strategy-generator

星标10

分支5

更新时间2026年5月21日 07:02

从策略文档（Markdown/PDF/Word/URL）自动理解策略逻辑，在本项目中生成可运行的量化策略代码，并完成回测。当用户提供策略文档、URL链接或策略描述，要求实现量化策略时调用此技能。

安装

用 Codex 或 Claude 帮你安装复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。

来源

zhiyizhilu

zhiyizhilu/qmt-backtrader

打开 GitHub 仓库查看创作者相关仓库

下载

策略生成器

从策略文档自动理解策略逻辑，在 qmt_backtrader 框架中生成可运行的量化策略代码，并完成回测。

环境配置

Python 运行环境（通过 PowerShell 动态获取系统 Python 环境）：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
if (-not (Test-Path $pythonPath)) {
    $pythonPath = (Get-ChildItem "$env:USERPROFILE\AppData\Local\Programs\Python\Python*" -Directory |
        Sort-Object Name -Descending | Select-Object -First 1).FullName + "\python.exe"
}

所有回测、脚本、pip 安装等 Python 操作必须使用动态获取的 Python 路径
示例：& "$pythonPath" main.py --mode backtest ...
如需指定完整路径而非使用 PATH 中的 Python，可通过 sys.executable 或上述脚本获取后调用
项目根目录：e:\jupyter notebook\automatic\qmt_backtrader

调用时机

当用户出现以下情况时调用此技能：

提供策略文档路径（Markdown/PDF/Word），要求实现策略
提供 URL 链接，要求根据网页内容实现策略
直接粘贴策略描述文本，要求实现
说"根据这个文档写策略"、"实现这个策略"、"帮我回测这个策略"等

核心工作流

阶段一：文档读取与策略理解

1.1 输入处理

根据输入类型选择读取方式：

输入类型	识别方式	处理方法
本地 Markdown (`.md`)	路径以 `.md` 结尾	使用 Read 工具直接读取
本地 PDF (`.pdf`)	路径以 `.pdf` 结尾	使用 Python 脚本提取文本（见下方"PDF提取脚本"）
本地 Word (`.docx`/`.doc`)	路径以 `.docx`/`.doc` 结尾	使用 Python 脚本提取文本（见下方"Word提取脚本"）
本地纯文本 (`.txt`)	路径以 `.txt` 结尾	使用 Read 工具直接读取
URL 链接	以 `http://` 或 `https://` 开头	使用 WebFetch 工具抓取，自动转为 markdown
直接粘贴文本	无文件路径特征	直接使用文本内容

PDF 提取脚本：

import sys
try:
    import pdfplumber
    with pdfplumber.open(sys.argv[1]) as pdf:
        for page in pdf.pages:
            text = page.extract_text()
            if text:
                print(text)
except ImportError:
    try:
        from PyPDF2 import PdfReader
        reader = PdfReader(sys.argv[1])
        for page in reader.pages:
            text = page.extract_text()
            if text:
                print(text)
    except ImportError:
        print("ERROR: 需要安装 pdfplumber 或 PyPDF2: pip install pdfplumber", file=sys.stderr)
        sys.exit(1)

运行方式：使用 $pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"; & "$pythonPath" -c "<上述脚本>" <pdf文件路径>

Word 提取脚本：

import sys
try:
    from docx import Document
    doc = Document(sys.argv[1])
    for para in doc.paragraphs:
        if para.text.strip():
            print(para.text)
except ImportError:
    print("ERROR: 需要安装 python-docx: pip install python-docx", file=sys.stderr)
    sys.exit(1)

运行方式：使用 $pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"; & "$pythonPath" -c "<上述脚本>" <docx文件路径>

1.2 策略要素提取

从文档内容中提取以下关键策略要素：

要素	说明	提取方法
策略类型	选股调仓型 vs 择时/轮动型	根据关键词判断（见1.3）
选股/交易逻辑	买卖条件、指标计算、信号生成规则	识别条件语句、公式、规则描述
参数定义	可调参数及其默认值	识别数值参数、阈值、周期等
数据需求	需要哪些行情数据、财务数据	识别指标名称、数据字段
调仓规则	调仓频率、仓位管理方式	识别"月度/周/季度调仓"、"等权"等
风控规则	止损、止盈、仓位限制	识别"止损X%"、"最大回撤"等
回测配置	资金、日期范围、股票池	识别回测区间、初始资金等

1.3 策略类型自动判断

文档特征	判断为	基类
提到"选股"、"股票池"、"调仓"、"持仓组合"、"等权"	选股调仓型	`StockSelectionStrategy`
提到"轮动"、"择时"、"均线交叉"、"买卖信号"、"金叉死叉"	择时/轮动型	`StrategyLogic`
提到"ETF轮动"、"标的切换"、"动量轮动"	择时/轮动型	`StrategyLogic`
同时包含选股和择时特征	优先选股调仓型	`StockSelectionStrategy`
无法明确判断	询问用户选择	-

阶段二：策略代码生成

2.1 策略命名规则

根据策略核心逻辑生成有意义的英文注册名，参考现有策略命名风格：

策略逻辑	推荐命名	示例
高股息选股	`high_dividend`	已有
小市值选股	`small_cap`	已有
ETF动量轮动	`etf_rotation`	已有
低波动率选股	`low_volatility`	-
质量因子选股	`quality_factor`	-
价值成长选股	`value_growth`	-
双均线择时	`double_ma`	已有
多因子选股	`multi_factor`	-
行业轮动	`sector_rotation`	-
动量策略	`momentum`	-

命名原则：

使用小写英文 + 下划线
2-3个词，简洁明确
体现策略核心逻辑而非具体参数
避免与已有策略重名（检查 strategies/、strategies_for_vip/ 和 strategies_my/ 目录）

2.2 策略目录位置

场景	目录
默认	`strategies_my/<strategy_name>_strategy/`
用户指定放系统目录	`strategies/<strategy_name>_strategy/`
用户指定放 VIP 目录	`strategies_for_vip/<strategy_name>_strategy/`

2.3 StockSelectionStrategy 代码模板（选股调仓型）

from typing import List
from core.stock_selection import StockSelectionStrategy
from strategies import register_strategy


@register_strategy('<strategy_name>',
                   default_kwargs={'max_stocks': <N>},
                   backtest_config={'cash': 1000000, 'commission': 0.0001,
                                    'start_date': '2020-04-28', 'end_date': '2026-04-28',
                                    'period': '1d', 'pool': '<股票池>'})
class <StrategyName>Strategy(StockSelectionStrategy):
    """<策略中文名> - <一句话描述>

    选股逻辑：
    1. <步骤1>
    2. <步骤2>
    3. <步骤3>

    调仓规则：
    - <调仓频率>调仓，等权重持仓
    """

    params = (
        ('rebalance_freq', '<freq>'),
        ('max_stocks', <N>),
        ('position_ratio', 0.95),
        ('stock_pool', None),
    )

    def select_stocks(self) -> List[str]:
        pool = self.get_stock_pool()

        # 步骤1: 基本面/技术面过滤
        filtered = self._filter_<filter_name>(pool)
        if not filtered:
            self.log(f'过滤后无股票')
            return []

        # 步骤2: 排序/评分
        scored = self._score_stocks(filtered)

        # 步骤3: 取前N只
        max_stocks = self.params.max_stocks
        selected = [stock for stock, _ in scored[:max_stocks]]

        self.log(f'选股结果: {len(pool)} -> {len(filtered)} -> {len(selected)} 只')
        return selected

    def _filter_<filter_name>(self, pool: List[str]) -> List[str]:
        result = []
        for stock in pool:
            # 过滤逻辑
            pass
        return result

    def _score_stocks(self, stocks: List[str]) -> list:
        scored = []
        for stock in stocks:
            # 评分逻辑
            score = 0
            scored.append((stock, score))
        scored.sort(key=lambda x: x[1], reverse=True)
        return scored

2.4 StrategyLogic 代码模板（择时/轮动型）

from core.strategy_logic import StrategyLogic, BarData, OrderInfo, TradeInfo
from strategies import register_strategy


@register_strategy('<strategy_name>',
                   backtest_config={'cash': 200000, 'commission': 0.0005,
                                    'start_date': '2020-04-28', 'end_date': '2026-04-28',
                                    'period': '1d'})
class <StrategyName>Strategy(StrategyLogic):
    """<策略中文名> - <一句话描述>

    交易逻辑：
    1. <条件1>时买入
    2. <条件2>时卖出
    """

    params = (
        ('<param1>', <default1>),
        ('<param2>', <default2>),
    )

    def on_bar(self, bar: BarData):
        # 获取数据
        # 判断信号
        # 执行交易
        pass

    def on_order(self, order: OrderInfo):
        super().on_order(order)

    def on_trade(self, trade: TradeInfo):
        super().on_trade(trade)

2.5 输出目录结构

strategies_my/<strategy_name>_strategy/     (或 strategies/<strategy_name>_strategy/、strategies_for_vip/<strategy_name>_strategy/)
├── __init__.py                          # 空文件
├── <strategy_name>_strategy.py          # 策略主文件
├── generate_report.py                   # HTML报告生成脚本（阶段五创建）
├── readme.md                            # 策略说明文档（阶段四生成，含回测结果）
├── backtest_report.html                 # HTML回测报告（阶段五生成，可视化展示）
└── backtest_results/                    # 回测结果目录（回测时自动生成）
    └── <timestamp>_<strategy_name>.json # 回测记录JSON（含meta/config/metrics/trade_log/equity_curve）

阶段三：回测配置与执行

3.1 回测配置提取

从文档中提取回测配置，缺失项使用默认值：

配置项	选股策略默认值	择时策略默认值	提取来源
初始资金 (cash)	1,000,000	200,000	文档中的"初始资金"、"资金量"
佣金 (commission)	0.0001	0.0005	文档中的"手续费"、"佣金"
股票池 (pool)	中证1000	-	文档中的"股票池"、"选股范围"
回测起始 (start_date)	2020-04-28	2020-04-28	文档中的"回测区间"
回测结束 (end_date)	2026-04-28	2026-04-28	文档中的"回测区间"
基准 (benchmark)	自动根据股票池	000300.SH	文档中的"基准"、"对比指数"

3.2 回测执行

使用 main.py 命令行方式执行回测，不要创建独立的 run_backtest.py 脚本。

命令格式：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy <strategy_name> --period 1d --pool <股票池> --start <起始日期> --end <结束日期> --ai-mode

参数说明：

参数	说明	示例
`--mode backtest`	回测模式（固定）	`--mode backtest`
`--strategy`	策略名称（注册名）	`--strategy twenty_eight_rotation`
`--period`	数据周期	`--period 1d`
`--pool`	股票池板块名称	`--pool 中证全指`
`--start`	回测起始日期	`--start 2020-04-28`
`--end`	回测结束日期	`--end 2026-04-28`
`--ai-mode`	AI模式，跳过图形界面（必须加）	`--ai-mode`
`--debug`	调试模式（可选，输出详细日志）	`--debug`
`--no-record`	禁用回测记录（不要加，需要记录结果）	-

