Merge branch 'main' of https://github.com/handsomejustin/easy_tdx

CHANGELOG.md

@@ -2,7 +2,9 @@
 
 本文件记录 easy-tdx 的版本变更。格式遵循 [Keep a Changelog](https://keepachangelog.com/zh-CN/)。
 
-## [未发布]
+## [1.28.0] — 2026-09-02
+
+**深度风险报告 + 移动止损 + 黄金测试**（借鉴 [akquant](https://github.com/akfamily/akquant)）——把专业量化框架的「报告深度」与「测试 rigor」搬到散户工具上，三通道（CLI / Web API / Web UI）同步输出。同版本收录 Playwright E2E 前端测试基建与 WebSocket 实时推送联动（升级计划 P4-1 / P4-2）。
 
 ### 性能
 
@@ -15,6 +17,10 @@
 
 ### 新增
 
+- **绩效指标 19 → 25 项**（`backtest/performance.py`）——新增 Ulcer 指数（回撤深度×持续时间综合，与 S-D 评级「持有体验」定位同频）、95% 日 VaR / CVaR（历史分位数法，尾部风险）、SQN 系统质量数（√N×单笔收益均值/标准差，>2 可用 / >4 优秀 / >6 极佳）、最大连胜 / 最大连亏（散户心理最敏感的数字）。JSON / CSV 输出自动透传；`--table` 增加「深度风险」块；Web UI 绩效表「风险」组 +3 行、「交易」组 +3 行（老结果缺键显示 `-`）。
+- **基准对比从 1 个数升级为 5 个数**（`backtest/benchmark.py`）——`evaluate_strategy` 的 `benchmark` 段在 `excess_return` 之外新增 `alpha`（年化 CAPM α，剔除基准影响后的真实超额）、`beta`（对基准敏感度，1=同涨同跌）、`information_ratio`（年化信息比率）、`tracking_error`（年化跟踪误差）。新公开函数 `compute_benchmark_comparison(strategy_curve, benchmark_curve)`。Web UI 一条龙评估卡新增 4 格对比行（α/信息比率按正负着色，β/跟踪误差中性）；CLI `--evaluate` JSON 自动携带。
+- **移动止损 + 百分比 bracket**（`backtest/engine.py` / `strategy.py`）——`buy()` 新增 akquant `place_bracket` 风格参数：`trail_stop`（自持仓期间最高收盘价回撤 N% 触发；水印在检查后更新 → 只可能次根起触发，与 next_open 语义一致、无前视）、`stop_loss_pct` / `take_profit_pct`（按信号根收盘自动换算绝对价）。止损/止盈/移动止损构成 OCO（任一触发全部失效），触发单 `source="stop"` 延迟下一根成交。
+- **黄金测试（golden tests）**（`tests/unit/test_golden_backtest.py` + `tests/golden/backtest_metrics.json`）——借鉴 akquant 的 golden 机制：19 个内置策略在固定种子（seed=20260902，400 bar）合成数据上的 11 项指标 + 4 个规则场景（固定止损 / 止盈 / 移动止损 / 百分比 bracket）的成交价与时点 + 买入持有基准 + Alpha/Beta/IR/TE，全部锁定为 JSON 基线，容差 rel=abs=1e-6（紧到抓住费率/成交时点级别的逻辑漂移，松到容忍跨平台浮点尾数）。引擎任何撮合/费率/信号逻辑的静默改动都会在此爆出。更新基线：`EASY_TDX_REGEN_GOLDEN=1 python -m pytest tests/unit/test_golden_backtest.py`。**26 例新增**。
 - **Playwright E2E 前端测试基建**（升级计划 P4-1）——web-ui 引入 `@playwright/test`（`e2e/` + `playwright.config.ts`，`npm run test:e2e`）。**mock 方案选后端合成数据而非 page.route 拦截**：`EASY_TDX_E2E_MOCK=1` 时 serve 的 lifespan 把 TDX/MAC 客户端替换为合成数据客户端（`web/e2e_mock.py`，按 (market, code) CRC32 播种的确定性随机游走，分页语义与真实 /bars 一致），回测/WF/一条龙评估/自选/策略库继续走**真实后端代码**（它们本就不依赖行情连接），SSE 由 QuoteStreamer 真轮询合成数据全链路覆盖（mock 模式下轮询降到 2s 一拍，不受交易时段限制）。用例覆盖：看板五大指数区块+SSE 价格渲染、自选增删、回测全流程（净值图/绩效表/成交记录）、「附加分析」开关（WF 逐窗柱状图+一条龙评估卡）、策略库保存；`EASY_TDX_CONFIG_DIR` 指向每轮独立临时目录（断言可写死、不污染真实 `~/.easy_tdx`）。CI frontend job 追加 E2E 步骤；`verify_ci.sh` 补 `--no-frontend` 与前端 typecheck+build+E2E 段。新增 `tests/unit/test_e2e_mock.py`（11 例）守护 mock 与真实客户端的契约。
 - **WebSocket 实时推送联动 EventBus**（升级计划 P4-2）——`/ws/realtime/{symbol}` 从「不推送数据」变为真链路：新增 `web/realtime_hub.py`（RealtimeStreamHub），订阅集合变化时按需启停 `RealtimeDataFeed`（轮询 `get_stock_quotes` → `EventBus` → 每连接独立队列 fan-out，丢最旧保最新）；**无人订阅完全停止轮询**（对齐 QuoteStreamer 节能语义）；去重后标的上限 80；推送帧 `{type:"tick", symbol, market, code, price, volume, ts, open, high, low, pre_close, amount, name}`，30s 空闲 `ping` 心跳，客户端可 `subscribe`/`unsubscribe` 动态增删。端点重写为「单一写者泵」模型（全部出站帧经队列串行，杜绝并发 send 交错）。**前端接入选择只写文档不上组件**：看板/自选实时刷新已由 SSE `/stream/quotes`（全量快照、单连接共享）承担，WS 定位是按需单标的 tick（实时策略信号预留口），双通道同时拉同样行情属冗余——协议 + 自动重连/心跳容忍代码骨架落 `docs/api_reference.md` 与 README（「未联动」警示已撤）。新增 `scripts/ws_smoke.py` 手动冒烟（mock 模式随时可跑，实测可见 tick 帧与动态订阅确认）。环境变量 `EASY_TDX_WS_INTERVAL` 可调轮询间隔。
 
@@ -22,6 +28,27 @@
 
 - `RealtimeDataFeed` stop-before-start 竞态：`run_async`/`run_sync` 首行会把 `_running` 重置为 True，若 `stop()` 在任务首次调度前调用，停止请求被覆盖、任务永不退出（RealtimeStreamHub 换标的重建 feed 时必现死锁）。引入独立 `_stop_requested` 标志，启动前已请求停止则直接返回；`tests/unit/test_realtime_feed.py` 补 2 个回归用例。
 
+## [1.27.2] — 2026-09-02
+
+**市场异动（0x1237）类型解析补齐与修正**（Issue #62）——`_describe_unusual` 此前仅覆盖 15 种类型，0x15/0x16/0x1D/0x1E（占全天异动 23%）落入兜底分支，显示「异动类型0x16、数值为空」；0x13 方向语义亦有误。语义由 2026-09-01/09-02 两个交易日实测锚定（全天跟踪采样，收盘累计 17848 条）。
+
+### 新增
+
+- **0x16 盘中强势/弱势**——09:25 撮合样本 v2 与当日开盘涨幅（open/pre_close-1）**49/49 精确一致**；v1 为带符号 ±1~3 级强弱等级（六组 v2 区间互不重叠且单调）。issue 作者猜的「大笔买入/卖出」「竞价试卖」据此排除。
+- **0x15 竞价/尾盘异动（双时刻信号）**——开盘竞价 09:25（1191 条）与收盘 15:00:01~04（86 条）都触发；desc 按记录小时区分「竞价拉升/尾盘拉升」前缀；v1 为方向档（±0.5% 分档）、v2 为时段尾段价格变动、v3 为成交量（手）。同源实现 pytdx2 标的「尾盘」只对了一半。
+- **0x1D/0x1E 急速拉升/急速下跌**——阈值下限恰 ±0.6%，与既有 0x04/0x05（加速拉升/下跌）构成不同短窗信号。
+- **公开常量 `UNUSUAL_TYPE_NAMES`**（19 种类型码→名称），顶层 `easy_tdx` 与 `easy_tdx.mac.commands` 均可导入，配合 `df["unusual_type"].map(UNUSUAL_TYPE_NAMES)` 使用。
+- **协议探索结论文档化**（`docs/protocol-unknown-fields.md` §3.4）——全天普查确认 PC 推送协议（0x40080cd1+ 体系）特有的「大笔买入/主力急入/急速上涨」等信号在 0x1237 拉取协议中**无对应类型码**；0x14 另有竞价试盘子族（09:15 撮合参考价触板即触发，现有解析器直接可用）；请求监控参数（尾部 6×H）经单维扫描确认不是类型开关；北交所（Market.BJ）同样支持 0x1237。
+
+### 修复
+
+- **0x13 竞价试盘方向修正**——v1=0x00 试买（申报价高于昨收）/ 0x01 试卖（低于昨收），552 条对照昨收 549 条一致；旧实现把约一半的试卖方向记录也显示成「竞价试买」，且数值无单位，现按方向显示「竞价试买/竞价试卖」并带 `申报价/竞价量手`。
+- `examples/17_mac_monitor/unusual.py`：修正完全错误的类型码文档（旧注释「1=5分钟涨幅, 2=5分钟跌幅」实为杜撰）与示例输出；README「监控」小节补充类型映射用法。
+
+### 测试
+
+- 新增 `tests/unit/test_unusual.py`（21 例，全部真实抓包字节 fixture：600551/600127 竞价异动、600123/600221 收盘「尾盘」前缀、603980/603900 试买/试卖方向）；既有类型解析不回归；`UNUSUAL_TYPE_NAMES` 覆盖度与兜底分支互斥性校验；`test_public_api.py` 契约表登记新导出。异动相关测试全绿；全套 1278 通过、1 例 optimizer cache 既有失败与本次无关（干净 HEAD 同样失败）。
+
 ## [1.27.1] — 2026-09-01
 
 **v1.27.0 的维护版**——一项 UI 修复 + WebSocket 实时推送落地（随独立排期提交收录）。

README.md

@@ -17,13 +17,13 @@ easy-tdx 要做的事很简单：**把机构的数据锁砸开，扔到每个普
 
 **34个技术指标**（MACD、KDJ、RSI、BOLL……连”捉妖大师”和”30日乖离率信号”都给你算好）开箱即用。
 **缠论分析**（笔、中枢、买卖点、背驰）一键出结果——你不再需要手画分型、猜线段。
-**内置回测引擎**——写个策略文件，一行命令跑回测，18 个经典策略自带，多因子组合、策略选股扫描，批量对比哪个最赚钱一目了然。**防过拟合验证链**（v1.25 新增）——Walk-Forward 七窗样本外验证（每窗独立开仓）、训练/验证/测试三段适配性体检（8 项可解释检查 + 「高适配」标记）、0-100 综合评分、多 seed 晋级门槛、买入持有基准对比，回测页勾选即出报告——「回测好」升级为「样本外也好」。
+**内置回测引擎**——写个策略文件，一行命令跑回测，18 个经典策略自带，多因子组合、策略选股扫描，批量对比哪个最赚钱一目了然。**防过拟合验证链**（v1.25 新增）——Walk-Forward 七窗样本外验证（每窗独立开仓）、训练/验证/测试三段适配性体检（8 项可解释检查 + 「高适配」标记）、0-100 综合评分、多 seed 晋级门槛、买入持有基准对比，回测页勾选即出报告——「回测好」升级为「样本外也好」。**深度风险报告**（v1.28 新增）——绩效指标扩到 25 项（新增 Ulcer 指数、95% 日 VaR/CVaR、SQN 系统质量数、最大连胜/连亏）；基准对比从超额收益一个数升级为 α/β/信息比率/跟踪误差四件套（「涨的时候跟不跟得上大盘、跌的时候抗不抗跌」一眼可读）；策略一行带移动止损与百分比止损止盈（`self.buy(trail_stop=0.08)` 涨得越高止损线跟得越高，OCO 任一触发即失效）；引擎行为由黄金测试锁定——19 个内置策略的指标基线进 CI，撮合/费率逻辑任何静默漂移当场爆红。
 
