release: v1.17.9 — 修复回测交易统计离谱数值（前后端口径错配 + 持仓天数跨月放大）

- 交易盈亏指标改为收益率口径（avg_win/loss/max_win/loss = pnl/cost_basis）
- 平均持仓天数改用真实日历日相减（原 YYYYMMDD 整数差跨月放大）
- 盈亏比无亏损时记 999.0（原 0.0，与 100% 胜率自相矛盾）
- 新增 Trade.cost_basis 字段 + engine 填充
- 3 个回归守卫；870 单测全绿，ruff/mypy strict/前端 vue-tsc 通过

src/easy_tdx/backtest/engine.py

@@ -437,6 +437,8 @@ class BacktestEngine:
                     if position_size > 0:
                         avg_cost = position_cost / position_size
                         trade.pnl = (trade.price - avg_cost) * trade.size - trade.commission
+                        # 记录本次卖出对应的持仓成本基数，用于派生单笔收益率
+                        trade.cost_basis = avg_cost * trade.size
                         position_cost -= avg_cost * trade.size
                         position_size -= trade.size
                     else:
@@ -463,6 +465,7 @@ class BacktestEngine:
                     "commission",
                     "slippage",
                     "pnl",
+                    "cost_basis",
                     "rejected",
                 ]
             )
@@ -476,6 +479,7 @@ class BacktestEngine:
                 "commission": t.commission,
                 "slippage": t.slippage,
                 "pnl": t.pnl,
+                "cost_basis": t.cost_basis,
                 "rejected": t.rejected,
             }
             for t in trades

src/easy_tdx/backtest/performance.py

@@ -5,6 +5,7 @@
 
 from __future__ import annotations
 
+import datetime as _dt
 from collections import deque
 from typing import TYPE_CHECKING
 
@@ -138,6 +139,18 @@ class PerformanceAnalyzer:
         win_trades_mask = sell_trades["pnl"] > 0
         lose_trades_mask = sell_trades["pnl"] <= 0
 
+        # 单笔收益率 = pnl / cost_basis。cost_basis 由 engine._compute_pnls 填入
+        # （SELL 对应的移动加权平均成本 × 卖出数量）。无 cost_basis 列或为 0 时
+        # 收益率记 NaN，在后续统计里被过滤。
+        # 显式转 float64：trades 列可能是 int/object dtype，导致 np.isfinite 失败。
+        if "cost_basis" in sell_trades.columns:
+            pnl_arr = sell_trades["pnl"].to_numpy(dtype=np.float64)
+            cost_arr = sell_trades["cost_basis"].to_numpy(dtype=np.float64)
+            with np.errstate(divide="ignore", invalid="ignore"):
+                trade_returns = np.where(cost_arr > 0, pnl_arr / cost_arr, np.nan)
+        else:
+            trade_returns = np.full(len(sell_trades), np.nan)
+
         # 8. 总交易次数
         total_trades = len(sell_trades)
 
@@ -162,20 +175,28 @@ class PerformanceAnalyzer:
             # 限制 inf
             if np.isinf(profit_factor):
                 profit_factor = 999.0
+        elif len(win_pnl) > 0 and len(lose_pnl) == 0:
+            # 全部盈利、无亏损交易：盈亏比理论上为 +∞，统一记为 999.0
+            # （与 calmar 在无回撤正收益时的约定一致），避免显示 0.000 造成误解
+            profit_factor = 999.0
         else:
             profit_factor = 0.0
 
-        # 14. 平均盈利
-        avg_win = win_pnl.mean() if len(win_pnl) > 0 else 0.0
+        # 14. 平均盈利（单笔收益率口径）
+        win_returns = trade_returns[win_trades_mask.to_numpy()]
+        win_returns = win_returns[np.isfinite(win_returns)]
+        avg_win = float(np.mean(win_returns)) if len(win_returns) > 0 else 0.0
 
-        # 15. 平均亏损
-        avg_loss = lose_pnl.mean() if len(lose_pnl) > 0 else 0.0
+        # 15. 平均亏损（单笔收益率口径）
+        lose_returns = trade_returns[lose_trades_mask.to_numpy()]
+        lose_returns = lose_returns[np.isfinite(lose_returns)]
+        avg_loss = float(np.mean(lose_returns)) if len(lose_returns) > 0 else 0.0
 
-        # 16. 最大盈利
-        max_win = win_pnl.max() if len(win_pnl) > 0 else 0.0
+        # 16. 最大盈利（单笔收益率口径）
+        max_win = float(np.max(win_returns)) if len(win_returns) > 0 else 0.0
 
