load_daily_df(
|
|
self._daily_repo,
|
|
symbols,
|
|
start - timedelta(days=query.warmup_days),
|
|
end,
|
|
columns,
|
|
adjust=query.price_adjustment,
|
|
)
|
|
if daily.empty:
|
|
return ReplayResult(start=start, end=end, top_n=top_n)
|
|
trading_days = sorted(
|
|
pd.to_datetime(daily["trade_date"].unique())
|
|
)
|
|
days = [d for d in trading_days if start <= d.date() <= end]
|
|
if len(days) > MAX_DAYS:
|
|
raise ValueError(f"重放区间交易日 {len(days)} > 上限 {MAX_DAYS}，请缩短区间")
|
|
|
|
out_days: list[ReplayDay] = []
|
|
for d in days:
|
|
res = generate_signals(daily, query, rules, as_of=d.date())
|
|
top = [
|
|
ReplayTop(symbol=e.symbol, score=e.score or 0.0)
|
|
for e in res.events[:top_n]
|
|
]
|
|
out_days.append(
|
|
ReplayDay(
|
|
as_of=d.date(),
|
|
top=top,
|
|
events=res.events,
|
|
counts={
|
|
"buy": res.statistics.buy,
|
|
"watch": res.statistics.watch,
|
|
"sell": res.statistics.sell,
|
|
},
|
|
)
|
|
)
|
|
return ReplayResult(start=start, end=end, days=out_days, top_n=top_n)
|