选股策略示例：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy undervalued --period 1d --pool 中证1000 --start 2020-04-28 --end 2026-04-28 --ai-mode

择时/轮动策略示例：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy twenty_eight_rotation --period 1d --pool 中证全指 --start 2020-04-28 --end 2026-04-28 --ai-mode

关键规则：

必须加 --ai-mode，跳过图形界面渲染
不要加 --no-record，让回测结果自动保存到策略目录下的 backtest_results/ 文件夹
回测完成后，backtest_results/ 目录下会自动生成 <timestamp>_<strategy_name>.json，包含完整的 meta、config、metrics、trade_log、equity_curve 数据
阶段四和阶段五的报告生成均从 backtest_results/ 中读取最新的回测记录
命令必须在项目根目录 e:\jupyter notebook\automatic\qmt_backtrader 下执行

3.3 回测结果报告

回测完成后，向用户报告以下核心指标：

指标	说明
夏普比率	风险调整后收益
总收益率	策略总回报
年化收益率	年化后的收益率
最大回撤	最大峰谷回撤
索提诺比率	下行风险调整后收益
最终权益	回测结束时的账户权益

阶段四：自动生成 readme.md

回测完成后，必须自动生成策略目录下的 readme.md 文件，包含策略说明和回测结果。

4.1 生成时机

回测执行完成后，从 backtest_results/ 目录读取最新的回测记录 JSON
使用最新 JSON 中的 metrics 和 config 数据填充回测结果部分
如果 backtest_results/ 目录不存在或为空，仍生成 readme.md 但标注"回测未完成"

4.2 读取最新回测记录

import os
import json
import glob

def get_latest_backtest_result(strategy_dir):
    """从 backtest_results/ 目录读取最新的回测结果JSON"""
    results_dir = os.path.join(strategy_dir, 'backtest_results')
    if not os.path.isdir(results_dir):
        return None
    json_files = sorted(glob.glob(os.path.join(results_dir, '*.json')))
    if not json_files:
        return None
    latest_file = json_files[-1]  # 按文件名排序，最新的在最后
    with open(latest_file, 'r', encoding='utf-8') as f:
        return json.load(f)

4.3 readme.md 模板（选股调仓型）

# <策略中文名>

## 策略概述

<策略的核心思想和目标>

## 选股逻辑

1. <步骤1>
2. <步骤2>
3. <步骤3>

## 调仓规则

- <调仓频率>调仓，等权重持仓
- 最多持仓 <N> 只股票
- 仓位比例 <ratio>%

## 参数说明

| 参数 | 默认值 | 说明 |
|------|--------|------|
| rebalance_freq | <freq> | 调仓频率 |
| max_stocks | <N> | 最大持仓数量 |
| position_ratio | <ratio> | 仓位比例 |

## 回测结果（<股票池>，<起始日期> ~ <结束日期>）

| 指标 | 数值 |
|------|------|
| 初始资金 | <initial_capital> |
| 最终权益 | <final_value> |
| 总收益率 | <total_return_pct>% |
| 年化收益率 | <annual_return_pct>% |
| 夏普比率 | <sharpe_ratio> |
| 索提诺比率 | <sortino_ratio> |
| 最大回撤 | <max_drawdown_pct>% |
| 交易天数 | <total_trading_days> |
| 盈利天数 / 亏损天数 | <win_days> / <loss_days> |
| 胜率（日） | <win_rate_pct>% |
| 总手续费 | <fee> |
| 换手额 | <turnover> |

## 回测配置

- 初始资金: <initial_capital>
- 股票池: <pool>
- 回测区间: <start_date> ~ <end_date>
- 基准指数: <benchmark>
- 佣金: <commission>

## 快速开始

```bash
python main.py --mode backtest --strategy <strategy_name> --period 1d --pool <股票池> --start <起始日期> --end <结束日期> --ai-mode --no-record

数据来源

<数据来源说明>


#### 4.4 readme.md 模板（择时/轮动型）

```markdown
# <策略中文名>

## 策略概述

<策略的核心思想和目标>

## 交易逻辑

1. <条件1>时买入
2. <条件2>时卖出

## 参数说明

| 参数 | 默认值 | 说明 |
|------|--------|------|
| <param1> | <default1> | <说明1> |
| <param2> | <default2> | <说明2> |

## 回测结果（<起始日期> ~ <结束日期>）

| 指标 | 数值 |
|------|------|
| 初始资金 | <initial_capital> |
| 最终权益 | <final_value> |
| 总收益率 | <total_return_pct>% |
| 年化收益率 | <annual_return_pct>% |
| 夏普比率 | <sharpe_ratio> |
| 索提诺比率 | <sortino_ratio> |
| 最大回撤 | <max_drawdown_pct>% |
| 交易天数 | <total_trading_days> |
| 盈利天数 / 亏损天数 | <win_days> / <loss_days> |
| 胜率（日） | <win_rate_pct>% |
| 总手续费 | <fee> |
| 换手额 | <turnover> |

## 回测配置

- 初始资金: <initial_capital>
- 回测区间: <start_date> ~ <end_date>
- 基准指数: <benchmark>
- 佣金: <commission>

## 快速开始

```bash
python main.py --mode backtest --strategy <strategy_name> --period 1d --start <起始日期> --end <结束日期> --ai-mode --no-record

数据来源

<数据来源说明>


#### 4.5 生成方式

读取 `backtest_results/` 目录下最新的回测记录 JSON，从中提取 `metrics` 和 `config` 字段替换模板中的占位符，写入策略目录下的 `readme.md`。

**回测记录 JSON 结构参考**：

```json
{
  "meta": {
    "run_id": "20260516_175424_undervalued",
    "strategy_name": "undervalued",
    "timestamp": "2026-05-16T17:54:24",
    "framework_version": "1.0"
  },
  "config": {
    "cash": 1000000,
    "commission": 0.0013,
    "start_date": "2020-04-28",
    "end_date": "2026-04-28",
    "period": "1d",
    "pool": "中证1000",
    "benchmark": "000852.SH"
  },
  "metrics": {
    "initial_capital": 1000000,
    "final_value": 1866891.37,
    "total_profit": 866891.37,
    "total_return_pct": 86.69,
    "fee": 37099.86,
    "sharpe_ratio": 0.677,
    "max_drawdown_pct": -29.63,
    "annual_return_pct": 11.43,
    "total_trading_days": 1454,
    "win_days": 770,
    "loss_days": 683,
    "turnover": 28538353.83,
    "total_volume": 3302500
  },
  "trade_log": [...],
  "equity_curve": [...]
}

字段映射：

readme.md 占位符	JSON 路径	说明
`<initial_capital>`	`metrics.initial_capital`	初始资金
`<final_value>`	`metrics.final_value`	最终权益
`<total_return_pct>`	`metrics.total_return_pct`	总收益率(%)
`<annual_return_pct>`	`metrics.annual_return_pct`	年化收益率(%)
`<sharpe_ratio>`	`metrics.sharpe_ratio`	夏普比率
`<max_drawdown_pct>`	`metrics.max_drawdown_pct`	最大回撤(%)
`<total_trading_days>`	`metrics.total_trading_days`	交易天数
`<win_days>`	`metrics.win_days`	盈利天数
`<loss_days>`	`metrics.loss_days`	亏损天数
`<fee>`	`metrics.fee`	总手续费
`<turnover>`	`metrics.turnover`	换手额
`<pool>`	`config.pool`	股票池
`<start_date>`	`config.start_date`	回测起始日期
`<end_date>`	`config.end_date`	回测结束日期
`<benchmark>`	`config.benchmark`	基准指数
`<commission>`	`config.commission`	佣金

关键规则：

所有 <placeholder> 必须用实际数据替换，不得留空
回测结果表格中的数值直接从最新回测记录 JSON 的 metrics 和 config 读取
如果 backtest_results/ 目录不存在或为空，标注"回测未完成"
readme.md 写入策略目录根级，与策略 .py 文件同级

阶段五：自动生成 HTML 回测报告

回测完成后，必须自动生成策略目录下的 backtest_report.html 文件，提供可视化的策略回测结果展示。

5.1 生成时机

紧接 readme.md 生成之后执行
从 backtest_results/ 目录读取最新的回测记录 JSON
如果 backtest_results/ 目录不存在或为空，跳过此阶段

5.2 HTML 报告内容

报告包含以下模块：

模块	内容	数据来源
策略概览	策略名称、回测区间、股票池	`meta` + `config` 字段
核心指标卡片	总收益率、年化收益率、夏普比率、最大回撤、胜率等	`metrics` 字段
权益曲线图	策略净值随时间变化	`equity_curve` 数组
月度收益热力图	按年月展示月度收益率	从 `equity_curve` 计算
交易记录表	最近50条交易明细	`trade_log` 数组
策略参数表	策略使用的参数	`config` + `strategy_params` 字段

5.3 HTML 报告生成脚本

在策略目录下创建 generate_report.py，内容如下：

import os
import sys
import json
import glob

PROJECT_ROOT = os.path.dirname(os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))))
sys.path.insert(0, PROJECT_ROOT)


def get_latest_backtest_result(strategy_dir):
    """从 backtest_results/ 目录读取最新的回测结果JSON"""
    results_dir = os.path.join(strategy_dir, 'backtest_results')
    if not os.path.isdir(results_dir):
        return None
    json_files = sorted(glob.glob(os.path.join(results_dir, '*.json')))
    if not json_files:
        return None
    latest_file = json_files[-1]
    with open(latest_file, 'r', encoding='utf-8') as f:
        return json.load(f)


def _heatmap_color(value):
    """根据月度收益率返回背景色"""
    if value is None:
        return 'rgba(148, 163, 184, 0.05)'
    if value > 5:
        return 'rgba(52, 211, 153, 0.7)'
    if value > 2:
        return 'rgba(52, 211, 153, 0.4)'
    if value > 0:
        return 'rgba(52, 211, 153, 0.2)'
    if value > -2:
        return 'rgba(248, 113, 113, 0.2)'
    if value > -5:
        return 'rgba(248, 113, 113, 0.4)'
    return 'rgba(248, 113, 113, 0.7)'


def _heatmap_text_color(value):
    """根据月度收益率返回文字色"""
    if value is None:
        return 'transparent'
    if abs(value) > 2:
        return '#fff'
    return '#94a3b8'


def generate_report():
    strategy_dir = os.path.dirname(os.path.abspath(__file__))
    data = get_latest_backtest_result(strategy_dir)

    if not data:
        print(f"未找到回测结果，跳过报告生成")
        return

    # 从回测记录JSON中提取数据
    meta = data.get('meta', {})
    config = data.get('config', {})
    metrics = data.get('metrics', {})
    trade_log = data.get('trade_log', [])
    equity_curve = data.get('equity_curve', [])
    strategy_params = data.get('strategy_params', {})

    strategy_name = meta.get('strategy_name', 'unknown')
    strategy_cn_name = '<策略中文名>'
    start_date = config.get('start_date', '')
    end_date = config.get('end_date', '')
    pool = config.get('pool', '')
    benchmark = config.get('benchmark', '000300.SH')
    commission = config.get('commission', 0)

    initial_capital = metrics.get('initial_capital', 0)
    final_value = metrics.get('final_value', 0)
    total_return_pct = metrics.get('total_return_pct', 0)
    annual_return_pct = metrics.get('annual_return_pct', 0)
    sharpe_ratio = metrics.get('sharpe_ratio', 0)
    max_drawdown_pct = metrics.get('max_drawdown_pct', 0)
    total_trading_days = metrics.get('total_trading_days', 0)
    win_days = metrics.get('win_days', 0)
    loss_days = metrics.get('loss_days', 0)
    win_rate_pct = round(win_days / (win_days + loss_days) * 100, 1) if (win_days + loss_days) > 0 else 0
    turnover = metrics.get('turnover', 0)
    fee = metrics.get('fee', 0)
    total_profit = metrics.get('total_profit', 0)