-        # 17. 最大亏损
-        max_loss = lose_pnl.min() if len(lose_pnl) > 0 else 0.0
+        # 17. 最大亏损（单笔收益率口径）
+        max_loss = float(np.min(lose_returns)) if len(lose_returns) > 0 else 0.0
 
         # 18. 平均持仓天数（FIFO 配对计算）
         avg_holding_days = self._compute_avg_holding_days()
@@ -211,6 +232,9 @@ class PerformanceAnalyzer:
         遍历非 rejected 的交易记录，使用 FIFO 队列配对买入和卖出，
         按 size 加权计算平均持仓天数。
 
+        注意：持仓天数按真实日历日计算（解析 ``YYYYMMDD`` 为 ``date`` 后相减），
+        而非 YYYYMMDD 整数差——后者在跨月时会放大（如 20240201-20240131=70）。
+
         Returns:
             加权平均持仓天数，无完整配对时返回 0.0
         """
@@ -222,30 +246,46 @@ class PerformanceAnalyzer:
         if len(valid) == 0:
             return 0.0
 
-        buy_queue: deque[tuple[int, float]] = deque()  # (datetime, size)
+        buy_queue: deque[tuple[_dt.date, float]] = deque()  # (date, size)
         total_days = 0.0
         total_size = 0.0
 
+        def to_date(raw_dt: object) -> _dt.date | None:
+            """把 datetime 列的值（int YYYYMMDD 或 pd.Timestamp）转为 date。
+
+            无法解析时返回 None（该行将被跳过，不参与配对）。
+            """
+            if isinstance(raw_dt, pd.Timestamp):
+                # 运行时确为 date
+                d: _dt.date = raw_dt.date()
+                return d
+            try:
+                # raw_dt 可能是 int/object dtype 标量；统一经 str 转 int
+                n = int(str(raw_dt))
+            except (TypeError, ValueError):
+                return None
+            # YYYYMMDD 整数 → 真实日期
+            try:
+                return _dt.datetime.strptime(str(n), "%Y%m%d").date()
+            except ValueError:
+                return None
+
         for _, row in valid.iterrows():
-            raw_dt = row["datetime"]
-            # datetime 可能是 int (YYYYMMDD) 或 pd.Timestamp
-            dt = (
-                int(raw_dt)
-                if not isinstance(raw_dt, pd.Timestamp)
-                else int(raw_dt.strftime("%Y%m%d"))
-            )
+            d = to_date(row["datetime"])
+            if d is None:
+                continue  # 无法解析日期的行不参与持仓天数计算
             direction = row["direction"]
             size = float(row["size"]) if "size" in valid.columns else 100.0
 
             if direction == "BUY":
-                buy_queue.append((dt, size))
+                buy_queue.append((d, size))
             elif direction == "SELL" and buy_queue:
                 remaining = size
                 while remaining > 0 and buy_queue:
-                    buy_dt, buy_size = buy_queue[0]
+                    buy_d, buy_size = buy_queue[0]
                     # 消费该笔 BUY 的部分或全部
                     consumed = min(remaining, buy_size)
-                    holding_days = dt - buy_dt
+                    holding_days = (d - buy_d).days
                     total_days += holding_days * consumed
                     total_size += consumed
                     remaining -= consumed
@@ -253,7 +293,7 @@ class PerformanceAnalyzer:
                     if buy_size <= 0:
                         buy_queue.popleft()
                     else:
-                        buy_queue[0] = (buy_dt, buy_size)
+                        buy_queue[0] = (buy_d, buy_size)
 
         if total_size == 0:
             return 0.0

src/easy_tdx/backtest/types.py

@@ -53,7 +53,8 @@ class Trade:
         price: 成交价格
         commission: 手续费
         slippage: 滑点成本
-        pnl: 已实现盈亏（仅平仓时计算）
+        pnl: 已实现盈亏（仅平仓时计算，绝对金额单位：元）
+        cost_basis: SELL 对应的持仓成本基数（元），用于派生单笔收益率 pnl/cost_basis
         rejected: 是否被拒绝（资金不足/不允许做空等）
     """
 
@@ -64,6 +65,9 @@ class Trade:
     commission: float
     slippage: float
     pnl: float = 0.0
+    # SELL 对应的持仓成本基数（移动加权平均 × 本次卖出数量），用于计算收益率。
+    # BUY 行恒为 0.0。仅 _compute_pnls 平仓时填入。
+    cost_basis: float = 0.0
     rejected: bool = False