 **行情终端 Web UI**（v1.23 重大升级）——`easy-tdx serve` 一条命令，浏览器秒变专业看盘终端：**市场看板**（五大指数实时推送 + 迷你分时、涨跌统计、四维情绪雷达、全市场涨跌分布直方图、涨停雷达、行业/概念热冷榜、涨幅/跌幅/成交额/换手四联排行榜、两市异动雷达）、**自选行情**（输入 6 位代码即加，全表 SSE 实时刷新、行内迷你分时）、**个股详情弹窗**（五档盘口 + 1/3/5 日分时 + 带 MA/BOLL/MACD/KDJ/RSI 指标切换的日 K，一键加自选、一键全策略寻优）、**板块下钻**（行业/概念弹窗看板块走势 + 成分股涨跌榜直达个股）。实时推送采用 SSE 单循环轮询 fan-out 架构（盘中 8 秒一拍，无人订阅自动休眠），自选持久化 SQLite。展示层设计对标专业终端（暗色、红涨绿跌、高信息密度），数据全部来自通达信协议直连——不花一分钱。
 
 <img src="./docs/web-ui-page-4.png" alt="行情终端 Web UI（v1.23）：市场看板 / 自选行情 / 个股与板块详情" />
 
-**回测可视化 Web UI**（v1.17 新增）——Vue3 + ECharts 单页应用，浏览器里选标的、挑策略、调参数，K 线买卖点、净值回撤、19 项绩效指标一目了然。支持组合回测、参数网格寻优、多策略结果对比，**还能把好策略存进策略库（SQLite 持久化），勾选多个策略做资金分仓组合回测看综合表现**，全程零代码。v1.27 起新增「附加分析」开关：勾选后随回测自动跑 Walk-Forward 逐窗柱状图与一条龙评估报告（评分分项 / 高适配徽标 / 买入持有对比）。
+**回测可视化 Web UI**（v1.17 新增）——Vue3 + ECharts 单页应用，浏览器里选标的、挑策略、调参数，K 线买卖点、净值回撤、25 项绩效指标一目了然。支持组合回测、参数网格寻优、多策略结果对比，**还能把好策略存进策略库（SQLite 持久化），勾选多个策略做资金分仓组合回测看综合表现**，全程零代码。v1.27 起新增「附加分析」开关：勾选后随回测自动跑 Walk-Forward 逐窗柱状图与一条龙评估报告（评分分项 / 高适配徽标 / 买入持有对比）。
 
 **数据评级系统**（v1.17.14 新增）——回测结果顶部直接显示 **S/A/B/C/D 五档评级徽章**，1 秒判断「这个品种适不适合经常参与」。评级**不看收益率**（避免被近期大涨误导），只看风险调整后的持有体验：卡玛比率、最大回撤、胜率、利润因子、夏普、波动率六维加权 + 一票否决（系统亏损/深回撤/低胜率直接低评）。京东方那种「收益 126% 但胜率 35%、回撤 41%」的案例会评 **D 档**——明确告诉普通人「别碰，套牢后回本极难」。三个入口（单标的/组合/寻优）都有评级，长线低频策略不会被冤枉（交易少时只降权胜率维度，不否决整个评级）。
 
@@ -508,7 +508,7 @@ Web UI 包含两大模块：
   - **市场看板**：五大指数实时行情（SSE 推送）、全市场涨跌统计（涨/跌/平/涨停/跌停 + 堆叠条）、行业/概念板块热度榜、涨幅榜/跌幅榜、两市异动雷达（加速拉升/封涨停板/大单托盘等），点击个股打开五档盘口 + 分时/日K 对话框；
   - **自选行情**：输入 6 位代码一键加自选（SQLite 持久化），全表实时刷新（SSE），行内迷你分时图，点击行看个股详情；
   - **实时推送架构**：后端单条轮询循环 fan-out 到所有 SSE 连接（交易时段 ~8s 一拍，盘外降频 60s，无人订阅自动休眠），前端指数退避重连。
-- **回测工作台（v1.17 起）**——浏览器里选标的、挑策略、调参数，K 线买卖点、净值回撤、19 项绩效指标一目了然。支持组合回测、参数网格寻优、多策略结果对比，还能把好策略存进策略库（SQLite 持久化），勾选多个策略做资金分仓组合回测看综合表现，全程零代码。
+- **回测工作台（v1.17 起）**——浏览器里选标的、挑策略、调参数，K 线买卖点、净值回撤、25 项绩效指标一目了然。支持组合回测、参数网格寻优、多策略结果对比，还能把好策略存进策略库（SQLite 持久化），勾选多个策略做资金分仓组合回测看综合表现，全程零代码。
 
 **前置条件：**
 
@@ -549,7 +549,7 @@ EXE 打包方法见 [`docs/packaging.md`](./docs/packaging.md)。
 - **取行情**：选市场（深/沪/北），填 6 位代码，选周期（日线/周线/分钟线），设日期范围（默认最近 3 年），点「取行情」。超过 800 根会自动翻页拼接
 - **选策略**：下拉选 18 个内置策略之一（双均线交叉、MACD、布林带、RSI、KDJ、唐安奇通道、CCI 等），选中后参数表单自动出现，按推荐范围调参
 - **资金与成本**：初始资金、佣金率、滑点、成交模式（默认 next_open 下一根开盘成交）
-- 点「开始回测」，右侧依次出：K 线主图（红三角=买入、绿钉=卖出）、净值曲线与回撤双轴图、19 项绩效指标表（总收益/夏普/最大回撤/胜率/盈亏比等）、成交记录明细
+- 点「开始回测」，右侧依次出：K 线主图（红三角=买入、绿钉=卖出）、净值曲线与回撤双轴图、25 项绩效指标表（总收益/夏普/最大回撤/胜率/盈亏比/Ulcer/VaR/SQN 等）、成交记录明细
 - 结果区右上角有「💾 保存策略」按钮，把当前策略 + 标的 + 成绩快照存进策略库，下次直接载入或参与组合回测
 
 **2. 组合回测**（`/portfolio`）
@@ -575,7 +575,7 @@ EXE 打包方法见 [`docs/packaging.md`](./docs/packaging.md)。
 - 保存你觉得不错的策略，下次直接载入或重跑。数据存在本地 SQLite 单文件（`~/.easy_tdx/strategies.db`，重启不丢）
 - 每张卡片展示策略名、标的、保存时的成绩快照（总收益/夏普/回撤）、标签、备注、创建时间
 - **载入**：点「载入」跳转对应回测页（单标的/组合），自动回填标的、日期、策略参数，可直接重跑
-- **多策略组合回测**：勾选多个单标的策略（卡片左上角复选框），点顶部「组合回测(N)」——每个策略各拿 1/N 资金、各跑在它保存时的原标的上（取最新行情），净值曲线按日期对齐求和，看综合表现。结果区展示：组合净值曲线、19 项完整绩效指标（与单标的同口径）、各策略绩效对比表、净值叠加图、各策略当前持仓表（回测结束时谁还套着票）
+- **多策略组合回测**：勾选多个单标的策略（卡片左上角复选框），点顶部「组合回测(N)」——每个策略各拿 1/N 资金、各跑在它保存时的原标的上（取最新行情），净值曲线按日期对齐求和，看综合表现。结果区展示：组合净值曲线、25 项完整绩效指标（与单标的同口径）、各策略绩效对比表、净值叠加图、各策略当前持仓表（回测结束时谁还套着票）
 
 > ⚠️ **任务不持久化**：回测结果存在后端进程内存，重启 `easy-tdx serve` 后清空。对比页只能选当前运行期间产生的任务。**策略库除外**——保存到策略库的策略持久存在 SQLite，重启不丢。
 
@@ -1474,6 +1474,16 @@ with MacClient.from_best_host() as c:
     df = c.get_server_info()                     # 服务器交易时段
 ```
 
+`get_unusual` 返回列含 `unusual_type`（类型码）与 `desc`（中文描述），共 19 种类型
+（主力买卖/加速拉升/急速拉升/盘中强弱/竞价异动/涨跌停/大单盘口等）。类型码→名称
+可用顶层常量映射：
+
+```python
+from easy_tdx import UNUSUAL_TYPE_NAMES
+
+df["type_name"] = df["unusual_type"].map(UNUSUAL_TYPE_NAMES)
+```
+
 ### 扩展市场
 
 ```python

docs/protocol-unknown-fields.md

@@ -206,6 +206,56 @@ u1 范围与价格非线性质相关（茅台价格 140x → u1 范围 300x）
 
 `commands/transaction.py:73,97`：`unknown_last`，pytdx 原来直接丢弃。
 
+### 3.4 市场异动（0x1237）异动类型与数据区（已确认，Issue #62）
+
+`mac/commands/unusual.py`：每条 32 字节记录 = `<H6sBBBHH>` 头（15B）+ 13B 类型数据区
+（`<B2fI`：v1, v2, v3, v4）+ offset 28 保留字节（全类型实测恒 0x00）+ `<BH>` 时间。
+
+**2026-09-01 全天跟踪实测**（09:25~15:05 每 10 分钟一轮全量拉取 SH/SZ/BJ，收盘 17848 条）
+补齐 4 个缺失类型：
+
+| 类型 | 语义 | 数据区语义 | 证据 |
+|------|------|-----------|------|
+| 0x13 | 竞价试盘（试买/试卖） | v1=0x00 试买（申报价高于昨收）/ 0x01 试卖（低于昨收）；v2=申报价；v3=竞价量（手） | 2026-09-02 全量 552 条对照昨收：v1 方向规律 549 条一致（2 条恰等于昨收 + 1 条异常）；触发窗口 09:15~09:20。旧实现一律显示「竞价试买」，试卖方向描述错误 |
+| 0x15 | 竞价/尾盘异动（拉升/下跌/平稳），**双时刻信号** | v1=0x02/0x03/0x01 方向档（±0.5% 分档）；v2=时段尾段价格变动（相对昨收 pp）；v3=该时段成交量（手） | 开盘竞价：早间 1191 条全部落在 09:25:00~09:25:02；收盘：86 条全部落在 15:00:01~15:00:04（SH 52 / SZ 29 / BJ 5），v1 分档规律与早间一致、幅度更小（±0.5%~±2.6%）。v2 参考时刻扫描收敛于 09:23:30~09:24:00（60 样本 MAE 0.11pp，受竞价 3 秒采样粒度限制）；v3 略小于最终撮合量（如 600551 v3=40254 vs 终值 44865）。desc 按记录小时区分「竞价/尾盘」前缀 |
+| 0x16 | 盘中强势/弱势 | v2=触发时涨跌幅；v1=带符号强弱等级（0x01~0x03 强势 1~3 级，0xFD~0xFF 弱势 1~3 级，补码）；v3≈v2（差值 mean 0.83pp，语义未定） | 09:25 的 49 条样本 v2 与当日开盘涨幅（open/pre_close-1）**49/49 精确一致**；全时段与收盘涨跌幅符号一致率 97%~100%；v1 六组对应 v2 区间互不重叠且单调（0x03: +7.1%~+245.9%、0xFD: -10.0%~-9.0% 等） |
+| 0x1D | 急速拉升 | v1 恒 0x00（方向）；v2=短窗涨幅（阈值下限 +0.6%）；v3 恒 0 | 全天 1127 条，v2 恒正（+0.6%~+3.9%） |
+| 0x1E | 急速下跌 | v1 恒 0x01（方向）；v2 恒负（-0.6%~-4.0%）；v3 恒 0 | 全天 586 条 |
+
+**0x14 的竞价试盘子族**：09:15:00~09:25 期间撮合参考价触板/近板即触发（SH 早间 531 条），
+与 PC 客户端推送协议的「涨停试盘/跌停试盘」对应。数据区布局与盘中 0x14 相同
+（v1 方向、data[1] sub_type、float 价/量），现有解析器无需改动——如 600551 09:15:00
+竞价参考价 9.08（+10.06%，恰在涨停价）→「封涨停板」；600127 09:15:00 参考价 10.84
+（-9.97%）→「逼近跌停」。
+
+**全天类型普查结论**：收盘全量 17848 条中类型集恒为 17 种（0x03~0x0B、0x10、0x11、
+0x13~0x16、0x1D、0x1E），午间、下午、收盘竞价各窗口均无新类型码出现；2026-09-02
+盘中（10:27）复查亦为同一 17 种。已知但两个交易日零触发的 2 种：0x0C 区间缩量、
+0x12 大单锁盘（语义仍承自 pytdx2 一系，待采样验证）。PC 推送协议特有的「大笔买入/卖出、
+主力急入/急出、急速上涨/猛烈下跌、强势封涨停/跌停、涨幅超 10% 整数倍」等信号
+（PigQuant 逆向的 0x40080cd1+ 消息 ID 体系）在 0x1237 拉取协议中**无对应类型码**，
+两套协议的信号空间不同构：PC 端「逼近/封/打开涨跌停」对应 0x14 子类型、「买一/卖一
+剩余大」对应 0x10/0x11、「急速拉升/猛烈打压」对应 0x1D/0x1E。
+
+**排除项**：
+- pytdx2（QuantJia/pytdx2 `parser/stock.py`）把 0x15 标作"尾盘（对倒/拉升）"——只对了一半：
+  0x15 在开盘竞价（09:25）与收盘（15:00）双时刻触发，他们大概只观测过下午的记录；
+  其 0x16"盘中弱势/强势"方向语义（v2 符号）与实测一致。
+- 0x00~0x02、0x0D、0x0E、0x0F、0x17~0x1C、0x1F+ 全天零出现（未实现或极罕见）。
+- 0x16 的 v1 等级公式未完全破解：等级与 v2 非纯函数关系（L2/L3 区间在 +7.1%~+9.0% 重叠），
+  疑与涨停幅度（ST/创业/科创）相关，待后续验证。
+
+**请求监控参数**（`<HH2xH2xH5H` 尾部 6×H，默认 1,200,30,40,50,200）单维扫描
+（每位置 15 个候选值）：位置 1~4 完全惰性；位置 0 仅低字节有效（≥0x400 返回空）；
+位置 5 在 1~127 区间致命（bit7 或 0 才有效）。所有有效变体返回类型集完全一致——
+**这 6 个参数不是信号类型开关**，真实字段划分可能并非 6 个独立 H。
+
+**其他观察**：
+- 北交所（Market.BJ=2）同样支持 0x1237（当日 1030 条，类型集相同）。
+- 异动列表非静态快照：午间休市期间计数仍在漂移（0x07: 499→604），服务端持续重算/改写记录。
+- 数据区第 4 槽（offset 25~28）本库按 uint32 解（`<B2fI`），pytdx2 按 float 解
+  （`<Bfff`）；对既有类型仅 0x10 大单托盘使用该槽，两种解法在该场景下显示等价，语义归属待定。
+
 ## 四、硬跳过的字节块
 