    # 计算月度收益率（从 equity_curve）
    monthly_returns = {}
    if equity_curve:
        monthly_values = {}
        for item in equity_curve:
            ym = item['date'][:7]
            monthly_values[ym] = item['portfolio_value']
        sorted_months = sorted(monthly_values.keys())
        for i in range(1, len(sorted_months)):
            prev_val = monthly_values[sorted_months[i - 1]]
            curr_val = monthly_values[sorted_months[i]]
            if prev_val > 0:
                ret = (curr_val - prev_val) / prev_val * 100
                monthly_returns[sorted_months[i]] = round(ret, 2)

    # 月度热力图数据
    heatmap_years = sorted(set(ym[:4] for ym in monthly_returns.keys()))
    heatmap_months_labels = [f'{i}月' for i in range(1, 13)]
    heatmap_data = []
    for year in heatmap_years:
        row = []
        for month in range(1, 13):
            ym = f'{year}-{month:02d}'
            row.append(monthly_returns.get(ym, None))
        heatmap_data.append(row)

    # 交易记录表格（最近50条）
    recent_trades = trade_log[-50:] if len(trade_log) > 50 else trade_log
    trade_rows = ""
    for t in recent_trades:
        direction = '买入' if t.get('direction') == '0' else '卖出'
        dir_class = 'trade-buy' if direction == '买入' else 'trade-sell'
        pnl_val = t.get('pnl', 0)
        pnl_class = 'up' if pnl_val > 0 else ('down' if pnl_val < 0 else '')
        pnl_str = f'{pnl_val:+.2f}' if pnl_val != 0 else '-'
        trade_time = t.get('trade_time', '')[:10]
        trade_rows += f'''<tr>
            <td>{trade_time}</td>
            <td>{t.get('instrument_id', '')}</td>
            <td class="{dir_class}">{direction}</td>
            <td>{t.get('trade_price', 0):.2f}</td>
            <td>{t.get('volume', 0)}</td>
            <td class="{pnl_class}">{pnl_str}</td>
            <td>{t.get('memo', '')}</td>
        </tr>'''

    # 权益曲线数据
    equity_dates = json.dumps([d['date'] for d in equity_curve], ensure_ascii=False)
    equity_values = json.dumps([d['portfolio_value'] for d in equity_curve], ensure_ascii=False)

    # 热力图HTML片段（预先计算）
    heatmap_header_html = " ".join(f'<div class="heatmap-header">{m}</div>' for m in heatmap_months_labels)
    heatmap_body_html = ""
    for y, row in zip(heatmap_years, heatmap_data):
        heatmap_body_html += f'<div class="heatmap-label">{y}</div>'
        for v in row:
            bg = _heatmap_color(v)
            tc = _heatmap_text_color(v)
            text = f'{v:.1f}' if v is not None else ''
            heatmap_body_html += f'<div class="heatmap-cell" style="background:{bg};color:{tc}">{text}</div>'

    # 策略参数展示
    params_html = ""
    for k, v in strategy_params.items():
        if k in ('stock_pool', 'instrument_id', 'exchange', 'kline_style'):
            continue
        params_html += f'<div class="param-item"><span class="param-key">{k}</span><span class="param-val">{v}</span></div>'

    # 收益率颜色判断
    return_color = '#34d399' if total_return_pct > 0 else '#f87171'
    sharpe_color = '#34d399' if sharpe_ratio > 0 else '#f87171'

    html = f'''<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>{strategy_cn_name} - 回测报告</title>
<script src="https://cdn.jsdelivr.net/npm/chart.js@4.4.0/dist/chart.umd.min.js"></script>
<style>
* {{ margin: 0; padding: 0; box-sizing: border-box; }}
body {{ font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, 'Noto Sans SC', sans-serif; background: #0f172a; color: #e2e8f0; line-height: 1.6; }}
.container {{ max-width: 1200px; margin: 0 auto; padding: 40px 20px; }}
h1 {{ font-size: 2.2em; text-align: center; background: linear-gradient(135deg, #60a5fa, #a78bfa); -webkit-background-clip: text; -webkit-text-fill-color: transparent; }}
h2 {{ font-size: 1.4em; color: #60a5fa; margin: 40px 0 20px; border-bottom: 1px solid #1e293b; padding-bottom: 10px; }}
.subtitle {{ text-align: center; color: #94a3b8; margin-bottom: 40px; }}
.summary-cards {{ display: grid; grid-template-columns: repeat(auto-fit, minmax(180px, 1fr)); gap: 16px; margin: 30px 0; }}
.card {{ background: #1e293b; border-radius: 12px; padding: 20px; border: 1px solid #334155; }}
.card-label {{ font-size: 0.8em; color: #94a3b8; text-transform: uppercase; letter-spacing: 0.5px; }}
.card-value {{ font-size: 1.8em; font-weight: 700; margin: 6px 0; }}
.up {{ color: #34d399; }}
.down {{ color: #f87171; }}
.chart-box {{ background: #1e293b; border-radius: 12px; padding: 20px; border: 1px solid #334155; margin: 24px 0; }}
table {{ width: 100%; border-collapse: collapse; margin: 16px 0; background: #1e293b; border-radius: 12px; overflow: hidden; }}
th {{ background: #0f172a; color: #94a3b8; font-weight: 600; font-size: 0.85em; text-transform: uppercase; padding: 12px 14px; text-align: left; }}
td {{ padding: 10px 14px; border-top: 1px solid #334155; font-size: 0.9em; }}
.trade-buy {{ color: #34d399; font-weight: 600; }}
.trade-sell {{ color: #f87171; font-weight: 600; }}
.heatmap-grid {{ display: grid; grid-template-columns: 60px repeat(12, 1fr); gap: 3px; margin: 16px 0; }}
.heatmap-label {{ font-size: 0.75em; color: #94a3b8; display: flex; align-items: center; justify-content: flex-end; padding-right: 8px; }}
.heatmap-header {{ font-size: 0.7em; color: #94a3b8; text-align: center; padding: 4px; }}
.heatmap-cell {{ border-radius: 4px; text-align: center; font-size: 0.7em; font-weight: 600; padding: 6px 2px; min-height: 28px; display: flex; align-items: center; justify-content: center; }}
.params-grid {{ display: grid; grid-template-columns: repeat(auto-fill, minmax(250px, 1fr)); gap: 8px; }}
.param-item {{ background: #0f172a; border-radius: 8px; padding: 10px 14px; display: flex; justify-content: space-between; }}
.param-key {{ color: #94a3b8; font-size: 0.85em; }}
.param-val {{ color: #60a5fa; font-weight: 600; font-size: 0.85em; }}
</style>
</head>
<body>
<div class="container">

<h1>{strategy_cn_name}</h1>
<p class="subtitle">回测区间: {start_date} 至 {end_date} | 股票池: {pool or "默认"} | 基准: {benchmark}</p>

<h2>一、核心指标</h2>
<div class="summary-cards">
  <div class="card">
    <div class="card-label">总收益率</div>
    <div class="card-value" style="color:{return_color}">{total_return_pct:.2f}%</div>
  </div>
  <div class="card">
    <div class="card-label">年化收益率</div>
    <div class="card-value" style="color:{return_color}">{annual_return_pct:.2f}%</div>
  </div>
  <div class="card">
    <div class="card-label">夏普比率</div>
    <div class="card-value" style="color:{sharpe_color}">{sharpe_ratio:.4f}</div>
  </div>
  <div class="card">
    <div class="card-label">最大回撤</div>
    <div class="card-value down">{max_drawdown_pct:.2f}%</div>
  </div>
  <div class="card">
    <div class="card-label">日胜率</div>
    <div class="card-value">{win_rate_pct:.1f}%</div>
  </div>
</div>

<div class="summary-cards">
  <div class="card">
    <div class="card-label">初始资金</div>
    <div class="card-value" style="font-size:1.2em">{initial_capital:,.0f}</div>
  </div>
  <div class="card">
    <div class="card-label">最终权益</div>
    <div class="card-value" style="font-size:1.2em;color:{return_color}">{final_value:,.2f}</div>
  </div>
  <div class="card">
    <div class="card-label">总利润</div>
    <div class="card-value" style="font-size:1.2em;color:{return_color}">{total_profit:+,.2f}</div>
  </div>
  <div class="card">
    <div class="card-label">交易天数</div>
    <div class="card-value" style="font-size:1.2em">{total_trading_days}</div>
  </div>
  <div class="card">
    <div class="card-label">盈利/亏损天数</div>
    <div class="card-value" style="font-size:1.2em"><span class="up">{win_days}</span> / <span class="down">{loss_days}</span></div>
  </div>
  <div class="card">
    <div class="card-label">总手续费</div>
    <div class="card-value" style="font-size:1.2em">{fee:,.2f}</div>
  </div>
</div>

<h2>二、权益曲线</h2>
<div class="chart-box">
  <canvas id="chartEquity"></canvas>
</div>

<h2>三、月度收益热力图</h2>
<div class="chart-box">
  <div class="heatmap-grid">
    <div class="heatmap-header"></div>
    {heatmap_header_html}
    {heatmap_body_html}
  </div>
</div>

<h2>四、交易记录（最近50条）</h2>
<table>
  <thead>
    <tr><th>日期</th><th>标的</th><th>方向</th><th>价格</th><th>数量</th><th>盈亏</th><th>备注</th></tr>
  </thead>
  <tbody>{trade_rows or '<tr><td colspan="7" style="text-align:center;color:#94a3b8">暂无交易记录</td></tr>'}</tbody>
</table>

<h2>五、策略参数</h2>
<div class="params-grid">
  {params_html or '<div style="color:#94a3b8">无自定义参数</div>'}
</div>

