新建回测系统，并提交

strategies/ma_cross.py

@@ -0,0 +1,193 @@
+"""示例策略：均线交叉（买入持有 5 天，最多 2 只）。
+
+策略规则（可通过 config.settings 配置参数）：
+- 使用短期均线 ma_short 和长期均线 ma_long；
+- 当短期均线向上突破长期均线（金叉）时，若当前仓位未满且无该股持仓，则买入；
+- 持有达到 hold_days 天，或出现均线死叉（短期下穿长期）时卖出；
+- 最多持有 max_positions 只股票，按可用资金等权分配买入；
+- 支持可选的止盈止损和仓位管理（通过 BaseStrategy 集成）。
+"""
+from __future__ import annotations
+
+from typing import Dict, List, Optional
+
+import pandas as pd
+
+from strategies.base_strategy import BaseStrategy
+from utils.logger import setup_logger
+
+logger = setup_logger(__name__)
+
+
+class MaCrossStrategy(BaseStrategy):
+    """均线交叉示例策略。"""
+
+    def __init__(
+        self,
+        initial_cash: float,
+        ma_short: int,
+        ma_long: int,
+        hold_days: int = 5,
+        max_positions: int = 2,
+        position_pct_per_stock: float = 0.2,
+        stop_loss: Optional[object] = None,
+        take_profit: Optional[object] = None,
+        position_sizer: Optional[object] = None,
+        date_index_dict: Optional[Dict[str, Dict[str, int]]] = None,
+        buy_signal_index: Optional[Dict[str, List[str]]] = None,
+    ):
+        """初始化均线交叉策略。
+        
+        参数：
+            initial_cash: 初始资金
+            ma_short: 短期均线周期
+            ma_long: 长期均线周期
+            hold_days: 持有天数
+            max_positions: 最大持仓数
+            position_pct_per_stock: 每只个股占总资金的比例（0.2 = 20%）
+            stop_loss: 止损管理器（可选）
+            take_profit: 止盈管理器（可选）
+            position_sizer: 仓位管理器（可选）
+            date_index_dict: 日期索引字典 {ts_code: {date: idx}}
+            buy_signal_index: 买入信号索引 {date: [ts_code1, ts_code2, ...]}
+        """
+        super().__init__(
+            initial_cash=initial_cash,
+            max_positions=max_positions,
+            stop_loss=stop_loss,
+            take_profit=take_profit,
+            position_sizer=position_sizer,
+            date_index_dict=date_index_dict,
+            buy_signal_index=buy_signal_index,
+        )
+        self.ma_short = int(ma_short)
+        self.ma_long = int(ma_long)
+        self.hold_days = int(hold_days)
+        self.position_pct_per_stock = float(position_pct_per_stock)
+        
+        # 输出策略实例化参数（验证参数读取）
+        logger.info(f"MaCrossStrategy 初始化参数: ma_short={self.ma_short}, ma_long={self.ma_long}, "
+                    f"hold_days={self.hold_days}, max_positions={max_positions}, "
+                    f"position_pct_per_stock={self.position_pct_per_stock}")
+
+    def on_bar(self, current_date: str, data_dict: Dict[str, pd.DataFrame]) -> None:
+        """每个交易日的交易决策逻辑。
+        
+        性能优化：直接读取预计算的信号列，无需每天重复计算均线和成交量变化。
+        """
+        # 1. 先处理卖出逻辑（持有到期或均线死叉）
+        for ts_code in list(self.positions.keys()):
+            df = data_dict.get(ts_code)
+            if df is None or df.empty:
+                continue
+
+            # 性能优化：使用预计算的日期索引
+            date_index = self.date_index_dict.get(ts_code)
+            if date_index is None or current_date not in date_index:
+                continue
+            
+            idx = date_index[current_date]
+            row = df.iloc[idx]
+            close = float(row["close"])
+
+            pos = self.positions[ts_code]
+
+            # 性能优化：直接读取预计算的死叉信号
+            death_cross = bool(row["death_cross"]) if "death_cross" in df.columns else False
+            
+            # 满足持有天数或死叉则卖出
+            if pos.days_held >= self.hold_days or death_cross:
+                quantity = pos.quantity
+                if quantity > 0:
+                    self.sell(ts_code, close, quantity)
+                    # logger.info(f"{current_date} 卖出 {ts_code} 数量 {quantity} 价格 {close}")  # 已移除：交易日志改用进度条
+
+        # 2. 再处理买入逻辑（金叉 + 放量，按成交量排序选择前N只）
+        if len(self.positions) >= self.max_positions:
+            return
+        
+        # 优化：如果现金过少（不足初始资金1%），直接返回
+        if self.cash < self.initial_cash * 0.01:
+            return
+
+        # 性能优化核心：直接从买入信号索引获取今天有信号的股票列表
+        signal_stocks = self.buy_signal_index.get(current_date, [])
+        if not signal_stocks:
+            return  # 今天没有任何买入信号
+        
+        candidates = []  # 候选股票列表：[(ts_code, volume, price), ...]