 ### 4.1 xdxr_info 9字节响应头部（已确认：请求回显）

examples/17_mac_monitor/unusual.py

@@ -13,9 +13,21 @@ UnusualItem dataclass 字段:
     code          str     证券代码
     name          str     证券名称
     time          time    异动时间
-    desc          str     异动描述（如 "5分钟涨幅>3%"、"快速拉升"、"大笔买入"）
+    desc          str     异动描述（如 "盘中强势"、"竞价拉升"、"急速下跌"）
-    value         str     异动数值（如 "3.52%"、"5000手"）
+    value         str     异动数值（如 "5.82%"、"10.05%/64310手"）
-    unusual_type  int     异动类型代码（1=5分钟涨幅, 2=5分钟跌幅, 3=快速拉升, 4=大笔成交等）
+    unusual_type  int     异动类型代码（见下表）
+
+异动类型代码表（0x1237，2026-09-01 实测锚定，可用 easy_tdx.UNUSUAL_TYPE_NAMES 映射）:
+    0x03  主力买入/卖出          0x10  大单托盘
+    0x04  加速拉升               0x11  大单压盘
+    0x05  加速下跌               0x12  大单锁盘
+    0x06  低位反弹               0x13  竞价试盘（试买/试卖，09:15~09:20 触发）
+    0x07  高位回落               0x14  涨跌停（逼近/封板/封大减/打开）
+    0x08  撑杆跳高               0x15  竞价/尾盘异动（拉升/下跌/平稳，09:25 与 15:00 双时刻触发）
+    0x09  平台跳水               0x16  盘中强势/弱势（v1 为 1~3 级强弱等级）
+    0x0A  单笔冲涨/冲跌          0x1D  急速拉升
+    0x0B  区间放量涨/跌/平       0x1E  急速下跌
+    0x0C  区间缩量
 
 返回 DataFrame 列说明:
     index         int      异动序号
@@ -59,9 +71,10 @@ with MacClient.from_best_host() as c:
         print("暂无异动数据。")
 
 # 示例输出:
-#  共获取 1843 条异动（4 页）
+#  共获取 12871 条异动（22 页）
 #   index  market  code   name       time          desc       value  unusual_type
-#       1       1  600XXX  XX科技  09:45:00     5分钟涨幅>3%        3.52%             1
+#       1       1  600551  时代出版  09:25:00     竞价下跌      -1.21%/40254手      21
-#       2       1  601XXX  XX银行  09:52:00     5分钟涨幅>3%        3.15%             1
+#       2       1  600551  时代出版  09:25:00     盘中强势       5.82%              22
-#       3       1  600XXX  XX能源  10:05:00     5分钟跌幅>3%       -3.28%             2
+#       3       1  600295  鄂尔多斯  09:25:00     竞价拉升       2.88%/533手        21
+#       4       1  605365  立达信    09:35:08     急速拉升       1.62%              29
 #       ...

pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "hatchling.build"
 
 [project]
 name = "easy-tdx"
-version = "1.27.1"
+version = "1.28.0"
 description = "通达信 TCP 协议行情数据客户端，支持在线行情、离线数据读取与写入同步"
 readme = "README.md"
 requires-python = ">=3.10"

src/easy_tdx/__init__.py

@@ -27,6 +27,7 @@ from .ex.mac_client import AsyncMacExClient, MacExClient
 from .ex.models import KNOWN_EX_HOSTS
 from .exceptions import TdxCommandError, TdxConnectionError, TdxDecodeError, TdxError
 from .mac.client import AsyncMacClient, MacClient
+from .mac.commands import UNUSUAL_TYPE_NAMES
 from .mac.enums import (
     Adjust,
     BoardSortColumn,
@@ -90,6 +91,7 @@ __all__ = [
     "TransactionRecord",
     "XdxrRecord",
     "XDXR_CATEGORY_NAMES",
+    "UNUSUAL_TYPE_NAMES",
     "FinanceInfo",
     "CompanyInfoCategory",
     "FinancialFileInfo",

src/easy_tdx/backtest/benchmark.py

@@ -15,7 +15,9 @@
       "fitness": {"pass_ratio": 0.875, "high_fitness": true, "checks": [...]},
       "benchmark": {
         "buy_hold": {"total_return": 0.32, ...},
-        "excess_return": 0.18                               # 策略 - 买入持有
+        "excess_return": 0.18,                             # 策略 - 买入持有
+        "alpha": 0.09, "beta": 0.72,                       # v1.28：CAPM 对比
+        "information_ratio": 0.85, "tracking_error": 0.12  # v1.28：主动管理指标
       },
       "config": {...}
     }
@@ -27,8 +29,9 @@
 
 from __future__ import annotations
 
-from typing import Any
+from typing import TYPE_CHECKING, Any
 
+import numpy as np
 import pandas as pd
 
 from easy_tdx.backtest.engine import BacktestEngine
@@ -39,7 +42,16 @@ from easy_tdx.backtest.strategy import Strategy
 from easy_tdx.backtest.types import to_json_native
 from easy_tdx.backtest.walkforward import WalkForwardEngine
 
-__all__ = ["evaluate_strategy", "run_buy_hold_benchmark"]
+if TYPE_CHECKING:
+    import numpy.typing as npt
+
+    from easy_tdx.backtest.types import BacktestResult
+
+    NDArray = npt.NDArray[np.float64]
+else:
+    NDArray = np.ndarray
+
+__all__ = ["evaluate_strategy", "run_buy_hold_benchmark", "compute_benchmark_comparison"]
 
 
 class _BuyAndHold(Strategy):
@@ -54,6 +66,32 @@ class _BuyAndHold(Strategy):
             self._bought = True
 
 
+def _run_buy_hold_result(
+    df: pd.DataFrame,
+    cash: float = 100000.0,
+    commission: float = 0.0003,
+    min_commission: float = 5.0,
+    stamp_tax: float = 0.001,
+    slippage: float = 0.0,
+    execution: str = "next_open",
+    symbol: str | None = None,
+    auto_fees: bool = False,
+) -> BacktestResult:
+    """买入持有基准完整回测（内部用，返回 BacktestResult 以取资金曲线）。"""
+    engine = BacktestEngine(
+        strategy=_BuyAndHold,
+        cash=cash,
+        commission=commission,
+        min_commission=min_commission,
+        stamp_tax=stamp_tax,
+        slippage=slippage,
+        execution=execution,
+        symbol=symbol,
+        auto_fees=auto_fees,
+    )
+    return engine.run(df)
+
+
 def run_buy_hold_benchmark(
     df: pd.DataFrame,
     cash: float = 100000.0,
@@ -66,18 +104,9 @@ def run_buy_hold_benchmark(
     auto_fees: bool = False,
 ) -> dict[str, Any]:
     """买入持有基准回测（与策略回测同区间、同费率、同资金）。"""
-    engine = BacktestEngine(
+    result = _run_buy_hold_result(
-        strategy=_BuyAndHold,
+        df, cash, commission, min_commission, stamp_tax, slippage, execution, symbol, auto_fees
-        cash=cash,
-        commission=commission,
-        min_commission=min_commission,
-        stamp_tax=stamp_tax,
-        slippage=slippage,
-        execution=execution,
-        symbol=symbol,
-        auto_fees=auto_fees,
     )
-    result = engine.run(df)
     keys = (
         "total_return",
         "annual_return",
@@ -89,6 +118,77 @@ def run_buy_hold_benchmark(
     return dict(to_json_native({k: result.performance.get(k, 0.0) for k in keys}))
 
 
+def compute_benchmark_comparison(
+    strategy_curve: pd.DataFrame,
+    benchmark_curve: pd.DataFrame,
+    annual_days: int = 252,
+) -> dict[str, float]:
+    """策略 vs 基准的 CAPM / 主动管理对比指标（v1.28 新增）。
+
+    从两条资金曲线的日收益率序列计算：
+
+    - ``beta``: 协方差/基准方差，策略对基准的敏感度（1 = 与基准同涨跌）
+    - ``alpha``: 年化 CAPM α ≈ (策略日均收益 − β×基准日均收益) × 年化天数，
+      简化版（无风险利率并入截距），>0 说明剔除基准影响后仍有超额
+    - ``information_ratio``: 年化信息比率 = mean(策略−基准)/std(策略−基准)×√N，
+      每 1 单位跟踪误差换来多少超额收益
+    - ``tracking_error``: 年化跟踪误差 = std(策略−基准)×√N
+
+    两条曲线按 bar 对齐（截取较短长度）；基准方差为 0（曲线恒定）时
+    beta/alpha 记 0，IR 在差值恒正且无波动时沿用 999 上限约定。
+
+    Args:
+        strategy_curve: 策略资金曲线（含 total 列）
+        benchmark_curve: 基准资金曲线（含 total 列）
+        annual_days: 年化交易日数
+
+    Returns:
+        {alpha, beta, information_ratio, tracking_error}
+    """
+    s_total = strategy_curve["total"].to_numpy(dtype=np.float64)
+    b_total = benchmark_curve["total"].to_numpy(dtype=np.float64)
+    n = min(len(s_total), len(b_total))
+    if n < 3:
+        return {"alpha": 0.0, "beta": 0.0, "information_ratio": 0.0, "tracking_error": 0.0}
+
+    def _daily_ret(total: NDArray) -> NDArray:
+        safe_prev = np.where(total[:-1] != 0, total[:-1], np.nan)
+        ret = np.diff(total) / safe_prev
+        return ret[np.isfinite(ret)]
+
+    s_ret = _daily_ret(s_total[:n])
+    b_ret = _daily_ret(b_total[:n])
+    m = min(len(s_ret), len(b_ret))
+    if m < 2:
+        return {"alpha": 0.0, "beta": 0.0, "information_ratio": 0.0, "tracking_error": 0.0}
+    s_ret, b_ret = s_ret[:m], b_ret[:m]
+
+    b_var = float(np.var(b_ret))
+    if b_var > 1e-18:
+        beta = float(np.cov(s_ret, b_ret)[0, 1] / b_var)
+        alpha = float((np.mean(s_ret) - beta * np.mean(b_ret)) * annual_days)
+    else:
+        beta = 0.0
+        alpha = float(np.mean(s_ret) * annual_days)
+
+    diff = s_ret - b_ret
+    diff_std = float(np.std(diff))
+    if diff_std > 1e-12:
+        information_ratio = float(np.mean(diff) / diff_std * np.sqrt(annual_days))
+    elif np.mean(diff) > 0:
+        information_ratio = 999.0
+    else:
+        information_ratio = 0.0
+    tracking_error = diff_std * np.sqrt(annual_days)
+
+    return {
+        "alpha": alpha,
+        "beta": beta,
+        "information_ratio": information_ratio,
+        "tracking_error": tracking_error,
+    }
+
+
 def evaluate_strategy(
     strategy: type[Strategy] | Strategy,
     df: pd.DataFrame,
@@ -153,8 +253,11 @@ def evaluate_strategy(
     score = score_strategy(perf, wf=wf)
     grade = grade_performance(perf)
 