</div>

<script>
Chart.defaults.color = '#94a3b8';
const gridColor = 'rgba(148, 163, 184, 0.1)';

new Chart(document.getElementById('chartEquity'), {{
  type: 'line',
  data: {{
    labels: {equity_dates},
    datasets: [{{
      label: '账户权益',
      data: {equity_values},
      borderColor: '#60a5fa',
      backgroundColor: 'rgba(96, 165, 250, 0.1)',
      borderWidth: 2,
      fill: true,
      pointRadius: 0,
      tension: 0.1
    }}]
  }},
  options: {{
    responsive: true,
    plugins: {{
      title: {{ display: true, text: '策略权益曲线' }},
      tooltip: {{
        callbacks: {{
          label: function(ctx) {{ return '权益: ' + ctx.parsed.y.toLocaleString(); }}
        }}
      }}
    }},
    scales: {{
      y: {{
        grid: {{ color: gridColor }},
        ticks: {{
          callback: function(v) {{ return (v/10000).toFixed(0) + '万'; }}
        }}
      }},
      x: {{
        grid: {{ display: false }},
        ticks: {{ maxTicksLimit: 12 }}
      }}
    }}
  }}
}});
</script>
</body>
</html>'''

    output_file = os.path.join(strategy_dir, 'backtest_report.html')
    with open(output_file, 'w', encoding='utf-8') as f:
        f.write(html)
    print(f'HTML报告已生成: {output_file}')


if __name__ == '__main__':
    generate_report()

5.4 HTML 报告生成执行

回测完成后（main.py --mode backtest 执行结束），使用以下命令生成报告：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" "<策略目录>/generate_report.py"

注意：

generate_report.py 会自动从 backtest_results/ 目录读取最新的回测记录 JSON，无需手动指定文件路径
必须在回测完成后再执行此脚本，否则 backtest_results/ 目录中没有数据

5.5 HTML 报告设计规范

规范	说明
配色	深色主题（#0f172a 背景），与项目现有优化报告风格一致
图表库	Chart.js 4.x（CDN加载）
响应式	支持不同屏幕宽度，卡片网格自适应
数据来源	全部从 `backtest_results/` 目录最新 JSON 读取，不硬编码
文件大小	控制在 500KB 以内（权益曲线数据采样如果超过1000点则降采样）

数据接口映射

策略文档中的自然语言描述需要映射到项目中已有的数据接口。

选股策略可用接口

文档常见描述	对应项目 API	代码示例
股息率、分红	`self.get_dividend_yield(stock)`	`dy = self.get_dividend_yield('000001.SZ')`
ROE	`self.get_financial_field(stock, 'Pershareindex', 'du_return_on_equity')`	`roe = self.get_financial_field(s, 'Pershareindex', 'du_return_on_equity')`
EPS	`self.get_financial_field(stock, 'Pershareindex', 'eps_diluted')`	`eps = self.get_financial_field(s, 'Pershareindex', 'eps_diluted')`
营收增速	`self.get_financial_field(stock, 'Pershareindex', 'inc_net_profit_rate')`	`growth = self.get_financial_field(s, 'Pershareindex', 'inc_net_profit_rate')`
每股经营现金流	`self.get_financial_field(stock, 'Pershareindex', 's_fa_ocfps')`	`ocf = self.get_financial_field(s, 'Pershareindex', 's_fa_ocfps')`
批量财务数据	`self.get_financial_fields_batch(stocks, table, fields)`	`data = self.get_financial_fields_batch(pool, 'Pershareindex', ['eps_diluted', 'du_return_on_equity'])`
行业分类	`self.get_industry(stock)`	`industry = self.get_industry('000001.SZ')`
同比增长率	`self.compute_growth_rate(stock, table, field)`	`growth = self.compute_growth_rate(s, 'Income', 'total_operate_income')`
股票筛选	`self.screen_stocks(condition, pool)`	`selected = self.screen_stocks(lambda s: (self.get_financial_field(s, 'Pershareindex', 'eps_diluted') or 0) > 0.5)`
排序选股	`self.rank_stocks(score_func, pool, top_n)`	`ranked = self.rank_stocks(score_func, top_n=10)`
当前价格	`self.get_current_price(stock)`	`price = self.get_current_price('000001.SZ')`
收盘价序列	`self.get_close_prices(stock, period)`	`closes = self.get_close_prices('000001.SZ', 20)`
OHLCV数据	`self.get_ohlcv_data(stock, period)`	`ohlcv = self.get_ohlcv_data('000001.SZ', 20)`
股票池	`self.get_stock_pool()`	`pool = self.get_stock_pool()`
历史派息	`self.get_dvps_history(stock, count)`	`dvps = self.get_dvps_history('000001.SZ', 3)`
行业映射	`self.get_industry_mapping()`	`mapping = self.get_industry_mapping()`

择时策略可用接口

文档常见描述	对应项目 API	代码示例
收盘价序列	`self.get_close_prices(symbol, period)`	`closes = self.get_close_prices(symbol, 20)`
当前价格	`self.get_current_price(symbol)`	`price = self.get_current_price(symbol)`
OHLCV数据	`self.get_ohlcv_data(symbol, period)`	`ohlcv = self.get_ohlcv_data(symbol, 20)`
持仓查询	`self.get_position_size(symbol)`	`pos = self.get_position_size(symbol)`
可用资金	`self.get_cash()`	`cash = self.get_cash()`
当前日期	`self.get_current_date()`	`date = self.get_current_date()`
买入	`self.buy(symbol, price, volume)`	`self.buy(symbol, price, 100)`
卖出	`self.sell(symbol, price, volume)`	`self.sell(symbol, price, 100)`
标的列表	`self.get_symbols()`	`symbols = self.get_symbols()`

财务数据表名与字段参考

表名 (table_name)	常用字段	说明
`Pershareindex`	`eps_diluted`, `du_return_on_equity`, `inc_net_profit_rate`, `s_fa_ocfps`, `bps`	每股指标
`Income`	`total_operate_income`, `operate_income`, `total_profit`, `net_profit`	利润表
`Balance`	`total_assets`, `total_liability`, `total_equity`	资产负债表
`Cashflow`	`net_operate_cash_flow`, `net_invest_cash_flow`	现金流量表

不确定字段名时：查阅项目中的 core/financial_data.py 确认可用字段。

常见策略逻辑的代码实现参考

均线计算

closes = self.get_close_prices(symbol, period + 1)
if len(closes) >= period:
    ma = sum(closes[-period:]) / period

波动率计算

closes = self.get_close_prices(symbol, 21)
if len(closes) >= 2:
    returns = [(closes[i] - closes[i-1]) / closes[i-1] for i in range(1, len(closes))]
    volatility = (sum(r**2 for r in returns) / len(returns)) ** 0.5

RSI 计算

closes = self.get_close_prices(symbol, period + 1)
if len(closes) >= period + 1:
    gains = []
    losses = []
    for i in range(1, len(closes)):
        change = closes[i] - closes[i-1]
        gains.append(max(change, 0))
        losses.append(max(-change, 0))
    avg_gain = sum(gains[-period:]) / period
    avg_loss = sum(losses[-period:]) / period
    if avg_loss == 0:
        rsi = 100
    else:
        rs = avg_gain / avg_loss
        rsi = 100 - (100 / (1 + rs))

行业分散选股

from collections import defaultdict

industry_stocks = defaultdict(list)
for stock, score in scored_stocks:
    industry = self.get_industry(stock) or '未知'
    industry_stocks[industry].append((stock, score))

selected = []
for industry, stocks in industry_stocks.items():
    stocks.sort(key=lambda x: x[1], reverse=True)
    selected.append(stocks[0])

等权调仓

由 StockSelectionStrategy.rebalance_to() 自动处理，策略只需返回目标持仓列表。

动量排名

def calc_momentum(stock, period=20):
    closes = self.get_close_prices(stock, period + 1)
    if len(closes) >= period + 1 and closes[0] > 0:
        return (closes[-1] - closes[0]) / closes[0]
    return None

ranked = self.rank_stocks(
    lambda s: calc_momentum(s, 20),
    stock_pool=pool,
    top_n=10
)

错误处理

场景	处理方式
文件路径不存在	报错并提示用户检查路径
URL 无法访问	报错并提示用户检查链接，建议改用本地文件
PDF/Word 提取库未安装	提示用户安装：`pip install pdfplumber` 或 `pip install python-docx`
策略逻辑不清晰或矛盾	列出已理解的内容，询问用户确认或补充
文档中的指标项目不支持	用最接近的替代方案，并告知用户差异
回测运行报错	分析错误原因，修复代码后重试，最多重试3次
策略类型无法判断	询问用户选择策略基类
财务数据字段不确定	查阅 `core/financial_data.py` 确认可用字段
策略注册名与已有策略冲突	在名称后加数字后缀或使用更具体的描述
回测结果为空	检查数据源、日期范围、股票池配置

核心原则

忠实原文：策略逻辑应忠实于文档描述，不擅自添加文档未提及的逻辑
项目约定：严格遵循项目的代码风格、注册机制、目录结构
参数可调：所有关键阈值都应定义为 params，而非硬编码
批量优先：涉及多只股票的财务数据查询，使用 get_financial_fields_batch 而非循环单查
防御性编程：所有外部数据获取都应处理 None 返回值
日志完善：关键决策点（选股结果、调仓操作）都应有日志输出
先跑通再优化：先生成能跑通的基础版本，回测成功后再考虑优化
与 strategy-optimizer 衔接：策略生成后，可调用 strategy-optimizer 技能进行系统性优化

与现有技能的关系

技能	职责	关系
`strategy-generator`（本技能）	从文档生成新策略	"从0到1"
`strategy-optimizer`	优化已有策略性能	"从1到优"

典型工作流：用户用 strategy-generator 生成策略 → 回测验证 → 自动生成 readme.md + HTML报告 → 用 strategy-optimizer 优化性能。

name	strategy-generator
description	从策略文档（Markdown/PDF/Word/URL）自动理解策略逻辑，在本项目中生成可运行的量化策略代码，并完成回测。当用户提供策略文档、URL链接或策略描述，要求实现量化策略时调用此技能。

策略生成器

从策略文档自动理解策略逻辑，在 qmt_backtrader 框架中生成可运行的量化策略代码，并完成回测。

环境配置

Python 运行环境（通过 PowerShell 动态获取系统 Python 环境）：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
if (-not (Test-Path $pythonPath)) {
    $pythonPath = (Get-ChildItem "$env:USERPROFILE\AppData\Local\Programs\Python\Python*" -Directory |
        Sort-Object Name -Descending | Select-Object -First 1).FullName + "\python.exe"
}

所有回测、脚本、pip 安装等 Python 操作必须使用动态获取的 Python 路径
示例：& "$pythonPath" main.py --mode backtest ...
如需指定完整路径而非使用 PATH 中的 Python，可通过 sys.executable 或上述脚本获取后调用
项目根目录：e:\jupyter notebook\automatic\qmt_backtrader