+        
+        # 只需遍历有买入信号的股票（从3776只减少到99%以上）
+        for ts_code in signal_stocks:
+            if ts_code in self.positions:
+                continue
+            
+            df = data_dict.get(ts_code)
+            if df is None or df.empty:
+                continue
+
+            # 性能优化：使用预计算的日期索引
+            date_index = self.date_index_dict.get(ts_code)
+            if date_index is None or current_date not in date_index:
+                continue
+            
+            idx = date_index[current_date]
+            row = data_dict[ts_code].iloc[idx]
+            
+            # 满足条件，加入候选列表
+            price = float(row["close"])
+            volume = float(row["vol"])
+            candidates.append((ts_code, volume, price))
+        
+        # 第二步：按成交量倒序排序，选择成交量最大的前N只
+        if not candidates:
+            return  # 没有满足条件的股票
+        
+        # 按成交量降序排序
+        candidates.sort(key=lambda x: x[1], reverse=True)
+        
+        # 计算还能买入几只
+        remain_slots = self.max_positions - len(self.positions)
+        selected = candidates[:remain_slots]  # 选择前N只
+        
+        # 第三步：依次买入选中的股票
+        for ts_code, volume, price in selected:
+            # 使用仓位管理器计算买入数量（如果有的话）
+            if self.position_sizer is not None:
+                df = data_dict.get(ts_code)
+                quantity = self.position_sizer.calc_shares(
+                    ts_code=ts_code,
+                    cash=self.cash,
+                    price=price,
+                    remain_slots=remain_slots,
+                    df=df,
+                )
+            else:
+                # 默认：按配置的比例分配仓位
+                # 目标：使用初始资金的 position_pct_per_stock 比例（例如50%）
+                target_cash = self.initial_cash * self.position_pct_per_stock
+                # 实际：如果当前现金不足目标金额，就用剩余的所有现金
+                actual_cash = min(target_cash, self.cash)
+                
+                # 计算能买多少股（向下取整到100的整数倍）
+                quantity = int(actual_cash // price)
+                quantity = (quantity // 100) * 100
+            
+            if quantity <= 0:
+                continue
+
+            # 买入前记录当前现金和仓位
+            before_cash = self.cash
+            before_positions = len(self.positions)
+
+            self.buy(ts_code, price, quantity)
+
+            # 交易日志已移除，改用进度条显示
+            # if self.cash < before_cash and len(self.positions) > before_positions:
+            #     actual_quantity = self.positions[ts_code].quantity
+            #     actual_cost = before_cash - self.cash
+            #     logger.info(
+            #         f"{current_date} 买入 {ts_code} 数量 {actual_quantity} "
+            #         f"价格 {price:.2f} 成本 {actual_cost:.2f} 成交量 {volume:.0f} "
+            #         f"剩余现金 {self.cash:.2f} 当前持仓数 {len(self.positions)}/{self.max_positions}"
+            #     )