-    # 5. 基准对比（买入持有，同区间同费率）
+    # 5. 基准对比（买入持有，同区间同费率）：超额收益 + Alpha/Beta/IR/TE
-    bh = run_buy_hold_benchmark(df, **engine_kwargs)
+    bh_result = _run_buy_hold_result(df, **engine_kwargs)
+    bh_keys = ("total_return", "annual_return", "max_drawdown", "sharpe", "calmar", "volatility")
+    bh = dict(to_json_native({k: bh_result.performance.get(k, 0.0) for k in bh_keys}))
+    comparison = compute_benchmark_comparison(bt.equity_curve, bh_result.equity_curve)
 
     return {
         "performance": to_json_native(dict(perf)),
@@ -166,6 +269,7 @@ def evaluate_strategy(
             "buy_hold": bh,
             "excess_return": float(perf.get("total_return", 0.0))
             - float(bh.get("total_return", 0.0)),
+            **comparison,
         },
         "config": {
             "symbol": symbol,

src/easy_tdx/backtest/cli.py

@@ -318,6 +318,16 @@ def _print_table(result: Any) -> None:
     click.echo(f"夏普比率: {perf.get('sharpe', 0):.2f}")
     click.echo(f"胜率: {perf.get('win_rate', 0):.2%}")
     click.echo(f"交易次数: {perf.get('total_trades', 0)}")
+    # 深度风险指标（v1.28 新增；老结果缺键时跳过，不输出 0 假值）
+    if perf.get("ulcer_index") is not None:
+        click.echo(f"Ulcer 指数: {perf.get('ulcer_index', 0):.4f}")
+        click.echo(f"日 VaR(95%): {perf.get('var_95', 0):.2%}")
+        click.echo(f"日 CVaR(95%): {perf.get('cvar_95', 0):.2%}")
+        click.echo(f"SQN 系统质量: {perf.get('sqn', 0):.2f}")
+        click.echo(
+            f"最大连胜/连亏: {perf.get('max_consecutive_wins', 0)} / "
+            f"{perf.get('max_consecutive_losses', 0)}"
+        )
     click.echo()
 
     if getattr(result, "diagnostic", None):

src/easy_tdx/backtest/engine.py

@@ -37,13 +37,32 @@ if TYPE_CHECKING:
 class _StopCondition:
     """Active stop-loss / take-profit condition tied to an open position.
 
+    三条退出线构成 OCO：任一触发即整体失效（见 ``_check_stop_conditions``）。
+
     Attributes:
         stop_loss: Price below which a SELL is triggered (None = disabled)
         take_profit: Price above which a SELL is triggered (None = disabled)
+        trail_stop: Trailing stop percent (e.g. 0.08 = 8% below the highest
+            close since entry, None = disabled). Fixed ``stop_loss`` wins when
+            both are set.
+        high_watermark: Highest close seen since the BUY (trailing reference).
+            Updated at the END of each bar (after the trigger check), so a
+            trailing stop can only fire from the NEXT bar onward — consistent
+            with next_open execution semantics.
     """
 
     stop_loss: float | None
     take_profit: float | None
+    trail_stop: float | None = None
+    high_watermark: float = 0.0
+
+    def effective_stop(self) -> float | None:
+        """当前生效的止损价（固定价优先，其次移动止损；均无则 None）。"""
+        if self.stop_loss is not None:
+            return self.stop_loss
+        if self.trail_stop is not None:
+            return self.high_watermark * (1.0 - self.trail_stop)
+        return None
 
 
 class BacktestEngine:
@@ -375,10 +394,17 @@ class BacktestEngine:
             # activate on the NEXT bar — consistent with next_open execution)
             for sig in bar_signals:
                 if sig.direction == "BUY" and (
-                    sig.stop_loss is not None or sig.take_profit is not None
+                    sig.stop_loss is not None
+                    or sig.take_profit is not None
+                    or sig.trail_stop is not None
                 ):
                     active_stops.append(
-                        _StopCondition(stop_loss=sig.stop_loss, take_profit=sig.take_profit)
+                        _StopCondition(
+                            stop_loss=sig.stop_loss,
+                            take_profit=sig.take_profit,
+                            trail_stop=sig.trail_stop,
+                            high_watermark=close_arr[i],
+                        )
                     )
 
             # Clear conditions when a SELL occurs (strategy or SL/TP triggered)
@@ -488,8 +514,11 @@ class BacktestEngine:
         """Check active SL/TP conditions against current bar's price range.
 
         If triggered, generates a SELL signal at the trigger price and removes
-        the condition. Stop-loss is checked first (conservative: assume the
+        the condition (OCO: all remaining legs of the same condition die too).
-        worst case for the holder).
+        Stop-loss is checked first (conservative: assume the worst case for
+        the holder). Trailing stops reference the highest close seen through
+        the PREVIOUS bar (watermark is updated after the check), so they can
+        never fire on the same bar that sets a new high.
 
         Args:
             active_stops: List of active stop conditions
@@ -512,16 +541,22 @@ class BacktestEngine:
             triggered = False
             trigger_price = 0.0
 
-            # Check stop-loss first (worst case for holder)
+            # Check stop-loss first (worst case for holder); trailing resolves
-            if cond.stop_loss is not None and bar_low <= cond.stop_loss:
+            # to its effective price, fixed stop_loss wins if both set
+            eff_stop = cond.effective_stop()
+            if eff_stop is not None and bar_low <= eff_stop:
                 triggered = True
-                trigger_price = cond.stop_loss
+                trigger_price = eff_stop
             # Then check take-profit
             elif cond.take_profit is not None and bar_high >= cond.take_profit:
                 triggered = True
                 trigger_price = cond.take_profit
 
-            if triggered:
+            if not triggered:
+                # Trailing watermark update AFTER the check (close-based)
+                cond.high_watermark = max(cond.high_watermark, bar_close)
+                remaining.append(cond)
+            else:
                 # Get datetime for this bar
                 dt_val = df["datetime"].iloc[bar_index]
                 if hasattr(dt_val, "strftime"):
@@ -538,8 +573,6 @@ class BacktestEngine:
                         source="stop",  # 标记为止损/止盈触发，延迟到下一根成交
                     )
                 )
-            else:
-                remaining.append(cond)
 
         active_stops.clear()
         active_stops.extend(remaining)

src/easy_tdx/backtest/performance.py

@@ -22,7 +22,8 @@ else:
 class PerformanceAnalyzer:
     """绩效分析器。
 
-    从资金曲线和交易记录计算 19 项绩效指标。
+    从资金曲线和交易记录计算 25 项绩效指标（19 项经典指标 + 6 项
+    深度风险指标：Ulcer / VaR / CVaR / SQN / 最大连胜连亏，v1.28 新增）。
 
     Attributes:
         ANNUAL_DAYS: 年化交易日数（默认 252）
@@ -55,7 +56,7 @@ class PerformanceAnalyzer:
         """计算绩效指标。
 
         Returns:
-            包含 19 项指标的字典：
+            包含 25 项指标的字典：
             - total_return: 总收益率
             - annual_return: 年化收益率
             - max_drawdown: 最大回撤
@@ -75,6 +76,14 @@ class PerformanceAnalyzer:
             - max_loss: 最大亏损
             - avg_holding_days: 平均持仓天数（FIFO 配对、按 size 加权，日历日口径）
             - volatility: 年化波动率
+            - ulcer_index: Ulcer 指数（回撤深度平方均值的开方，综合反映
+              回撤深度与持续时间，越小持有体验越好）
+            - var_95: 95% 日 VaR（历史分位数法，正数表示单日最大损失幅度）
+            - cvar_95: 95% 日 CVaR / 期望损失（尾部 5% 日收益均值，正数）
+            - sqn: 系统质量数（Van Tharp SQN = √N × 单笔收益率均值/标准差，
+              >2 可用、>4 优秀、>6 极佳的经验分档）
+            - max_consecutive_wins: 最大连胜笔数（按 SELL 成交顺序统计）
+            - max_consecutive_losses: 最大连亏笔数
         """
         # 边界检查
         if len(self._equity_curve) < 2:
@@ -211,6 +220,28 @@ class PerformanceAnalyzer:
         # 19. 年化波动率
         volatility = np.std(daily_ret) * np.sqrt(self.ANNUAL_DAYS)
 
+        # 20. Ulcer 指数（Martin：√(mean(回撤幅度²))，深度与持续时间加权）
+        ulcer_index = float(np.sqrt(np.mean(drawdown_pct**2)))
+
+        # 21. 95% 日 VaR（历史分位数法；正数表示损失幅度，便于直觉解读）
+        var_95 = float(-np.percentile(daily_ret, 5))
+
+        # 22. 95% 日 CVaR（VaR 之外尾部收益的均值；样本不足时退化为 VaR）
+        tail = daily_ret[daily_ret <= -var_95]
+        cvar_95 = float(-np.mean(tail)) if len(tail) > 0 else var_95
+
+        # 23. SQN 系统质量数（√N × 单笔收益率均值 / 标准差）
+        valid_tr = trade_returns[np.isfinite(trade_returns)]
+        if len(valid_tr) >= 2 and np.std(valid_tr) > 1e-12:
+            sqn = float(np.sqrt(len(valid_tr)) * np.mean(valid_tr) / np.std(valid_tr))
+        else:
+            sqn = 0.0
+
+        # 24/25. 最大连胜/连亏（与 win_rate 同口径：按 SELL 成交顺序）
+        max_consecutive_wins, max_consecutive_losses = self._max_win_lose_streaks(
+            sell_trades["pnl"].to_numpy(dtype=np.float64)
+        )
+
         return {
             "total_return": total_return,
             "annual_return": annual_return,
@@ -231,6 +262,12 @@ class PerformanceAnalyzer:
             "max_loss": max_loss,
             "avg_holding_days": avg_holding_days,
             "volatility": volatility,
+            "ulcer_index": ulcer_index,
+            "var_95": var_95,
+            "cvar_95": cvar_95,
+            "sqn": sqn,
+            "max_consecutive_wins": max_consecutive_wins,
+            "max_consecutive_losses": max_consecutive_losses,
             # 别名键（兼容常见叫法，避免 .get('sharpe_ratio') 等误用返回 0）
             "sharpe_ratio": sharpe,
             "start_cash": float(total[0]),
@@ -371,7 +408,37 @@ class PerformanceAnalyzer:
             "max_loss": 0.0,
             "avg_holding_days": 0.0,
             "volatility": 0.0,
+            "ulcer_index": 0.0,
+            "var_95": 0.0,
+            "cvar_95": 0.0,
+            "sqn": 0.0,
+            "max_consecutive_wins": 0,
+            "max_consecutive_losses": 0,
             "sharpe_ratio": 0.0,
             "start_cash": 0.0,
             "end_value": 0.0,
         }
+
+    @staticmethod
+    def _max_win_lose_streaks(pnl_seq: NDArray) -> tuple[int, int]:
+        """按成交顺序统计最大连胜/连亏笔数。
+
+        pnl > 0 记为胜，pnl <= 0 记为负（与 win_rate 的胜/负口径一致）。
+
+        Args:
+            pnl_seq: SELL 成交的 pnl 序列（时间升序）
+
+        Returns:
+            (最大连胜笔数, 最大连亏笔数)
+        """
+        max_wins = max_losses = cur_wins = cur_losses = 0
+        for pnl in pnl_seq:
+            if pnl > 0:
+                cur_wins += 1
+                cur_losses = 0
+                max_wins = max(max_wins, cur_wins)
+            else:
+                cur_losses += 1
+                cur_wins = 0
+                max_losses = max(max_losses, cur_losses)
+        return int(max_wins), int(max_losses)

src/easy_tdx/backtest/strategy.py

@@ -336,20 +336,44 @@ class Strategy(ABC):
         price: float | None = None,
         stop_loss: float | None = None,
         take_profit: float | None = None,
+        trail_stop: float | None = None,
+        stop_loss_pct: float | None = None,
+        take_profit_pct: float | None = None,
     ) -> None:
-        """生成买入信号。
+        """生成买入信号（可携带 bracket 止损/止盈/移动止损，OCO 联动）。
+
+        akquant ``place_bracket`` 风格：进出场一体化，不必再手写止损监控。
+        三条退出线任一触发即全部失效（OCO），由引擎逐 bar 监控并自动
+        生成 SELL（``source="stop"``，延迟到下一根开盘成交，消除前视偏差）。
 
         Args:
             size: 交易数量（0 = 全仓，由引擎计算）
             price: 限价（None = 市价单）
-            stop_loss: 止损价（None = 不设置）
+            stop_loss: 止损价（绝对价；与 stop_loss_pct 同时给时绝对价优先）
-            take_profit: 止盈价（None = 不设置）
+            take_profit: 止盈价（绝对价；与 take_profit_pct 同时给时绝对价优先）
+            trail_stop: 移动止损百分比（如 0.08 = 自持仓期间最高收盘价
+                回撤 8% 触发）。固定 stop_loss 优先于移动止损。
+            stop_loss_pct: 止损百分比（相对当前收盘价，如 0.05 = 跌 5% 止损）
+            take_profit_pct: 止盈百分比（相对当前收盘价，如 0.10 = 涨 10% 止盈）
+
+        Examples:
+            >>> # 买入并带 5% 止损 / 10% 止盈（自动换算价格）
+            ... self.buy(stop_loss_pct=0.05, take_profit_pct=0.10)
+            >>> # 买入并带 8% 移动止损（涨得越多止损线跟得越高）
+            ... self.buy(trail_stop=0.08)
         """
         if self._data_proxy is None:
             raise RuntimeError("策略未绑定数据，请先调用 _bind_data()")
         if self._datetime_array is None:
             raise RuntimeError("数据未正确初始化")
 