调用时机

当用户出现以下情况时调用此技能：

提供策略文档路径（Markdown/PDF/Word），要求实现策略
提供 URL 链接，要求根据网页内容实现策略
直接粘贴策略描述文本，要求实现
说"根据这个文档写策略"、"实现这个策略"、"帮我回测这个策略"等

核心工作流

阶段一：文档读取与策略理解

1.1 输入处理

根据输入类型选择读取方式：

输入类型	识别方式	处理方法
本地 Markdown (`.md`)	路径以 `.md` 结尾	使用 Read 工具直接读取
本地 PDF (`.pdf`)	路径以 `.pdf` 结尾	使用 Python 脚本提取文本（见下方"PDF提取脚本"）
本地 Word (`.docx`/`.doc`)	路径以 `.docx`/`.doc` 结尾	使用 Python 脚本提取文本（见下方"Word提取脚本"）
本地纯文本 (`.txt`)	路径以 `.txt` 结尾	使用 Read 工具直接读取
URL 链接	以 `http://` 或 `https://` 开头	使用 WebFetch 工具抓取，自动转为 markdown
直接粘贴文本	无文件路径特征	直接使用文本内容

PDF 提取脚本：

import sys
try:
    import pdfplumber
    with pdfplumber.open(sys.argv[1]) as pdf:
        for page in pdf.pages:
            text = page.extract_text()
            if text:
                print(text)
except ImportError:
    try:
        from PyPDF2 import PdfReader
        reader = PdfReader(sys.argv[1])
        for page in reader.pages:
            text = page.extract_text()
            if text:
                print(text)
    except ImportError:
        print("ERROR: 需要安装 pdfplumber 或 PyPDF2: pip install pdfplumber", file=sys.stderr)
        sys.exit(1)

运行方式：使用 $pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"; & "$pythonPath" -c "<上述脚本>" <pdf文件路径>

Word 提取脚本：

import sys
try:
    from docx import Document
    doc = Document(sys.argv[1])
    for para in doc.paragraphs:
        if para.text.strip():
            print(para.text)
except ImportError:
    print("ERROR: 需要安装 python-docx: pip install python-docx", file=sys.stderr)
    sys.exit(1)

运行方式：使用 $pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"; & "$pythonPath" -c "<上述脚本>" <docx文件路径>

1.2 策略要素提取

从文档内容中提取以下关键策略要素：

要素	说明	提取方法
策略类型	选股调仓型 vs 择时/轮动型	根据关键词判断（见1.3）
选股/交易逻辑	买卖条件、指标计算、信号生成规则	识别条件语句、公式、规则描述
参数定义	可调参数及其默认值	识别数值参数、阈值、周期等
数据需求	需要哪些行情数据、财务数据	识别指标名称、数据字段
调仓规则	调仓频率、仓位管理方式	识别"月度/周/季度调仓"、"等权"等
风控规则	止损、止盈、仓位限制	识别"止损X%"、"最大回撤"等
回测配置	资金、日期范围、股票池	识别回测区间、初始资金等

1.3 策略类型自动判断

文档特征	判断为	基类
提到"选股"、"股票池"、"调仓"、"持仓组合"、"等权"	选股调仓型	`StockSelectionStrategy`
提到"轮动"、"择时"、"均线交叉"、"买卖信号"、"金叉死叉"	择时/轮动型	`StrategyLogic`
提到"ETF轮动"、"标的切换"、"动量轮动"	择时/轮动型	`StrategyLogic`
同时包含选股和择时特征	优先选股调仓型	`StockSelectionStrategy`
无法明确判断	询问用户选择	-

阶段二：策略代码生成

2.1 策略命名规则

根据策略核心逻辑生成有意义的英文注册名，参考现有策略命名风格：

策略逻辑	推荐命名	示例
高股息选股	`high_dividend`	已有
小市值选股	`small_cap`	已有
ETF动量轮动	`etf_rotation`	已有
低波动率选股	`low_volatility`	-
质量因子选股	`quality_factor`	-
价值成长选股	`value_growth`	-
双均线择时	`double_ma`	已有
多因子选股	`multi_factor`	-
行业轮动	`sector_rotation`	-
动量策略	`momentum`	-

命名原则：

使用小写英文 + 下划线
2-3个词，简洁明确
体现策略核心逻辑而非具体参数
避免与已有策略重名（检查 strategies/、strategies_for_vip/ 和 strategies_my/ 目录）

2.2 策略目录位置

场景	目录
默认	`strategies_my/<strategy_name>_strategy/`
用户指定放系统目录	`strategies/<strategy_name>_strategy/`
用户指定放 VIP 目录	`strategies_for_vip/<strategy_name>_strategy/`

2.3 StockSelectionStrategy 代码模板（选股调仓型）

from typing import List
from core.stock_selection import StockSelectionStrategy
from strategies import register_strategy


@register_strategy('<strategy_name>',
                   default_kwargs={'max_stocks': <N>},
                   backtest_config={'cash': 1000000, 'commission': 0.0001,
                                    'start_date': '2020-04-28', 'end_date': '2026-04-28',
                                    'period': '1d', 'pool': '<股票池>'})
class <StrategyName>Strategy(StockSelectionStrategy):
    """<策略中文名> - <一句话描述>

    选股逻辑：
    1. <步骤1>
    2. <步骤2>
    3. <步骤3>

    调仓规则：
    - <调仓频率>调仓，等权重持仓
    """

    params = (
        ('rebalance_freq', '<freq>'),
        ('max_stocks', <N>),
        ('position_ratio', 0.95),
        ('stock_pool', None),
    )

    def select_stocks(self) -> List[str]:
        pool = self.get_stock_pool()

        # 步骤1: 基本面/技术面过滤
        filtered = self._filter_<filter_name>(pool)
        if not filtered:
            self.log(f'过滤后无股票')
            return []

        # 步骤2: 排序/评分
        scored = self._score_stocks(filtered)

        # 步骤3: 取前N只
        max_stocks = self.params.max_stocks
        selected = [stock for stock, _ in scored[:max_stocks]]

        self.log(f'选股结果: {len(pool)} -> {len(filtered)} -> {len(selected)} 只')
        return selected

    def _filter_<filter_name>(self, pool: List[str]) -> List[str]:
        result = []
        for stock in pool:
            # 过滤逻辑
            pass
        return result

    def _score_stocks(self, stocks: List[str]) -> list:
        scored = []
        for stock in stocks:
            # 评分逻辑
            score = 0
            scored.append((stock, score))
        scored.sort(key=lambda x: x[1], reverse=True)
        return scored

2.4 StrategyLogic 代码模板（择时/轮动型）

from core.strategy_logic import StrategyLogic, BarData, OrderInfo, TradeInfo
from strategies import register_strategy


@register_strategy('<strategy_name>',
                   backtest_config={'cash': 200000, 'commission': 0.0005,
                                    'start_date': '2020-04-28', 'end_date': '2026-04-28',
                                    'period': '1d'})
class <StrategyName>Strategy(StrategyLogic):
    """<策略中文名> - <一句话描述>

    交易逻辑：
    1. <条件1>时买入
    2. <条件2>时卖出
    """

    params = (
        ('<param1>', <default1>),
        ('<param2>', <default2>),
    )

    def on_bar(self, bar: BarData):
        # 获取数据
        # 判断信号
        # 执行交易
        pass

    def on_order(self, order: OrderInfo):
        super().on_order(order)

    def on_trade(self, trade: TradeInfo):
        super().on_trade(trade)

2.5 输出目录结构

strategies_my/<strategy_name>_strategy/     (或 strategies/<strategy_name>_strategy/、strategies_for_vip/<strategy_name>_strategy/)
├── __init__.py                          # 空文件
├── <strategy_name>_strategy.py          # 策略主文件
├── generate_report.py                   # HTML报告生成脚本（阶段五创建）
├── readme.md                            # 策略说明文档（阶段四生成，含回测结果）
├── backtest_report.html                 # HTML回测报告（阶段五生成，可视化展示）
└── backtest_results/                    # 回测结果目录（回测时自动生成）
    └── <timestamp>_<strategy_name>.json # 回测记录JSON（含meta/config/metrics/trade_log/equity_curve）

阶段三：回测配置与执行

3.1 回测配置提取

从文档中提取回测配置，缺失项使用默认值：

配置项	选股策略默认值	择时策略默认值	提取来源
初始资金 (cash)	1,000,000	200,000	文档中的"初始资金"、"资金量"
佣金 (commission)	0.0001	0.0005	文档中的"手续费"、"佣金"
股票池 (pool)	中证1000	-	文档中的"股票池"、"选股范围"
回测起始 (start_date)	2020-04-28	2020-04-28	文档中的"回测区间"
回测结束 (end_date)	2026-04-28	2026-04-28	文档中的"回测区间"
基准 (benchmark)	自动根据股票池	000300.SH	文档中的"基准"、"对比指数"

3.2 回测执行

使用 main.py 命令行方式执行回测，不要创建独立的 run_backtest.py 脚本。

命令格式：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy <strategy_name> --period 1d --pool <股票池> --start <起始日期> --end <结束日期> --ai-mode

参数说明：

参数	说明	示例
`--mode backtest`	回测模式（固定）	`--mode backtest`
`--strategy`	策略名称（注册名）	`--strategy twenty_eight_rotation`
`--period`	数据周期	`--period 1d`
`--pool`	股票池板块名称	`--pool 中证全指`
`--start`	回测起始日期	`--start 2020-04-28`
`--end`	回测结束日期	`--end 2026-04-28`
`--ai-mode`	AI模式，跳过图形界面（必须加）	`--ai-mode`
`--debug`	调试模式（可选，输出详细日志）	`--debug`
`--no-record`	禁用回测记录（不要加，需要记录结果）	-

选股策略示例：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy undervalued --period 1d --pool 中证1000 --start 2020-04-28 --end 2026-04-28 --ai-mode

择时/轮动策略示例：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" main.py --mode backtest --strategy twenty_eight_rotation --period 1d --pool 中证全指 --start 2020-04-28 --end 2026-04-28 --ai-mode

关键规则：

必须加 --ai-mode，跳过图形界面渲染
不要加 --no-record，让回测结果自动保存到策略目录下的 backtest_results/ 文件夹
回测完成后，backtest_results/ 目录下会自动生成 <timestamp>_<strategy_name>.json，包含完整的 meta、config、metrics、trade_log、equity_curve 数据
阶段四和阶段五的报告生成均从 backtest_results/ 中读取最新的回测记录
命令必须在项目根目录 e:\jupyter notebook\automatic\qmt_backtrader 下执行

3.3 回测结果报告

回测完成后，向用户报告以下核心指标：

指标	说明
夏普比率	风险调整后收益
总收益率	策略总回报
年化收益率	年化后的收益率
最大回撤	最大峰谷回撤
索提诺比率	下行风险调整后收益
最终权益	回测结束时的账户权益