+        # 百分比便捷参数 → 绝对价（显式绝对价优先）
+        ref_price = price if price is not None else float(self.data.close[0])
+        if stop_loss is None and stop_loss_pct is not None:
+            stop_loss = ref_price * (1.0 - stop_loss_pct)
+        if take_profit is None and take_profit_pct is not None:
+            take_profit = ref_price * (1.0 + take_profit_pct)
+
         signal = Signal(
             datetime=int(self._datetime_array[self._bar_index]),
             direction="BUY",
@@ -357,6 +381,7 @@ class Strategy(ABC):
             price=price,
             stop_loss=stop_loss,
             take_profit=take_profit,
+            trail_stop=trail_stop,
         )
         self._signals.append(signal)
 

src/easy_tdx/backtest/types.py

@@ -25,9 +25,14 @@ class Signal:
         price: 限价（None = 市价单）
         stop_loss: 止损价（None = 不设置）
         take_profit: 止盈价（None = 不设置）
+        trail_stop: 移动止损百分比（如 0.08 = 自持仓期间最高收盘价回撤
+            8% 触发，None = 不设置）。与 ``stop_loss`` 同时设置时固定价优先。
         source: 信号来源。"strategy"=策略产生（默认）；
             "stop"=止损/止盈触发。stop 来源的信号不在信号 bar 当根成交，
             而是延迟到下一根开盘（消除用当根 intrabar 触发价成交的前视偏差）。
+
+    ``stop_loss`` / ``take_profit`` / ``trail_stop`` 三者构成 OCO
+    （one-cancels-other）：任一触发即全部失效，由引擎逐 bar 监控。
     """
 
     datetime: int
@@ -36,6 +41,7 @@ class Signal:
     price: float | None = None
     stop_loss: float | None = None
     take_profit: float | None = None
+    trail_stop: float | None = None
     source: str = "strategy"
 
 

src/easy_tdx/mac/commands/__init__.py

@@ -13,7 +13,7 @@ from .symbol_quotes import SymbolQuotesCmd
 from .symbol_tick_chart import SymbolTickChartCmd
 from .symbol_transaction import SymbolTransactionCmd
 from .tick_charts import TickChartsCmd
-from .unusual import UnusualCmd
+from .unusual import UNUSUAL_TYPE_NAMES, UnusualCmd
 
 __all__ = [
     "BoardListCmd",
@@ -29,5 +29,6 @@ __all__ = [
     "SymbolTickChartCmd",
     "SymbolTransactionCmd",
     "TickChartsCmd",
+    "UNUSUAL_TYPE_NAMES",
     "UnusualCmd",
 ]

src/easy_tdx/mac/commands/unusual.py

@@ -8,9 +8,34 @@ from ...codec.mac_frame import build_mac_request
 from ...commands.base import BaseCommand
 from ..models import UnusualItem
 
+# 异动类型 → 粗粒度名称映射（Issue #62）。
+# 0x15/0x16/0x1D/0x1E 语义由 2026-09-01 全市场 12871 条实测锚定，详见
+# docs/protocol-unknown-fields.md「市场异动（0x1237）异动类型」一节。
+UNUSUAL_TYPE_NAMES: dict[int, str] = {
+    0x03: "主力买入卖出",
+    0x04: "加速拉升",
+    0x05: "加速下跌",
+    0x06: "低位反弹",
+    0x07: "高位回落",
+    0x08: "撑杆跳高",
+    0x09: "平台跳水",
+    0x0A: "单笔冲涨跌",
+    0x0B: "区间放量",
+    0x0C: "区间缩量",
+    0x10: "大单托盘",
+    0x11: "大单压盘",
+    0x12: "大单锁盘",
+    0x13: "竞价试盘",
+    0x14: "涨跌停",
+    0x15: "竞价/尾盘异动",
+    0x16: "盘中强势弱势",
+    0x1D: "急速拉升",
+    0x1E: "急速下跌",
+}
 
-def _describe_unusual(unusual_type: int, data: bytes) -> tuple[str, str]:
+
-    """根据异动类型解析描述和数值。"""
+def _describe_unusual(unusual_type: int, data: bytes, hour: int = 9) -> tuple[str, str]:
+    """根据异动类型解析描述和数值。hour 用于区分竞价/尾盘双时刻信号（0x15）。"""
     if len(data) < 13:
         return "", ""
     v1, v2, v3, v4 = struct.unpack_from("<B2fI", data)
@@ -56,8 +81,14 @@ def _describe_unusual(unusual_type: int, data: bytes) -> tuple[str, str]:
         desc = "大单锁盘"
         val = ""
     elif unusual_type == 0x13:
-        desc = "竞价试买"
+        # 竞价试盘（09:15~09:20 触发）：v1=0x00 试买（申报价高于昨收）/ 0x01 试卖
-        val = f"{v2:.2f}/{v3:.2f}"
+        # （低于昨收）；v2 为申报价，v3 为竞价量（手）。方向规律 2026-09-02
+        # 全量 552 条对照昨收 549 条一致（2 条恰等于昨收的边界 + 1 条异常）。
+        if v1 == 0x01:
+            desc = "竞价试卖"
+        else:
+            desc = "竞价试买"
+        val = f"{v2:.2f}/{v3:.0f}手"
     elif unusual_type == 0x14:
         direction = "涨" if v1 == 0x00 else "跌"
         if len(data) >= 10:
@@ -75,6 +106,31 @@ def _describe_unusual(unusual_type: int, data: bytes) -> tuple[str, str]:
         else:
             desc = f"涨跌停({direction})"
         val = f"{v2_alt:.2f}/{v3_alt:.2f}"
+    elif unusual_type == 0x15:
+        # 竞价/尾盘异动：开盘竞价（09:25）与收盘（15:00）两个撮合时刻都会触发。
+        # v1=0x02 拉升 / 0x03 下跌 / 0x01 平稳（±0.5% 分档）；v2 为时段尾段价格
+        # 变动（相对昨收），v3 为该时段成交量（手）。
+        stage = "竞价" if hour < 12 else "尾盘"
+        if v1 == 0x02:
+            desc = f"{stage}拉升"
+        elif v1 == 0x03:
+            desc = f"{stage}下跌"
+        elif v1 == 0x01:
+            desc = f"{stage}平稳"
+        else:
+            desc = f"{stage}异动"
+        val = f"{v2 * 100:.2f}%/{v3:.0f}手"
+    elif unusual_type == 0x16:
+        # 盘中强势/弱势：v2 = 触发时涨跌幅（09:25 样本与开盘涨幅 49/49 精确一致），
+        # v1 为带符号强弱等级（0x01~0x03 强势 1~3 级，0xFD~0xFF 弱势 1~3 级）。
+        desc = "盘中强势" if v2 >= 0 else "盘中弱势"
+        val = f"{v2 * 100:.2f}%"
+    elif unusual_type == 0x1D:
+        desc = "急速拉升"
+        val = f"{v2 * 100:.2f}%"
+    elif unusual_type == 0x1E:
+        desc = "急速下跌"
+        val = f"{v2 * 100:.2f}%"
     else:
         desc = f"异动类型{unusual_type:#04x}"
         val = ""
@@ -129,10 +185,10 @@ class UnusualCmd(BaseCommand[list[UnusualItem]]):
                 "<H6sBBBHH", body, offset, f"unusual record[{i}]"
             )
 
-            desc, value = _describe_unusual(unusual_type, body[offset + 15 : offset + 28])
-
             hour, minute_sec = unpack_from("<BH", body, offset + 29, f"unusual time[{i}]")
 
+            desc, value = _describe_unusual(unusual_type, body[offset + 15 : offset + 28], hour)
+
             results.append(
                 UnusualItem(
                     index=index,