阶段四：自动生成 readme.md

回测完成后，必须自动生成策略目录下的 readme.md 文件，包含策略说明和回测结果。

4.1 生成时机

回测执行完成后，从 backtest_results/ 目录读取最新的回测记录 JSON
使用最新 JSON 中的 metrics 和 config 数据填充回测结果部分
如果 backtest_results/ 目录不存在或为空，仍生成 readme.md 但标注"回测未完成"

4.2 读取最新回测记录

import os
import json
import glob

def get_latest_backtest_result(strategy_dir):
    """从 backtest_results/ 目录读取最新的回测结果JSON"""
    results_dir = os.path.join(strategy_dir, 'backtest_results')
    if not os.path.isdir(results_dir):
        return None
    json_files = sorted(glob.glob(os.path.join(results_dir, '*.json')))
    if not json_files:
        return None
    latest_file = json_files[-1]  # 按文件名排序，最新的在最后
    with open(latest_file, 'r', encoding='utf-8') as f:
        return json.load(f)

4.3 readme.md 模板（选股调仓型）

# <策略中文名>

## 策略概述

<策略的核心思想和目标>

## 选股逻辑

1. <步骤1>
2. <步骤2>
3. <步骤3>

## 调仓规则

- <调仓频率>调仓，等权重持仓
- 最多持仓 <N> 只股票
- 仓位比例 <ratio>%

## 参数说明

| 参数 | 默认值 | 说明 |
|------|--------|------|
| rebalance_freq | <freq> | 调仓频率 |
| max_stocks | <N> | 最大持仓数量 |
| position_ratio | <ratio> | 仓位比例 |

## 回测结果（<股票池>，<起始日期> ~ <结束日期>）

| 指标 | 数值 |
|------|------|
| 初始资金 | <initial_capital> |
| 最终权益 | <final_value> |
| 总收益率 | <total_return_pct>% |
| 年化收益率 | <annual_return_pct>% |
| 夏普比率 | <sharpe_ratio> |
| 索提诺比率 | <sortino_ratio> |
| 最大回撤 | <max_drawdown_pct>% |
| 交易天数 | <total_trading_days> |
| 盈利天数 / 亏损天数 | <win_days> / <loss_days> |
| 胜率（日） | <win_rate_pct>% |
| 总手续费 | <fee> |
| 换手额 | <turnover> |

## 回测配置

- 初始资金: <initial_capital>
- 股票池: <pool>
- 回测区间: <start_date> ~ <end_date>
- 基准指数: <benchmark>
- 佣金: <commission>

## 快速开始

```bash
python main.py --mode backtest --strategy <strategy_name> --period 1d --pool <股票池> --start <起始日期> --end <结束日期> --ai-mode --no-record

数据来源

<数据来源说明>


#### 4.4 readme.md 模板（择时/轮动型）

```markdown
# <策略中文名>

## 策略概述

<策略的核心思想和目标>

## 交易逻辑

1. <条件1>时买入
2. <条件2>时卖出

## 参数说明

| 参数 | 默认值 | 说明 |
|------|--------|------|
| <param1> | <default1> | <说明1> |
| <param2> | <default2> | <说明2> |

## 回测结果（<起始日期> ~ <结束日期>）

| 指标 | 数值 |
|------|------|
| 初始资金 | <initial_capital> |
| 最终权益 | <final_value> |
| 总收益率 | <total_return_pct>% |
| 年化收益率 | <annual_return_pct>% |
| 夏普比率 | <sharpe_ratio> |
| 索提诺比率 | <sortino_ratio> |
| 最大回撤 | <max_drawdown_pct>% |
| 交易天数 | <total_trading_days> |
| 盈利天数 / 亏损天数 | <win_days> / <loss_days> |
| 胜率（日） | <win_rate_pct>% |
| 总手续费 | <fee> |
| 换手额 | <turnover> |

## 回测配置

- 初始资金: <initial_capital>
- 回测区间: <start_date> ~ <end_date>
- 基准指数: <benchmark>
- 佣金: <commission>

## 快速开始

```bash
python main.py --mode backtest --strategy <strategy_name> --period 1d --start <起始日期> --end <结束日期> --ai-mode --no-record

数据来源

<数据来源说明>


#### 4.5 生成方式

读取 `backtest_results/` 目录下最新的回测记录 JSON，从中提取 `metrics` 和 `config` 字段替换模板中的占位符，写入策略目录下的 `readme.md`。

**回测记录 JSON 结构参考**：

```json
{
  "meta": {
    "run_id": "20260516_175424_undervalued",
    "strategy_name": "undervalued",
    "timestamp": "2026-05-16T17:54:24",
    "framework_version": "1.0"
  },
  "config": {
    "cash": 1000000,
    "commission": 0.0013,
    "start_date": "2020-04-28",
    "end_date": "2026-04-28",
    "period": "1d",
    "pool": "中证1000",
    "benchmark": "000852.SH"
  },
  "metrics": {
    "initial_capital": 1000000,
    "final_value": 1866891.37,
    "total_profit": 866891.37,
    "total_return_pct": 86.69,
    "fee": 37099.86,
    "sharpe_ratio": 0.677,
    "max_drawdown_pct": -29.63,
    "annual_return_pct": 11.43,
    "total_trading_days": 1454,
    "win_days": 770,
    "loss_days": 683,
    "turnover": 28538353.83,
    "total_volume": 3302500
  },
  "trade_log": [...],
  "equity_curve": [...]
}

字段映射：

readme.md 占位符	JSON 路径	说明
`<initial_capital>`	`metrics.initial_capital`	初始资金
`<final_value>`	`metrics.final_value`	最终权益
`<total_return_pct>`	`metrics.total_return_pct`	总收益率(%)
`<annual_return_pct>`	`metrics.annual_return_pct`	年化收益率(%)
`<sharpe_ratio>`	`metrics.sharpe_ratio`	夏普比率
`<max_drawdown_pct>`	`metrics.max_drawdown_pct`	最大回撤(%)
`<total_trading_days>`	`metrics.total_trading_days`	交易天数
`<win_days>`	`metrics.win_days`	盈利天数
`<loss_days>`	`metrics.loss_days`	亏损天数
`<fee>`	`metrics.fee`	总手续费
`<turnover>`	`metrics.turnover`	换手额
`<pool>`	`config.pool`	股票池
`<start_date>`	`config.start_date`	回测起始日期
`<end_date>`	`config.end_date`	回测结束日期
`<benchmark>`	`config.benchmark`	基准指数
`<commission>`	`config.commission`	佣金

关键规则：

所有 <placeholder> 必须用实际数据替换，不得留空
回测结果表格中的数值直接从最新回测记录 JSON 的 metrics 和 config 读取
如果 backtest_results/ 目录不存在或为空，标注"回测未完成"
readme.md 写入策略目录根级，与策略 .py 文件同级

阶段五：自动生成 HTML 回测报告

回测完成后，必须自动生成策略目录下的 backtest_report.html 文件，提供可视化的策略回测结果展示。

5.1 生成时机

紧接 readme.md 生成之后执行
从 backtest_results/ 目录读取最新的回测记录 JSON
如果 backtest_results/ 目录不存在或为空，跳过此阶段

5.2 HTML 报告内容

报告包含以下模块：

模块	内容	数据来源
策略概览	策略名称、回测区间、股票池	`meta` + `config` 字段
核心指标卡片	总收益率、年化收益率、夏普比率、最大回撤、胜率等	`metrics` 字段
权益曲线图	策略净值随时间变化	`equity_curve` 数组
月度收益热力图	按年月展示月度收益率	从 `equity_curve` 计算
交易记录表	最近50条交易明细	`trade_log` 数组
策略参数表	策略使用的参数	`config` + `strategy_params` 字段

5.3 HTML 报告生成脚本

在策略目录下创建 generate_report.py，内容如下：

import os
import sys
import json
import glob

PROJECT_ROOT = os.path.dirname(os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))))
sys.path.insert(0, PROJECT_ROOT)


def get_latest_backtest_result(strategy_dir):
    """从 backtest_results/ 目录读取最新的回测结果JSON"""
    results_dir = os.path.join(strategy_dir, 'backtest_results')
    if not os.path.isdir(results_dir):
        return None
    json_files = sorted(glob.glob(os.path.join(results_dir, '*.json')))
    if not json_files:
        return None
    latest_file = json_files[-1]
    with open(latest_file, 'r', encoding='utf-8') as f:
        return json.load(f)


def _heatmap_color(value):
    """根据月度收益率返回背景色"""
    if value is None:
        return 'rgba(148, 163, 184, 0.05)'
    if value > 5:
        return 'rgba(52, 211, 153, 0.7)'
    if value > 2:
        return 'rgba(52, 211, 153, 0.4)'
    if value > 0:
        return 'rgba(52, 211, 153, 0.2)'
    if value > -2:
        return 'rgba(248, 113, 113, 0.2)'
    if value > -5:
        return 'rgba(248, 113, 113, 0.4)'
    return 'rgba(248, 113, 113, 0.7)'


def _heatmap_text_color(value):
    """根据月度收益率返回文字色"""
    if value is None:
        return 'transparent'
    if abs(value) > 2:
        return '#fff'
    return '#94a3b8'


def generate_report():
    strategy_dir = os.path.dirname(os.path.abspath(__file__))
    data = get_latest_backtest_result(strategy_dir)

    if not data:
        print(f"未找到回测结果，跳过报告生成")
        return

    # 从回测记录JSON中提取数据
    meta = data.get('meta', {})
    config = data.get('config', {})
    metrics = data.get('metrics', {})
    trade_log = data.get('trade_log', [])
    equity_curve = data.get('equity_curve', [])
    strategy_params = data.get('strategy_params', {})

    strategy_name = meta.get('strategy_name', 'unknown')
    strategy_cn_name = '<策略中文名>'
    start_date = config.get('start_date', '')
    end_date = config.get('end_date', '')
    pool = config.get('pool', '')
    benchmark = config.get('benchmark', '000300.SH')
    commission = config.get('commission', 0)

    initial_capital = metrics.get('initial_capital', 0)
    final_value = metrics.get('final_value', 0)
    total_return_pct = metrics.get('total_return_pct', 0)
    annual_return_pct = metrics.get('annual_return_pct', 0)
    sharpe_ratio = metrics.get('sharpe_ratio', 0)
    max_drawdown_pct = metrics.get('max_drawdown_pct', 0)
    total_trading_days = metrics.get('total_trading_days', 0)
    win_days = metrics.get('win_days', 0)
    loss_days = metrics.get('loss_days', 0)
    win_rate_pct = round(win_days / (win_days + loss_days) * 100, 1) if (win_days + loss_days) > 0 else 0
    turnover = metrics.get('turnover', 0)
    fee = metrics.get('fee', 0)
    total_profit = metrics.get('total_profit', 0)