tests/golden/backtest_metrics.json

@@ -0,0 +1,341 @@
+{
+  "benchmark_comparison": {
+    "alpha": -0.07509968942791662,
+    "beta": 0.52345815483129,
+    "information_ratio": -0.4168372094924506,
+    "tracking_error": 0.1915582998133785
+  },
+  "buy_hold": {
+    "annual_return": -0.02751052343019722,
+    "calmar": -0.10790264140303352,
+    "max_drawdown": 0.2549569044138692,
+    "sharpe": -0.07276274597183686,
+    "total_return": -0.043207472350363485,
+    "volatility": 0.2753412305613209
+  },
+  "meta": {
+    "bars": 400,
+    "cash": 100000.0,
+    "note": "regen: EASY_TDX_REGEN_GOLDEN=1 pytest tests/unit/test_golden_backtest.py",
+    "seed": 20260902,
+    "tolerance": {
+      "abs": 1e-06,
+      "rel": 1e-06
+    }
+  },
+  "rules": {
+    "bracket_pct": {
+      "total_return": 0.06621316999999993,
+      "total_trades": 1,
+      "trades": [
+        [
+          "BUY",
+          10.3,
+          20240102
+        ],
+        [
+          "SELL",
+          11.0,
+          20240105
+        ]
+      ]
+    },
+    "stop_loss": {
+      "total_return": -0.11904648000000007,
+      "total_trades": 1,
+      "trades": [
+        [
+          "BUY",
+          10.2,
+          20240102
+        ],
+        [
+          "SELL",
+          9.0,
+          20240108
+        ]
+      ]
+    },
+    "take_profit": {
+      "total_return": 0.06621316999999993,
+      "total_trades": 1,
+      "trades": [
+        [
+          "BUY",
+          10.3,
+          20240102
+        ],
+        [
+          "SELL",
+          11.0,
+          20240105
+        ]
+      ]
+    },
+    "trailing_stop": {
+      "total_return": 0.027762419999999954,
+      "total_trades": 1,
+      "trades": [
+        [
+          "BUY",
+          10.2,
+          20240102
+        ],
+        [
+          "SELL",
+          10.5,
+          20240112
+        ]
+      ]
+    }
+  },
+  "strategies": {
+    "atr_breakout": {
+      "cvar_95": 0.029816014464276553,
+      "max_consecutive_losses": 2,
+      "max_consecutive_wins": 1,
+      "max_drawdown": 0.2338437267295321,
+      "sharpe": -0.1980068530470557,
+      "sqn": -0.2643143297795612,
+      "total_return": -0.051365472018247815,
+      "total_trades": 5,
+      "ulcer_index": 0.11610199605370222,
+      "var_95": 0.023167064579450905,
+      "win_rate": 0.2
+    },
+    "bbi": {
+      "cvar_95": 0.028403780640227493,
+      "max_consecutive_losses": 11,
+      "max_consecutive_wins": 6,
+      "max_drawdown": 0.17316305538486726,
+      "sharpe": -0.047920869432565044,
+      "sqn": 0.2034947102900509,
+      "total_return": 0.0015367014340572638,
+      "total_trades": 37,
+      "ulcer_index": 0.09154821119005127,
+      "var_95": 0.02185464362709669,
+      "win_rate": 0.43243243243243246
+    },
+    "bias_reversal": {
+      "cvar_95": 0.031800618199536355,
+      "max_consecutive_losses": 4,
+      "max_consecutive_wins": 6,
+      "max_drawdown": 0.28538313496863427,
+      "sharpe": -0.8098413586757496,
+      "sqn": -0.6927111806707453,
+      "total_return": -0.22014868093324402,
+      "total_trades": 45,
+      "ulcer_index": 0.1949515199887598,
+      "var_95": 0.02439437484336824,
+      "win_rate": 0.5111111111111111
+    },
+    "boll_breakout": {
+      "cvar_95": 0.025123143703972416,
+      "max_consecutive_losses": 1,
+      "max_consecutive_wins": 2,
+      "max_drawdown": 0.12529045393048568,
+      "sharpe": -0.08270429911478913,
+      "sqn": 0.984709712259246,
+      "total_return": 0.00949379410277551,
+      "total_trades": 3,
+      "ulcer_index": 0.039203351555811915,
+      "var_95": 0.015350573492733575,
+      "win_rate": 0.6666666666666666
+    },
+    "cci": {
+      "cvar_95": 0.028065506761634905,
+      "max_consecutive_losses": 1,
+      "max_consecutive_wins": 3,
+      "max_drawdown": 0.17514368495494725,
+      "sharpe": -0.4733373193054346,
+      "sqn": -0.33416732892726264,
+      "total_return": -0.1047789450922677,
+      "total_trades": 11,
+      "ulcer_index": 0.0895732932132124,
+      "var_95": 0.019114854583397116,
+      "win_rate": 0.6363636363636364
+    },
+    "dmi": {
+      "cvar_95": 0.029255190955404537,
+      "max_consecutive_losses": 5,
+      "max_consecutive_wins": 3,
+      "max_drawdown": 0.26277279842089457,
+      "sharpe": -0.538224272020581,
+      "sqn": -0.6542541127994779,
+      "total_return": -0.144868582491816,
+      "total_trades": 22,
+      "ulcer_index": 0.14141379126490972,
+      "var_95": 0.022084559354451774,
+      "win_rate": 0.45454545454545453
+    },
+    "donchian": {
+      "cvar_95": -0.0,
+      "max_consecutive_losses": 0,
+      "max_consecutive_wins": 0,
+      "max_drawdown": 0.0,
+      "sharpe": 0.0,
+      "sqn": 0.0,
+      "total_return": 0.0,
+      "total_trades": 0,
+      "ulcer_index": 0.0,
+      "var_95": -0.0,
+      "win_rate": 0.0
+    },
+    "dpo": {
+      "cvar_95": 0.02721297612445824,
+      "max_consecutive_losses": 6,
+      "max_consecutive_wins": 4,
+      "max_drawdown": 0.19787887049273278,
+      "sharpe": 0.08973761311003028,
+      "sqn": 0.4060312738886599,
+      "total_return": 0.04626258446140685,
+      "total_trades": 40,
+      "ulcer_index": 0.09456618993344078,
+      "var_95": 0.019685727992254924,
+      "win_rate": 0.45
+    },
+    "ema_cross": {
+      "cvar_95": 0.030512787117540286,
+      "max_consecutive_losses": 5,
+      "max_consecutive_wins": 1,
+      "max_drawdown": 0.2959272480843976,
+      "sharpe": -0.7875446987996052,
+      "sqn": -1.4136352678571986,
+      "total_return": -0.21673831411102973,
+      "total_trades": 8,
+      "ulcer_index": 0.17424109127336226,
+      "var_95": 0.02416619544856333,
+      "win_rate": 0.125
+    },
+    "emv": {
+      "cvar_95": 0.029127493175167347,
+      "max_consecutive_losses": 6,
+      "max_consecutive_wins": 3,
+      "max_drawdown": 0.3223214933637952,
+      "sharpe": -1.0544258453115651,
+      "sqn": -1.6556723755607416,
+      "total_return": -0.2575566534714613,
+      "total_trades": 28,
+      "ulcer_index": 0.21540763583933592,
+      "var_95": 0.02157076164724241,
+      "win_rate": 0.32142857142857145
+    },
+    "fsl": {
+      "cvar_95": 0.028932815510588083,
+      "max_consecutive_losses": 5,
+      "max_consecutive_wins": 2,
+      "max_drawdown": 0.16041976356729326,
+      "sharpe": -0.12011672214054765,
+      "sqn": -0.07772875586670183,
+      "total_return": -0.026169388111291436,
+      "total_trades": 14,
+      "ulcer_index": 0.08345129720689942,
+      "var_95": 0.022744109351729155,
+      "win_rate": 0.35714285714285715
+    },
+    "kdj_cross": {
+      "cvar_95": 0.027898201822013535,
+      "max_consecutive_losses": 3,
+      "max_consecutive_wins": 6,
+      "max_drawdown": 0.10762922092720545,
+      "sharpe": 0.8589847738542853,
+      "sqn": 1.2700892113941968,
+      "total_return": 0.33234070489431433,
+      "total_trades": 28,
+      "ulcer_index": 0.05288447475839552,
+      "var_95": 0.019645713150630486,
+      "win_rate": 0.5357142857142857
+    },
+    "keltner": {
+      "cvar_95": 0.02977493291904796,
+      "max_consecutive_losses": 2,
+      "max_consecutive_wins": 1,
+      "max_drawdown": 0.22976199965457847,
+      "sharpe": -0.1732213286120034,
+      "sqn": -0.22326773643387887,
+      "total_return": -0.04444609288676726,
+      "total_trades": 4,
+      "ulcer_index": 0.11754644293259853,
+      "var_95": 0.02351295669073764,
+      "win_rate": 0.25
+    },
+    "ma_cross": {
+      "cvar_95": 0.02953584331940908,
+      "max_consecutive_losses": 3,
+      "max_consecutive_wins": 4,
+      "max_drawdown": 0.22131421204998106,
+      "sharpe": -0.4990885286170613,
+      "sqn": -1.0839091744378302,
+      "total_return": -0.1326834663173594,
+      "total_trades": 11,
+      "ulcer_index": 0.11891561252900337,
+      "var_95": 0.022064133071800284,
+      "win_rate": 0.5454545454545454
+    },
+    "macd": {
+      "cvar_95": 0.02839428517023986,
+      "max_consecutive_losses": 6,
+      "max_consecutive_wins": 5,
+      "max_drawdown": 0.18473872916346823,
+      "sharpe": -0.38338812036224335,
+      "sqn": -0.5295484249243184,
+      "total_return": -0.10413146619958658,
+      "total_trades": 17,
+      "ulcer_index": 0.10417476558778298,
+      "var_95": 0.02189769434012649,
+      "win_rate": 0.35294117647058826
+    },
+    "rsi_reversal": {
+      "cvar_95": 0.030776659581515254,
+      "max_consecutive_losses": 1,
+      "max_consecutive_wins": 1,
+      "max_drawdown": 0.23599475582323245,
+      "sharpe": 0.4065196788206701,
+      "sqn": 0.6504806756551088,
+      "total_return": 0.16567827342668773,
+      "total_trades": 2,
+      "ulcer_index": 0.09450845521195947,
+      "var_95": 0.024060510820245292,
+      "win_rate": 0.5
+    },
+    "triple_ma": {
+      "cvar_95": 0.030748053405195853,
+      "max_consecutive_losses": 2,
+      "max_consecutive_wins": 1,
+      "max_drawdown": 0.26736051511671544,
+      "sharpe": -0.2867281890227494,
+      "sqn": -2.2739244432234624,
+      "total_return": -0.07872900419821216,
+      "total_trades": 4,
+      "ulcer_index": 0.13253815816514244,
+      "var_95": 0.023068752460779107,
+      "win_rate": 0.25
+    },
+    "trix": {
+      "cvar_95": 0.027724285540264466,
+      "max_consecutive_losses": 3,
+      "max_consecutive_wins": 4,
+      "max_drawdown": 0.29063024861099856,
+      "sharpe": -0.7642482349371779,
+      "sqn": -0.9463810886485136,
+      "total_return": -0.1947048613134198,
+      "total_trades": 12,
+      "ulcer_index": 0.17538728786286353,
+      "var_95": 0.021929213323307422,
+      "win_rate": 0.5
+    },
+    "wr_reversal": {
+      "cvar_95": -0.0,
+      "max_consecutive_losses": 0,
+      "max_consecutive_wins": 0,
+      "max_drawdown": 0.0,
+      "sharpe": 0.0,
+      "sqn": 0.0,
+      "total_return": 0.0,
+      "total_trades": 0,
+      "ulcer_index": 0.0,
+      "var_95": -0.0,
+      "win_rate": 0.0
+    }
+  }
+}

tests/unit/test_golden_backtest.py

@@ -0,0 +1,292 @@
+"""黄金测试（golden tests）：回测引擎指标快照回归（v1.28 新增）。
+
+借鉴 akquant 的 golden 测试机制：把「内置策略在固定随机种子合成数据上的
+全部绩效指标」与「交易规则场景（止损/止盈/移动止损/OCO/费率）的成交明细」
+锁定为 JSON 基线（``tests/golden/backtest_metrics.json``），每次引擎改动后
+跑一遍比对——撮合、费率、信号时序任何静默漂移都会在这里爆出来。
+
+生成/更新基线::
+
+    EASY_TDX_REGEN_GOLDEN=1 python -m pytest tests/unit/test_golden_backtest.py
+
+比对容差：rel=1e-6 / abs=1e-6——紧到能抓住费率或成交时点级别的逻辑漂移
+（通常引起 >0.001 的变动），松到容忍跨平台浮点求和顺序的尾数噪声。
+"""
+
+from __future__ import annotations
+
+import json
+import os
+from pathlib import Path
+from typing import Any
+
+import numpy as np
+import pandas as pd
+import pytest
+
+from easy_tdx.backtest.benchmark import (
+    compute_benchmark_comparison,
+    run_buy_hold_benchmark,
+)
+from easy_tdx.backtest.engine import BacktestEngine
+from easy_tdx.backtest.strategies import builtin  # noqa: F401  # 触发注册
+from easy_tdx.backtest.strategies.registry import _REGISTRY
+from easy_tdx.backtest.strategy import Strategy
+
+GOLDEN_PATH = Path(__file__).resolve().parents[1] / "golden" / "backtest_metrics.json"
+REGEN = os.environ.get("EASY_TDX_REGEN_GOLDEN", "") == "1"
+
+# 与基线 meta 一致的固定参数
+SEED = 20260902
+BARS = 400
+CASH = 100000.0
+
+# 内置策略锁定的指标子集（全部为确定性数值；int 与 float 分开比对）
+STRATEGY_METRICS_FLOAT = (
+    "total_return",
+    "max_drawdown",
+    "sharpe",
+    "win_rate",
+    "ulcer_index",
+    "var_95",
+    "cvar_95",
+    "sqn",
+)
+STRATEGY_METRICS_INT = (
+    "total_trades",
+    "max_consecutive_wins",
+    "max_consecutive_losses",
+)
+
+
+def _golden_df() -> pd.DataFrame:
+    """固定种子的合成日线（几何随机游走 + 温和上行漂移）。"""
+    rng = np.random.default_rng(SEED)
+    close = 20.0 * np.exp(np.cumsum(rng.normal(0.0004, 0.018, BARS)))
+    high = close * (1 + np.abs(rng.normal(0, 0.008, BARS)))
+    low = close * (1 - np.abs(rng.normal(0, 0.008, BARS)))
+    open_ = low + (high - low) * rng.uniform(0, 1, BARS)
+    vol = rng.uniform(5e5, 5e6, BARS)
+    return pd.DataFrame(
+        {
+            "datetime": pd.date_range("2023-01-02", periods=BARS, freq="B"),
+            "open": open_,
+            "high": high,
+            "low": low,
+            "close": close,
+            "vol": vol,
+            "amount": close * vol,
+        }
+    )
+
+
+# ── 规则场景策略（手工构造行情路径，锁定触发语义本身） ───────────────────────
+
+
+class _BuyOnce(Strategy):
+    """首根买入（可携带 bracket 参数），不再主动交易；无参数时即买入持有。"""
+
+    def __init__(self, **bracket: Any) -> None:
+        super().__init__()
+        self._bracket: dict[str, Any] = bracket
+        self._bought = False
+
+    def init(self) -> None:
+        pass
+
+    def next(self) -> None:
+        if not self._bought:
+            self.buy(**self._bracket)
+            self._bought = True
+
+
+def _rule_df(closes: list[float]) -> pd.DataFrame:
+    """按收盘价序列构造无随机因素的 OHLC（high/low = close ±1%）。"""
+    arr = np.asarray(closes, dtype=float)
+    n = len(arr)
+    return pd.DataFrame(
+        {
+            "datetime": pd.date_range("2024-01-01", periods=n, freq="B"),
+            "open": arr,
+            "high": arr * 1.01,
+            "low": arr * 0.99,
+            "close": arr,
+            "vol": [1000.0] * n,
+            "amount": arr * 1000,
+        }
+    )
+
+
+def _run_rule(closes: list[float], **bracket: Any) -> dict[str, Any]:
+    """跑规则场景，返回待锁定的摘要（成交明细 + 关键指标）。"""
+    result = BacktestEngine(_BuyOnce(**bracket), cash=CASH).run(_rule_df(closes))
+    trades = [
+        [t.direction, round(float(t.price), 4), int(pd.Timestamp(t.datetime).strftime("%Y%m%d"))]
+        for t in result.trades.itertuples()
+        if not t.rejected
+    ]
+    return {
+        "trades": trades,
+        "total_return": float(result.performance["total_return"]),
+        "total_trades": int(result.performance["total_trades"]),
+    }
+
+
+RULE_SCENARIOS: dict[str, dict[str, Any]] = {
+    # 跌破固定止损 9.5 → 触发 SELL@9.5，延迟下一根成交
+    "stop_loss": {
+        "closes": [10, 10.2, 10.1, 9.8, 9.3, 9.0, 8.8, 8.6, 8.4, 8.2],
+        "bracket": {"stop_loss": 9.5},
+    },
+    # 触及固定止盈 11.0 → OCO 使止损线失效
+    "take_profit": {
+        "closes": [10, 10.3, 10.8, 11.2, 11.5, 11.8, 12.0, 12.2, 12.4, 12.6],
+        "bracket": {"stop_loss": 9.0, "take_profit": 11.0},
+    },
+    # 自最高收盘 12 回撤 8% → 11.04 触发移动止损
+    "trailing_stop": {
+        "closes": [10, 10.2, 10.5, 11, 11.5, 12, 11.9, 11.5, 11.0, 10.5, 10.0, 9.5],
+        "bracket": {"trail_stop": 0.08},
+    },
+    # 百分比 bracket：5% 止损 / 10% 止盈（基准价 = 信号根收盘 10）
+    "bracket_pct": {
+        "closes": [10, 10.3, 10.8, 11.2, 11.5, 11.8, 12.0, 12.2, 12.4, 12.6],
+        "bracket": {"stop_loss_pct": 0.05, "take_profit_pct": 0.10},
+    },
+}
+
+
+def _build_golden() -> dict[str, Any]:
+    """重新计算并返回完整黄金基线。"""
+    df = _golden_df()
+
+    strategies: dict[str, dict[str, Any]] = {}
+    for name in sorted(_REGISTRY.names()):
+        reg = _REGISTRY.get(name)
+        cls = reg.strategy_cls
+        perf = BacktestEngine(cls, cash=CASH).run(df).performance
+        entry: dict[str, Any] = {k: float(perf[k]) for k in STRATEGY_METRICS_FLOAT}
+        entry.update({k: int(perf[k]) for k in STRATEGY_METRICS_INT})
+        strategies[name] = entry
+
+    rules = {
+        key: _run_rule(spec["closes"], **spec["bracket"]) for key, spec in RULE_SCENARIOS.items()
+    }
+
+    # 买入持有基准 + CAPM 对比（用 ma_cross 做策略侧）
+    bh = run_buy_hold_benchmark(df, cash=CASH)
+    ma = _REGISTRY.get("ma_cross").strategy_cls
+    ma_result = BacktestEngine(ma, cash=CASH).run(df)
+    comparison = compute_benchmark_comparison(
+        ma_result.equity_curve,
+        BacktestEngine(_BuyOnce(), cash=CASH).run(df).equity_curve,
+    )
+
+    return {
+        "meta": {
+            "seed": SEED,
+            "bars": BARS,
+            "cash": CASH,
+            "tolerance": {"rel": 1e-6, "abs": 1e-6},
+            "note": "regen: EASY_TDX_REGEN_GOLDEN=1 pytest tests/unit/test_golden_backtest.py",
+        },
+        "strategies": strategies,
+        "rules": rules,
+        "buy_hold": {k: float(v) for k, v in bh.items()},
+        "benchmark_comparison": {k: float(v) for k, v in comparison.items()},
+    }
+
+
+def _load_golden() -> dict[str, Any]:
+    if not GOLDEN_PATH.exists():
+        pytest.fail(
+            f"黄金基线缺失: {GOLDEN_PATH}\n"
+            "首次生成请运行: EASY_TDX_REGEN_GOLDEN=1 python -m pytest "
+            "tests/unit/test_golden_backtest.py"
+        )
+    data = json.loads(GOLDEN_PATH.read_text(encoding="utf-8"))
+    assert isinstance(data, dict)
+    return data
+
+
+def _save_golden(data: dict[str, Any]) -> None:
+    GOLDEN_PATH.parent.mkdir(parents=True, exist_ok=True)
+    GOLDEN_PATH.write_text(
+        json.dumps(data, ensure_ascii=False, indent=2, sort_keys=True) + "\n",
+        encoding="utf-8",
+    )
+
+
+@pytest.fixture(scope="module")
+def golden() -> dict[str, Any]:
+    """加载基线；REGEN=1 时重新计算并写盘后返回。"""
+    if REGEN:
+        data = _build_golden()
+        _save_golden(data)
+        return data
+    return _load_golden()
+
+
+def _assert_metric(actual: Any, expected: Any, label: str) -> None:
+    """int 精确比对；float 按 rel=abs=1e-6 容差比对。"""
+    if isinstance(expected, int) and not isinstance(expected, bool):
+        assert actual == expected, f"{label}: {actual} != {expected}"
+    else:
+        assert float(actual) == pytest.approx(float(expected), rel=1e-6, abs=1e-6), (
+            f"{label}: {actual} != {expected}"
+        )
+
+
+# ── 测试入口 ─────────────────────────────────────────────────────────────────
+
+
+@pytest.mark.parametrize("name", sorted(_REGISTRY.names()))
+def test_golden_builtin_strategies(golden: dict[str, Any], name: str) -> None:
+    """全部内置策略在固定数据上的绩效指标与基线一致。"""
+    perf = BacktestEngine(_REGISTRY.get(name).strategy_cls, cash=CASH).run(_golden_df()).performance
+    baseline = golden["strategies"][name]
+    for key in STRATEGY_METRICS_FLOAT:
+        _assert_metric(perf[key], baseline[key], f"{name}.{key}")
+    for key in STRATEGY_METRICS_INT:
+        _assert_metric(perf[key], baseline[key], f"{name}.{key}")
+
+
+@pytest.mark.parametrize("scenario", sorted(RULE_SCENARIOS))
+def test_golden_rule_scenarios(golden: dict[str, Any], scenario: str) -> None:
+    """止损/止盈/移动止损/OCO 触发语义（成交价与时点）与基线一致。"""
+    spec = RULE_SCENARIOS[scenario]
+    actual = _run_rule(spec["closes"], **spec["bracket"])
+    baseline = golden["rules"][scenario]
+    assert actual["total_trades"] == baseline["total_trades"], scenario
+    assert len(actual["trades"]) == len(baseline["trades"]), f"{scenario}: 成交笔数漂移"
+    for i, (a, b) in enumerate(zip(actual["trades"], baseline["trades"])):
+        assert a[0] == b[0], f"{scenario} 第{i}笔方向漂移: {a} vs {b}"
+        _assert_metric(a[1], b[1], f"{scenario}.trades[{i}].price")
+        assert a[2] == b[2], f"{scenario} 第{i}笔成交日漂移: {a} vs {b}"
+    _assert_metric(actual["total_return"], baseline["total_return"], f"{scenario}.total_return")
+
+
+def test_golden_buy_hold(golden: dict[str, Any]) -> None:
+    """买入持有基准指标与基线一致。"""
+    bh = run_buy_hold_benchmark(_golden_df(), cash=CASH)
+    for key, expected in golden["buy_hold"].items():
+        _assert_metric(bh[key], expected, f"buy_hold.{key}")
+
+
+def test_golden_benchmark_comparison(golden: dict[str, Any]) -> None:
+    """Alpha/Beta/IR/TE 基准对比指标与基线一致。"""
+    df = _golden_df()
+    ma = _REGISTRY.get("ma_cross").strategy_cls
+    strategy_curve = BacktestEngine(ma, cash=CASH).run(df).equity_curve
+    bh_curve = BacktestEngine(_BuyOnce(), cash=CASH).run(df).equity_curve
+    comparison = compute_benchmark_comparison(strategy_curve, bh_curve)
+    for key, expected in golden["benchmark_comparison"].items():
+        _assert_metric(comparison[key], expected, f"benchmark.{key}")
+
+
+def test_golden_meta_frozen(golden: dict[str, Any]) -> None:
+    """基线 meta 与测试常量一致（防止改数据参数后忘记重建基线）。"""
+    meta = golden["meta"]
+    assert meta["seed"] == SEED
+    assert meta["bars"] == BARS
+    assert meta["cash"] == CASH

tests/unit/test_public_api.py

@@ -72,6 +72,7 @@ _EXPECTED_KIND: dict[str, str] = {
     "CALC_HOSTS": "constant",
     "MAC_HOSTS": "constant",
     "XDXR_CATEGORY_NAMES": "constant",
+    "UNUSUAL_TYPE_NAMES": "constant",
 }
 
 