    # 计算月度收益率（从 equity_curve）
    monthly_returns = {}
    if equity_curve:
        monthly_values = {}
        for item in equity_curve:
            ym = item['date'][:7]
            monthly_values[ym] = item['portfolio_value']
        sorted_months = sorted(monthly_values.keys())
        for i in range(1, len(sorted_months)):
            prev_val = monthly_values[sorted_months[i - 1]]
            curr_val = monthly_values[sorted_months[i]]
            if prev_val > 0:
                ret = (curr_val - prev_val) / prev_val * 100
                monthly_returns[sorted_months[i]] = round(ret, 2)

    # 月度热力图数据
    heatmap_years = sorted(set(ym[:4] for ym in monthly_returns.keys()))
    heatmap_months_labels = [f'{i}月' for i in range(1, 13)]
    heatmap_data = []
    for year in heatmap_years:
        row = []
        for month in range(1, 13):
            ym = f'{year}-{month:02d}'
            row.append(monthly_returns.get(ym, None))
        heatmap_data.append(row)

    # 交易记录表格（最近50条）
    recent_trades = trade_log[-50:] if len(trade_log) > 50 else trade_log
    trade_rows = ""
    for t in recent_trades:
        direction = '买入' if t.get('direction') == '0' else '卖出'
        dir_class = 'trade-buy' if direction == '买入' else 'trade-sell'
        pnl_val = t.get('pnl', 0)
        pnl_class = 'up' if pnl_val > 0 else ('down' if pnl_val < 0 else '')
        pnl_str = f'{pnl_val:+.2f}' if pnl_val != 0 else '-'
        trade_time = t.get('trade_time', '')[:10]
        trade_rows += f'''<tr>
            <td>{trade_time}</td>
            <td>{t.get('instrument_id', '')}</td>
            <td class="{dir_class}">{direction}</td>
            <td>{t.get('trade_price', 0):.2f}</td>
            <td>{t.get('volume', 0)}</td>
            <td class="{pnl_class}">{pnl_str}</td>
            <td>{t.get('memo', '')}</td>
        </tr>'''

    # 权益曲线数据
    equity_dates = json.dumps([d['date'] for d in equity_curve], ensure_ascii=False)
    equity_values = json.dumps([d['portfolio_value'] for d in equity_curve], ensure_ascii=False)

    # 热力图HTML片段（预先计算）
    heatmap_header_html = " ".join(f'<div class="heatmap-header">{m}</div>' for m in heatmap_months_labels)
    heatmap_body_html = ""
    for y, row in zip(heatmap_years, heatmap_data):
        heatmap_body_html += f'<div class="heatmap-label">{y}</div>'
        for v in row:
            bg = _heatmap_color(v)
            tc = _heatmap_text_color(v)
            text = f'{v:.1f}' if v is not None else ''
            heatmap_body_html += f'<div class="heatmap-cell" style="background:{bg};color:{tc}">{text}</div>'

    # 策略参数展示
    params_html = ""
    for k, v in strategy_params.items():
        if k in ('stock_pool', 'instrument_id', 'exchange', 'kline_style'):
            continue
        params_html += f'<div class="param-item"><span class="param-key">{k}</span><span class="param-val">{v}</span></div>'

    # 收益率颜色判断
    return_color = '#34d399' if total_return_pct > 0 else '#f87171'
    sharpe_color = '#34d399' if sharpe_ratio > 0 else '#f87171'

    html = f'''<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>{strategy_cn_name} - 回测报告</title>
<script src="https://cdn.jsdelivr.net/npm/chart.js@4.4.0/dist/chart.umd.min.js"></script>
<style>
* {{ margin: 0; padding: 0; box-sizing: border-box; }}
body {{ font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, 'Noto Sans SC', sans-serif; background: #0f172a; color: #e2e8f0; line-height: 1.6; }}
.container {{ max-width: 1200px; margin: 0 auto; padding: 40px 20px; }}
h1 {{ font-size: 2.2em; text-align: center; background: linear-gradient(135deg, #60a5fa, #a78bfa); -webkit-background-clip: text; -webkit-text-fill-color: transparent; }}
h2 {{ font-size: 1.4em; color: #60a5fa; margin: 40px 0 20px; border-bottom: 1px solid #1e293b; padding-bottom: 10px; }}
.subtitle {{ text-align: center; color: #94a3b8; margin-bottom: 40px; }}
.summary-cards {{ display: grid; grid-template-columns: repeat(auto-fit, minmax(180px, 1fr)); gap: 16px; margin: 30px 0; }}
.card {{ background: #1e293b; border-radius: 12px; padding: 20px; border: 1px solid #334155; }}
.card-label {{ font-size: 0.8em; color: #94a3b8; text-transform: uppercase; letter-spacing: 0.5px; }}
.card-value {{ font-size: 1.8em; font-weight: 700; margin: 6px 0; }}
.up {{ color: #34d399; }}
.down {{ color: #f87171; }}
.chart-box {{ background: #1e293b; border-radius: 12px; padding: 20px; border: 1px solid #334155; margin: 24px 0; }}
table {{ width: 100%; border-collapse: collapse; margin: 16px 0; background: #1e293b; border-radius: 12px; overflow: hidden; }}
th {{ background: #0f172a; color: #94a3b8; font-weight: 600; font-size: 0.85em; text-transform: uppercase; padding: 12px 14px; text-align: left; }}
td {{ padding: 10px 14px; border-top: 1px solid #334155; font-size: 0.9em; }}
.trade-buy {{ color: #34d399; font-weight: 600; }}
.trade-sell {{ color: #f87171; font-weight: 600; }}
.heatmap-grid {{ display: grid; grid-template-columns: 60px repeat(12, 1fr); gap: 3px; margin: 16px 0; }}
.heatmap-label {{ font-size: 0.75em; color: #94a3b8; display: flex; align-items: center; justify-content: flex-end; padding-right: 8px; }}
.heatmap-header {{ font-size: 0.7em; color: #94a3b8; text-align: center; padding: 4px; }}
.heatmap-cell {{ border-radius: 4px; text-align: center; font-size: 0.7em; font-weight: 600; padding: 6px 2px; min-height: 28px; display: flex; align-items: center; justify-content: center; }}
.params-grid {{ display: grid; grid-template-columns: repeat(auto-fill, minmax(250px, 1fr)); gap: 8px; }}
.param-item {{ background: #0f172a; border-radius: 8px; padding: 10px 14px; display: flex; justify-content: space-between; }}
.param-key {{ color: #94a3b8; font-size: 0.85em; }}
.param-val {{ color: #60a5fa; font-weight: 600; font-size: 0.85em; }}
</style>
</head>
<body>
<div class="container">

<h1>{strategy_cn_name}</h1>
<p class="subtitle">回测区间: {start_date} 至 {end_date} | 股票池: {pool or "默认"} | 基准: {benchmark}</p>

<h2>一、核心指标</h2>
<div class="summary-cards">
  <div class="card">
    <div class="card-label">总收益率</div>
    <div class="card-value" style="color:{return_color}">{total_return_pct:.2f}%</div>
  </div>
  <div class="card">
    <div class="card-label">年化收益率</div>
    <div class="card-value" style="color:{return_color}">{annual_return_pct:.2f}%</div>
  </div>
  <div class="card">
    <div class="card-label">夏普比率</div>
    <div class="card-value" style="color:{sharpe_color}">{sharpe_ratio:.4f}</div>
  </div>
  <div class="card">
    <div class="card-label">最大回撤</div>
    <div class="card-value down">{max_drawdown_pct:.2f}%</div>
  </div>
  <div class="card">
    <div class="card-label">日胜率</div>
    <div class="card-value">{win_rate_pct:.1f}%</div>
  </div>
</div>

<div class="summary-cards">
  <div class="card">
    <div class="card-label">初始资金</div>
    <div class="card-value" style="font-size:1.2em">{initial_capital:,.0f}</div>
  </div>
  <div class="card">
    <div class="card-label">最终权益</div>
    <div class="card-value" style="font-size:1.2em;color:{return_color}">{final_value:,.2f}</div>
  </div>
  <div class="card">
    <div class="card-label">总利润</div>
    <div class="card-value" style="font-size:1.2em;color:{return_color}">{total_profit:+,.2f}</div>
  </div>
  <div class="card">
    <div class="card-label">交易天数</div>
    <div class="card-value" style="font-size:1.2em">{total_trading_days}</div>
  </div>
  <div class="card">
    <div class="card-label">盈利/亏损天数</div>
    <div class="card-value" style="font-size:1.2em"><span class="up">{win_days}</span> / <span class="down">{loss_days}</span></div>
  </div>
  <div class="card">
    <div class="card-label">总手续费</div>
    <div class="card-value" style="font-size:1.2em">{fee:,.2f}</div>
  </div>
</div>

<h2>二、权益曲线</h2>
<div class="chart-box">
  <canvas id="chartEquity"></canvas>
</div>

<h2>三、月度收益热力图</h2>
<div class="chart-box">
  <div class="heatmap-grid">
    <div class="heatmap-header"></div>
    {heatmap_header_html}
    {heatmap_body_html}
  </div>
</div>

<h2>四、交易记录（最近50条）</h2>
<table>
  <thead>
    <tr><th>日期</th><th>标的</th><th>方向</th><th>价格</th><th>数量</th><th>盈亏</th><th>备注</th></tr>
  </thead>
  <tbody>{trade_rows or '<tr><td colspan="7" style="text-align:center;color:#94a3b8">暂无交易记录</td></tr>'}</tbody>
</table>

<h2>五、策略参数</h2>
<div class="params-grid">
  {params_html or '<div style="color:#94a3b8">无自定义参数</div>'}
</div>

</div>

<script>
Chart.defaults.color = '#94a3b8';
const gridColor = 'rgba(148, 163, 184, 0.1)';

new Chart(document.getElementById('chartEquity'), {{
  type: 'line',
  data: {{
    labels: {equity_dates},
    datasets: [{{
      label: '账户权益',
      data: {equity_values},
      borderColor: '#60a5fa',
      backgroundColor: 'rgba(96, 165, 250, 0.1)',
      borderWidth: 2,
      fill: true,
      pointRadius: 0,
      tension: 0.1
    }}]
  }},
  options: {{
    responsive: true,
    plugins: {{
      title: {{ display: true, text: '策略权益曲线' }},
      tooltip: {{
        callbacks: {{
          label: function(ctx) {{ return '权益: ' + ctx.parsed.y.toLocaleString(); }}
        }}
      }}
    }},
    scales: {{
      y: {{
        grid: {{ color: gridColor }},
        ticks: {{
          callback: function(v) {{ return (v/10000).toFixed(0) + '万'; }}
        }}
      }},
      x: {{
        grid: {{ display: false }},
        ticks: {{ maxTicksLimit: 12 }}
      }}
    }}
  }}
}});
</script>
</body>
</html>'''

    output_file = os.path.join(strategy_dir, 'backtest_report.html')
    with open(output_file, 'w', encoding='utf-8') as f:
        f.write(html)
    print(f'HTML报告已生成: {output_file}')


if __name__ == '__main__':
    generate_report()