tests/unit/test_unusual.py

@@ -0,0 +1,221 @@
+"""市场异动（0x1237）异动类型解析测试（Issue #62）。
+
+背景实测（2026-09-01 午间，全市场 SH+SZ 共 12871 条）：
+- 0x15 仅出现在 09:25:00~09:25:02（竞价撮合时刻），v1 为方向档
+  （0x02 拉升 / 0x03 下跌 / 0x01 平稳，±0.5% 分档），v2 为竞价尾段
+  价格变动（相对昨收，参考时刻收敛于 09:23:30~09:24:00），v3 为竞价
+  匹配量（手，略小于最终撮合量）。pytdx2 把 0x15 标作"尾盘"与实测矛盾，
+  系对 PC 推送协议枚举的错误类推。
+- 0x16 全天分布，v2 为触发时涨跌幅：09:25 的 49 条样本与当日开盘涨幅
+  （open/pre_close-1）49/49 精确一致；全时段与收盘涨跌幅符号一致率
+  97%~100%。v1 为带符号强弱等级（0x01~0x03 强势、0xFD~0xFF 弱势，
+  六组 v2 区间互不重叠且单调）。
+- 0x1D / 0x1E 全天分布，v1 恒为 0x00 / 0x01（方向），v2 恒正 / 恒负
+  （阈值下限 ±0.6%），v3 恒 0。
+"""
+
+import struct
+from datetime import time
+
+from easy_tdx import UNUSUAL_TYPE_NAMES
+from easy_tdx.mac.commands.unusual import UnusualCmd, _describe_unusual
+
+
+def _record(
+    utype: int,
+    data_hex: str,
+    hour: int = 9,
+    minute_sec: int = 2500,
+    market: int = 1,
+    code: str = "600551",
+) -> bytes:
+    """构造一条 32 字节异动记录（<H6sBBBHH> 头 + 13B 数据区 + 保留 + <BH> 时间）。"""
+    return (
+        struct.pack("<H6sBBBHH", market, code.encode("gbk"), 0, utype, 0, 1, 0)
+        + bytes.fromhex(data_hex)
+        + b"\x00"  # offset 28：全类型实测恒 0
+        + struct.pack("<BH", hour, minute_sec)
+    )
+
+
+def _body(records: list[bytes]) -> bytes:
+    text = ",".join("测试股" for _ in records)
+    return struct.pack("<H", len(records)) + b"".join(records) + text.encode("gbk")
+
+
+class TestDescribeUnusualKnownTypes:
+    """既有 15 种类型（0x03~0x0C、0x10~0x14）解析不回归。"""
+
+    def test_type_0x04(self):
+        # 真实样本：605365 立达信 2026-09-01 09:35:11
+        desc, val = _describe_unusual(0x04, bytes.fromhex("00b8d73d3d0000000000000000"))
+        assert desc == "加速拉升"
+        assert val == "4.63%"
+
+    def test_unknown_type_fallback(self):
+        desc, val = _describe_unusual(0x42, bytes.fromhex("00" * 13))
+        assert desc == "异动类型0x42"
+        assert val == ""
+
+
+class TestType0x15:
+    """0x15 竞价/尾盘异动（Issue #62）。
+
+    双时刻信号：开盘竞价 09:25（当日 1191 条）与收盘 15:00:01~04（当日 86 条，
+    SH 52 / SZ 29 / BJ 5）都触发；desc 按记录小时区分「竞价/尾盘」前缀。
+    """
+
+    def test_auction_drop(self):
+        # 真实样本：600551 时代出版 09:25:00，v1=0x03 竞价下跌
+        desc, val = _describe_unusual(0x15, bytes.fromhex("030c9846bc003e1d4700000000"))
+        assert desc == "竞价下跌"
+        assert val == "-1.21%/40254手"
+
+    def test_auction_rise(self):
+        # 真实样本：600127 金健米业 09:25:00，v1=0x02 竞价拉升（尾段自 10.84 冲至 12.05）
+        desc, val = _describe_unusual(0x15, bytes.fromhex("0213d2cd3d00367b4700000000"))
+        assert desc == "竞价拉升"
+        assert val == "10.05%/64310手"
+
+    def test_auction_flat(self):
+        # 真实样本：600410 华胜天成 09:25:01，v1=0x01 竞价平稳（尾段价格未动）
+        desc, val = _describe_unusual(0x15, bytes.fromhex("01000000000098a54500000000"))
+        assert desc == "竞价平稳"
+        assert val == "0.00%/5299手"
+
+    def test_close_rise_uses_tail_prefix(self):
+        # 真实样本：600123 15:00:01（收盘撮合时刻），v1=0x02 尾盘拉升
+        desc, val = _describe_unusual(0x15, bytes.fromhex("027bb4dd3b0004a84500000000"), 15)
+        assert desc == "尾盘拉升"
+        assert val == "0.68%/5376手"
+
+    def test_close_drop_uses_tail_prefix(self):
+        # 真实样本：600221 15:00:01，v1=0x03 尾盘下跌
+        desc, val = _describe_unusual(0x15, bytes.fromhex("03c10ffcbb839c274800000000"), 15)
+        assert desc == "尾盘下跌"
+        assert val == "-0.77%/171634手"
+
+    def test_unknown_sub_type_falls_back(self):
+        desc, _ = _describe_unusual(0x15, struct.pack("<B2fI", 0x77, 0.0, 100.0, 0))
+        assert desc == "竞价异动"
+        desc, _ = _describe_unusual(0x15, struct.pack("<B2fI", 0x77, 0.0, 100.0, 0), 15)
+        assert desc == "尾盘异动"
+
+
+class TestType0x16:
+    """0x16 盘中强势/弱势（Issue #62 主体）。"""
+
+    def test_strong_at_auction(self):
+        # 真实样本：600551 时代出版 09:25:00，v2=+5.82% 与当日开盘涨幅精确一致
+        desc, val = _describe_unusual(0x16, bytes.fromhex("010f506e3dcb846e3d00000000"))
+        assert desc == "盘中强势"
+        assert val == "5.82%"
+
+    def test_weak_at_auction(self):
+        # 真实样本：600683 京投发展 09:25:01，v1=0xFF（弱势 1 级），v2=-6.40%
+        desc, val = _describe_unusual(0x16, bytes.fromhex("ffc71d83bd690383bd00000000"))
+        assert desc == "盘中弱势"
+        assert val == "-6.40%"
+
+    def test_new_stock_no_limit(self):
+        # 真实样本：601123 N马矿 09:25:00，新股无涨跌幅限制，v2=+245.86%
+        desc, val = _describe_unusual(0x16, bytes.fromhex("03775a1d404a5b1d4000000000"))
+        assert desc == "盘中强势"
+        assert val == "245.86%"
+
+
+class TestType0x13:
+    """0x13 竞价试盘（2026-09-02 破译）。
+
+    v1 为方向：0x00 试买（申报价高于昨收）/ 0x01 试卖（低于昨收）——552 条对照
+    昨收 549 条一致；v2 为申报价、v3 为竞价量（手）。旧实现一律显示「竞价试买」，
+    方向相反的一半记录描述错误。
+    """
+
+    def test_auction_test_buy(self):
+        # 真实样本：603980 09:15:14，申报价 8.71 高于昨收 7.92（往上试）
+        desc, val = _describe_unusual(0x13, bytes.fromhex("00295c0b41006c354600000000"))
+        assert desc == "竞价试买"
+        assert val == "8.71/11611手"
+
+    def test_auction_test_sell(self):
+        # 真实样本：603900 09:15:17，申报价 6.46 低于昨收 7.17（往下试）
+        desc, val = _describe_unusual(0x13, bytes.fromhex("0152b8ce400000c94300000000"))
+        assert desc == "竞价试卖"
+        assert val == "6.46/402手"
+
+
+class TestType0x1D0x1E:
+    """0x1D 急速拉升 / 0x1E 急速下跌（Issue #62 顺带补齐）。"""
+
+    def test_fast_rise(self):
+        # 真实样本：605365 立达信 09:35:08
+        desc, val = _describe_unusual(0x1D, bytes.fromhex("009d50843c0000000000000000"))
+        assert desc == "急速拉升"
+        assert val == "1.62%"
+
+    def test_fast_fall(self):
+        # 真实样本：601123 N马矿 09:35:03
+        desc, val = _describe_unusual(0x1E, bytes.fromhex("019cd393bc0000000000000000"))
+        assert desc == "急速下跌"
+        assert val == "-1.80%"
+
+
+class TestUnusualCmdParseResponse:
+    def test_parse_new_types_end_to_end(self):
+        body = _body(
+            [
+                _record(0x16, "010f506e3dcb846e3d00000000", 9, 2500),
+                _record(0x15, "030c9846bc003e1d4700000000", 9, 2500),
+                _record(0x1D, "009d50843c0000000000000000", 9, 3508),
+                _record(0x1E, "019cd393bc0000000000000000", 9, 3503),
+            ]
+        )
+        items = UnusualCmd(1, 0, 600).parse_response(body)
+        assert len(items) == 4
+        assert [i.desc for i in items] == ["盘中强势", "竞价下跌", "急速拉升", "急速下跌"]
+        assert items[0].value == "5.82%"
+        assert items[1].value == "-1.21%/40254手"
+        assert items[0].time == time(9, 25, 0)
+        assert items[2].time == time(9, 35, 8)
+        assert items[0].unusual_type == 0x16
+        assert all(i.name == "测试股" for i in items)
+
+    def test_parse_close_record_names_tail_prefix(self):
+        """15:00 的 0x15 记录端到端应得到「尾盘拉升」（真实收盘样本 600123）。"""
+        rec = _record(0x15, "027bb4dd3b0004a84500000000", 15, 1)
+        items = UnusualCmd(1, 0, 600).parse_response(_body([rec]))
+        assert items[0].desc == "尾盘拉升"
+        assert items[0].value == "0.68%/5376手"
+        assert items[0].time == time(15, 0, 1)
+
+    def test_record_layout_unchanged(self):
+        """记录仍为 32 字节定长，时间槽位于 offset 29。"""
+        rec = _record(0x16, "010f506e3dcb846e3d00000000", 14, 5701)
+        assert len(rec) == 32
+        items = UnusualCmd(1, 0, 600).parse_response(_body([rec]))
+        assert items[0].time == time(14, 57, 1)
+
+
+class TestTypeNames:
+    def test_names_cover_all_described_types(self):
+        """映射表应覆盖 _describe_unusual 的全部分支（0x03~0x0C、0x10~0x16、0x1D、0x1E）。"""
+        assert set(UNUSUAL_TYPE_NAMES) == {
+            *range(0x03, 0x0D),
+            *range(0x10, 0x17),
+            0x1D,
+            0x1E,
+        }
+
+    def test_mapped_types_produce_named_desc(self):
+        """映射表中的类型不应落入"异动类型0x??"兜底分支。"""
+        zeros = bytes.fromhex("00" * 13)
+        for utype in UNUSUAL_TYPE_NAMES:
+            desc, _ = _describe_unusual(utype, zeros)
+            assert not desc.startswith("异动类型"), f"0x{utype:02X} 未实现解析分支"
+
+    def test_top_level_export(self):
+        import easy_tdx
+
+        assert easy_tdx.UNUSUAL_TYPE_NAMES is UNUSUAL_TYPE_NAMES
+        assert UNUSUAL_TYPE_NAMES[0x16] == "盘中强势弱势"

web-ui/src/components/EvaluatePanel.vue

@@ -32,6 +32,29 @@ const scoreComponents = computed(() => {
 const grade = computed(() => gradePerformance(props.report.performance))
 
 const excess = computed(() => props.report.benchmark.excess_return)
+
+/** v1.28 CAPM/主动管理指标（老报告缺省时不渲染该行；good=null 为中性不着色） */
+const capm = computed(() => {
+  const b = props.report.benchmark
+  if (b.alpha === undefined || b.beta === undefined) return null
+  return [
+    { label: 'α 年化超额', value: b.alpha, fmt: 'percent', good: (b.alpha ?? 0) >= 0 },
+    { label: 'β 敏感度', value: b.beta, fmt: 'ratio', good: null },
+    {
+      label: '信息比率',
+      value: b.information_ratio ?? 0,
+      fmt: 'ratio',
+      good: (b.information_ratio ?? 0) >= 0,
+    },
+    { label: '跟踪误差', value: b.tracking_error ?? 0, fmt: 'percent', good: null },
+  ]
+})
+
+function fmtCapm(v: number, fmt: string): string {
+  if (!Number.isFinite(v)) return '-'
+  if (fmt === 'percent') return `${v >= 0 ? '+' : ''}${(v * 100).toFixed(2)}%`
+  return v.toFixed(2)
+}
 </script>
 
 <template>
@@ -88,6 +111,15 @@ const excess = computed(() => props.report.benchmark.excess_return)
         </span>
       </div>
     </div>
+    <!-- v1.28：CAPM / 主动管理对比（α/β/信息比率/跟踪误差） -->
+    <div v-if="capm" class="bench-row bench-row-4">
+      <div v-for="c in capm" :key="c.label" class="bench-cell">
+        <span class="stat-label">{{ c.label }}</span>
+        <span class="mono" :class="c.good === null ? '' : c.good ? 'pos' : 'neg'">
+          {{ fmtCapm(c.value, c.fmt) }}
+        </span>
+      </div>
+    </div>
     <p v-if="excess < 0" class="bench-warn">⚠ 策略跑输同区间买入持有——研发阶段的一票否决信号。</p>
 
     <!-- 适配性检查（8 项可解释） -->
@@ -201,6 +233,9 @@ const excess = computed(() => props.report.benchmark.excess_return)
   gap: 8px;
   margin-bottom: 6px;
 }
+.bench-row-4 {
+  grid-template-columns: repeat(4, 1fr);
+}
 .bench-cell {
   display: flex;
   flex-direction: column;

web-ui/src/components/MetricTable.vue

@@ -1,5 +1,6 @@
 <script setup lang="ts">
-// 19 项绩效指标表。按金融惯例格式化：比率类→百分比，保留小数。
+// 25 项绩效指标表。按金融惯例格式化：比率类→百分比，保留小数。
+// v1.28 新增深度风险指标（Ulcer/VaR/CVaR/SQN/连胜连亏），老结果缺键时显示 '-'。
 
 import { computed } from 'vue'
 
@@ -27,6 +28,9 @@ const METRICS: MetricRow[] = [
   { key: 'max_drawdown', label: '最大回撤', format: 'percent', group: '风险' },
   { key: 'max_dd_duration', label: '回撤持续', format: 'days', group: '风险' },
   { key: 'volatility', label: '波动率', format: 'percent', group: '风险' },
+  { key: 'ulcer_index', label: 'Ulcer 指数', format: 'percent', group: '风险' },
+  { key: 'var_95', label: '日 VaR (95%)', format: 'percent', group: '风险' },
+  { key: 'cvar_95', label: '日 CVaR (95%)', format: 'percent', group: '风险' },
   { key: 'total_trades', label: '总交易数', format: 'int', group: '交易' },
   { key: 'win_trades', label: '盈利次数', format: 'int', group: '交易' },
   { key: 'lose_trades', label: '亏损次数', format: 'int', group: '交易' },
@@ -37,11 +41,14 @@ const METRICS: MetricRow[] = [
   { key: 'max_win', label: '最大盈利', format: 'percent', group: '交易' },
   { key: 'max_loss', label: '最大亏损', format: 'percent', group: '交易' },
   { key: 'avg_holding_days', label: '平均持仓天数', format: 'ratio', group: '交易' },
+  { key: 'sqn', label: 'SQN 系统质量', format: 'ratio', group: '交易' },
+  { key: 'max_consecutive_wins', label: '最大连胜', format: 'int', group: '交易' },
+  { key: 'max_consecutive_losses', label: '最大连亏', format: 'int', group: '交易' },
   { key: 'rejected_trades', label: '拒单数', format: 'int', group: '交易' },
 ]
 
-function formatVal(row: MetricRow, v: number): string {
+function formatVal(row: MetricRow, v: number | undefined): string {
-  if (!Number.isFinite(v)) return '-'
+  if (v === undefined || v === null || !Number.isFinite(v)) return '-'
   if (row.format === 'percent') return `${(v * 100).toFixed(2)}%`
   if (row.format === 'int') return String(Math.round(v))
   if (row.format === 'days') return `${v.toFixed(0)} 天`

web-ui/src/types.ts

@@ -89,6 +89,19 @@ export interface Performance {
   max_loss: number
   avg_holding_days: number
   volatility: number
+  // v1.28 深度风险指标（老版本保存的结果可能缺省）
+  /** Ulcer 指数：回撤深度平方均值开方，越小持有体验越好 */
+  ulcer_index?: number
+  /** 95% 日 VaR（历史分位数法，正数 = 单日最大损失幅度） */
+  var_95?: number
+  /** 95% 日 CVaR / 期望损失 */
+  cvar_95?: number
+  /** SQN 系统质量数（>2 可用、>4 优秀、>6 极佳） */
+  sqn?: number
+  /** 最大连胜笔数 */
+  max_consecutive_wins?: number
+  /** 最大连亏笔数 */
+  max_consecutive_losses?: number
 }
 
 export interface EquityPoint {
@@ -603,6 +616,15 @@ export interface EvaluateBenchmarkReport {
   }
   /** 策略总收益 - 买入持有总收益 */
   excess_return: number
+  // v1.28 CAPM / 主动管理对比指标（老版本保存的报告可能缺省）
+  /** 年化 CAPM α：剔除基准影响后的超额收益，>0 仍有真实超额 */
+  alpha?: number
+  /** β：对基准的敏感度（1 = 与基准同涨跌） */
+  beta?: number
+  /** 年化信息比率：每 1 单位跟踪误差换来的超额收益 */
+  information_ratio?: number
+  /** 年化跟踪误差 */
+  tracking_error?: number
 }
 
 export interface EvaluateReport {