5.4 HTML 报告生成执行

回测完成后（main.py --mode backtest 执行结束），使用以下命令生成报告：

$pythonPath = "$env:USERPROFILE\AppData\Local\Programs\Python\Python312\python.exe"
& "$pythonPath" "<策略目录>/generate_report.py"

注意：

generate_report.py 会自动从 backtest_results/ 目录读取最新的回测记录 JSON，无需手动指定文件路径
必须在回测完成后再执行此脚本，否则 backtest_results/ 目录中没有数据

5.5 HTML 报告设计规范

规范	说明
配色	深色主题（#0f172a 背景），与项目现有优化报告风格一致
图表库	Chart.js 4.x（CDN加载）
响应式	支持不同屏幕宽度，卡片网格自适应
数据来源	全部从 `backtest_results/` 目录最新 JSON 读取，不硬编码
文件大小	控制在 500KB 以内（权益曲线数据采样如果超过1000点则降采样）

数据接口映射

策略文档中的自然语言描述需要映射到项目中已有的数据接口。

选股策略可用接口

文档常见描述	对应项目 API	代码示例
股息率、分红	`self.get_dividend_yield(stock)`	`dy = self.get_dividend_yield('000001.SZ')`
ROE	`self.get_financial_field(stock, 'Pershareindex', 'du_return_on_equity')`	`roe = self.get_financial_field(s, 'Pershareindex', 'du_return_on_equity')`
EPS	`self.get_financial_field(stock, 'Pershareindex', 'eps_diluted')`	`eps = self.get_financial_field(s, 'Pershareindex', 'eps_diluted')`
营收增速	`self.get_financial_field(stock, 'Pershareindex', 'inc_net_profit_rate')`	`growth = self.get_financial_field(s, 'Pershareindex', 'inc_net_profit_rate')`
每股经营现金流	`self.get_financial_field(stock, 'Pershareindex', 's_fa_ocfps')`	`ocf = self.get_financial_field(s, 'Pershareindex', 's_fa_ocfps')`
批量财务数据	`self.get_financial_fields_batch(stocks, table, fields)`	`data = self.get_financial_fields_batch(pool, 'Pershareindex', ['eps_diluted', 'du_return_on_equity'])`
行业分类	`self.get_industry(stock)`	`industry = self.get_industry('000001.SZ')`
同比增长率	`self.compute_growth_rate(stock, table, field)`	`growth = self.compute_growth_rate(s, 'Income', 'total_operate_income')`
股票筛选	`self.screen_stocks(condition, pool)`	`selected = self.screen_stocks(lambda s: (self.get_financial_field(s, 'Pershareindex', 'eps_diluted') or 0) > 0.5)`
排序选股	`self.rank_stocks(score_func, pool, top_n)`	`ranked = self.rank_stocks(score_func, top_n=10)`
当前价格	`self.get_current_price(stock)`	`price = self.get_current_price('000001.SZ')`
收盘价序列	`self.get_close_prices(stock, period)`	`closes = self.get_close_prices('000001.SZ', 20)`
OHLCV数据	`self.get_ohlcv_data(stock, period)`	`ohlcv = self.get_ohlcv_data('000001.SZ', 20)`
股票池	`self.get_stock_pool()`	`pool = self.get_stock_pool()`
历史派息	`self.get_dvps_history(stock, count)`	`dvps = self.get_dvps_history('000001.SZ', 3)`
行业映射	`self.get_industry_mapping()`	`mapping = self.get_industry_mapping()`

择时策略可用接口

文档常见描述	对应项目 API	代码示例
收盘价序列	`self.get_close_prices(symbol, period)`	`closes = self.get_close_prices(symbol, 20)`
当前价格	`self.get_current_price(symbol)`	`price = self.get_current_price(symbol)`
OHLCV数据	`self.get_ohlcv_data(symbol, period)`	`ohlcv = self.get_ohlcv_data(symbol, 20)`
持仓查询	`self.get_position_size(symbol)`	`pos = self.get_position_size(symbol)`
可用资金	`self.get_cash()`	`cash = self.get_cash()`
当前日期	`self.get_current_date()`	`date = self.get_current_date()`
买入	`self.buy(symbol, price, volume)`	`self.buy(symbol, price, 100)`
卖出	`self.sell(symbol, price, volume)`	`self.sell(symbol, price, 100)`
标的列表	`self.get_symbols()`	`symbols = self.get_symbols()`

财务数据表名与字段参考

表名 (table_name)	常用字段	说明
`Pershareindex`	`eps_diluted`, `du_return_on_equity`, `inc_net_profit_rate`, `s_fa_ocfps`, `bps`	每股指标
`Income`	`total_operate_income`, `operate_income`, `total_profit`, `net_profit`	利润表
`Balance`	`total_assets`, `total_liability`, `total_equity`	资产负债表
`Cashflow`	`net_operate_cash_flow`, `net_invest_cash_flow`	现金流量表

不确定字段名时：查阅项目中的 core/financial_data.py 确认可用字段。

常见策略逻辑的代码实现参考

均线计算

closes = self.get_close_prices(symbol, period + 1)
if len(closes) >= period:
    ma = sum(closes[-period:]) / period

波动率计算

closes = self.get_close_prices(symbol, 21)
if len(closes) >= 2:
    returns = [(closes[i] - closes[i-1]) / closes[i-1] for i in range(1, len(closes))]
    volatility = (sum(r**2 for r in returns) / len(returns)) ** 0.5

RSI 计算

closes = self.get_close_prices(symbol, period + 1)
if len(closes) >= period + 1:
    gains = []
    losses = []
    for i in range(1, len(closes)):
        change = closes[i] - closes[i-1]
        gains.append(max(change, 0))
        losses.append(max(-change, 0))
    avg_gain = sum(gains[-period:]) / period
    avg_loss = sum(losses[-period:]) / period
    if avg_loss == 0:
        rsi = 100
    else:
        rs = avg_gain / avg_loss
        rsi = 100 - (100 / (1 + rs))

行业分散选股

from collections import defaultdict

industry_stocks = defaultdict(list)
for stock, score in scored_stocks:
    industry = self.get_industry(stock) or '未知'
    industry_stocks[industry].append((stock, score))

selected = []
for industry, stocks in industry_stocks.items():
    stocks.sort(key=lambda x: x[1], reverse=True)
    selected.append(stocks[0])

等权调仓

由 StockSelectionStrategy.rebalance_to() 自动处理，策略只需返回目标持仓列表。

动量排名

def calc_momentum(stock, period=20):
    closes = self.get_close_prices(stock, period + 1)
    if len(closes) >= period + 1 and closes[0] > 0:
        return (closes[-1] - closes[0]) / closes[0]
    return None

ranked = self.rank_stocks(
    lambda s: calc_momentum(s, 20),
    stock_pool=pool,
    top_n=10
)

错误处理

场景	处理方式
文件路径不存在	报错并提示用户检查路径
URL 无法访问	报错并提示用户检查链接，建议改用本地文件
PDF/Word 提取库未安装	提示用户安装：`pip install pdfplumber` 或 `pip install python-docx`
策略逻辑不清晰或矛盾	列出已理解的内容，询问用户确认或补充
文档中的指标项目不支持	用最接近的替代方案，并告知用户差异
回测运行报错	分析错误原因，修复代码后重试，最多重试3次
策略类型无法判断	询问用户选择策略基类
财务数据字段不确定	查阅 `core/financial_data.py` 确认可用字段
策略注册名与已有策略冲突	在名称后加数字后缀或使用更具体的描述
回测结果为空	检查数据源、日期范围、股票池配置

核心原则

忠实原文：策略逻辑应忠实于文档描述，不擅自添加文档未提及的逻辑
项目约定：严格遵循项目的代码风格、注册机制、目录结构
参数可调：所有关键阈值都应定义为 params，而非硬编码
批量优先：涉及多只股票的财务数据查询，使用 get_financial_fields_batch 而非循环单查
防御性编程：所有外部数据获取都应处理 None 返回值
日志完善：关键决策点（选股结果、调仓操作）都应有日志输出
先跑通再优化：先生成能跑通的基础版本，回测成功后再考虑优化
与 strategy-optimizer 衔接：策略生成后，可调用 strategy-optimizer 技能进行系统性优化

与现有技能的关系

技能	职责	关系
`strategy-generator`（本技能）	从文档生成新策略	"从0到1"
`strategy-optimizer`	优化已有策略性能	"从1到优"

典型工作流：用户用 strategy-generator 生成策略 → 回测验证 → 自动生成 readme.md + HTML报告 → 用 strategy-optimizer 优化性能。

strategy-generator

同仓库更多 Skills

同仓库更多 Skills

策略生成器

环境配置

调用时机

核心工作流

阶段一：文档读取与策略理解

1.1 输入处理

1.2 策略要素提取

1.3 策略类型自动判断

阶段二：策略代码生成

2.1 策略命名规则

2.2 策略目录位置

2.3 StockSelectionStrategy 代码模板（选股调仓型）

2.4 StrategyLogic 代码模板（择时/轮动型）

2.5 输出目录结构

阶段三：回测配置与执行

3.1 回测配置提取

3.2 回测执行

3.3 回测结果报告

阶段四：自动生成 readme.md

4.1 生成时机

4.2 读取最新回测记录

4.3 readme.md 模板（选股调仓型）

数据来源

数据来源

阶段五：自动生成 HTML 回测报告

5.1 生成时机

5.2 HTML 报告内容

5.3 HTML 报告生成脚本

5.4 HTML 报告生成执行

5.5 HTML 报告设计规范

数据接口映射

选股策略可用接口

择时策略可用接口

财务数据表名与字段参考

常见策略逻辑的代码实现参考

均线计算

波动率计算

RSI 计算

行业分散选股

等权调仓

动量排名

错误处理

核心原则

与现有技能的关系

策略生成器

环境配置

调用时机

核心工作流

阶段一：文档读取与策略理解

1.1 输入处理

1.2 策略要素提取

1.3 策略类型自动判断

阶段二：策略代码生成

2.1 策略命名规则

2.2 策略目录位置

2.3 StockSelectionStrategy 代码模板（选股调仓型）

2.4 StrategyLogic 代码模板（择时/轮动型）

2.5 输出目录结构

阶段三：回测配置与执行

3.1 回测配置提取

3.2 回测执行

3.3 回测结果报告

阶段四：自动生成 readme.md

4.1 生成时机

4.2 读取最新回测记录

4.3 readme.md 模板（选股调仓型）

数据来源

数据来源

阶段五：自动生成 HTML 回测报告

5.1 生成时机

5.2 HTML 报告内容

5.3 HTML 报告生成脚本

5.4 HTML 报告生成执行

5.5 HTML 报告设计规范

数据接口映射

选股策略可用接口

择时策略可用接口