fix(types): v1.20.2 修复 v1.20.1 引入的 CI mypy 失败

v1.20.1 把 BacktestResult.performance 扩大为 dict[str, float | str]
（为塞 diagnostic_warning 字符串），破坏 6 处下游消费方类型契约，
CI mypy job 转红。重构为更干净的设计：

- 诊断信息走独立的 BacktestResult.diagnostic 字段（performance.py
  PerformanceAnalyzer.diagnostic 属性 → engine 透出 → to_dict 含该字段
  → CLI 显示），performance 字典回归 dict[str, float]（保留别名键）。
- optimizer.py 补 npt.NDArray 标注，消除 3 个既有 ndarray type-arg 错误。

测试：932 passed；mypy backtest/+portfolio/ 零错误；ruff 全绿。

CHANGELOG.md

@@ -2,6 +2,15 @@
 
 本文件记录 easy-tdx 的版本变更。格式遵循 [Keep a Changelog](https://keepachangelog.com/zh-CN/)。
 
+## [1.20.2] — 2026-07-09
+
+**修复 v1.20.1 引入的 CI mypy 失败** —— v1.20.1 把 `BacktestResult.performance` 类型扩大为 `dict[str, float | str]`（为塞进 `diagnostic_warning` 字符串），破坏了 6 处下游消费方（portfolio/combo/optimizer/ranker 假设 `dict[str, float]` 做算术比较），CI mypy job 转红。本次重构为更干净的设计：诊断信息走独立的 `BacktestResult.diagnostic` 字段，performance 字典恢复 `dict[str, float]` 类型契约。顺手修复 `optimizer.py` 的 3 个既有 ndarray type-arg 错误。
+
+### 修复
+
+- **诊断信息独立字段**（`src/easy_tdx/backtest/{performance,engine,types,cli}.py`）—— `PerformanceAnalyzer.diagnostic` 属性承载数据异常提示，`BacktestResult.diagnostic: str | None` 透出，`to_dict()` 含该字段，CLI 表格显示。performance 字典回归 `dict[str, float]`（含 `sharpe_ratio`/`start_cash`/`end_value` 别名键），下游算术/比较不再类型报错。
+- **`optimizer.py` ndarray 类型标注**（`src/easy_tdx/portfolio/optimizer.py`）—— `FactorWeightedOptimizer`/`RiskParityOptimizer` 的 `scores`/`vol` 局部变量、`MeanVarianceOptimizer.objective` 参数补 `npt.NDArray[np.float64]` 标注，消除 3 个既有 mypy type-arg 错误。
+
 ## [1.20.1] — 2026-07-09
 
 **修复回测引擎 3 个用户高频踩坑的 bug**（issues #22 / #23 / #25）—— 用户最初反馈"回测统计数据缺失/异常"，排查后发现并非服务器连接问题（已建议 `easy-tdx ping`），而是回测引擎与组合优化器自身的代码缺陷：首根 bar 访问历史数据崩溃、再平衡 `n_stocks` 被无视、交易笔数统计成天数。本次逐一修复并补回归测试，同时在数据异常时给出诊断提示而非静默返回全 0。
@@ -14,7 +23,7 @@
 
 ### 新增
 
-- **绩效指标别名键 + 数据异常诊断**（`src/easy_tdx/backtest/performance.py` + `cli.py`）—— performance dict 新增 `sharpe_ratio` / `start_cash` / `end_value` 别名键，避免用户 `.get('sharpe_ratio')` 误用返回 0（issue #22 body）。资金曲线不足 2 点或有效日收益 < 2 时返回 `diagnostic_warning`（提示可能数据不全、建议 `easy-tdx ping`），CLI 表格输出显示该提示，不再静默返回全 0。
+- **绩效指标别名键 + 数据异常诊断**（`src/easy_tdx/backtest/performance.py` + `cli.py` + `types.py`）—— performance dict 新增 `sharpe_ratio` / `start_cash` / `end_value` 别名键，避免用户 `.get('sharpe_ratio')` 误用返回 0（issue #22 body）。资金曲线不足 2 点或有效日收益 < 2 时，`BacktestResult.diagnostic` 字段填充提示（可能数据不全、建议 `easy-tdx ping`），CLI 表格输出显示该提示，不再静默返回全 0。诊断信息独立于数值型 performance 字典，不破坏 `dict[str, float]` 类型契约。
 
 ### 文档
 

pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "hatchling.build"
 
 [project]
 name = "easy-tdx"
-version = "1.20.1"
+version = "1.20.2"
 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/backtest/cli.py

@@ -256,8 +256,8 @@ def _print_table(result: Any) -> None:
     click.echo(f"交易次数: {perf.get('total_trades', 0)}")
     click.echo()
 
-    if perf.get("diagnostic_warning"):
-        click.echo(f"⚠ 诊断: {perf['diagnostic_warning']}")
+    if getattr(result, "diagnostic", None):
+        click.echo(f"⚠ 诊断: {result.diagnostic}")
         click.echo()
 
     click.echo("=== 配置参数 ===")

src/easy_tdx/backtest/engine.py

@@ -166,11 +166,12 @@ class BacktestEngine:
 
         # Step 4: Performance analysis
         trades_df = self._trades_to_df(trades)
-        performance = PerformanceAnalyzer(
+        analyzer = PerformanceAnalyzer(
             tracker.equity_curve,
             trades_df,
             risk_free_rate=0.03,
-        ).compute()
+        )
+        performance = analyzer.compute()
 
         # Config snapshot
         config = {
@@ -187,6 +188,7 @@ class BacktestEngine:
             trades=trades_df,
             positions=tracker.positions,
             config=config,
+            diagnostic=analyzer.diagnostic,
         )
 
     def _execute_with_model(self, signals: list[Signal], df: pd.DataFrame) -> list[Trade]:
@@ -503,10 +505,11 @@ class BacktestEngine:
         Returns:
             BacktestResult with empty DataFrames
         """
-        perf = PerformanceAnalyzer(
+        analyzer = PerformanceAnalyzer(
             pd.DataFrame(columns=["total", "drawdown", "drawdown_pct"]),
             pd.DataFrame(columns=["direction", "pnl", "rejected"]),
-        ).compute()
+        )
+        perf = analyzer.compute()
 
         return BacktestResult(
             performance=perf,
@@ -529,4 +532,5 @@ class BacktestEngine:
                 columns=["datetime", "size", "avg_price", "market_value", "unrealized_pnl"]
             ),
             config={},
+            diagnostic=analyzer.diagnostic,
         )

src/easy_tdx/backtest/performance.py

@@ -48,8 +48,10 @@ class PerformanceAnalyzer:
         self._equity_curve = equity_curve
         self._trades = trades
         self._risk_free_rate = risk_free_rate
+        # 数据异常诊断（资金曲线不足/恒定时填充），供上层透出给用户
+        self.diagnostic: str | None = None
 
-    def compute(self) -> dict[str, float | str]:
+    def compute(self) -> dict[str, float]:
         """计算绩效指标。
 
         Returns:
@@ -76,7 +78,8 @@ class PerformanceAnalyzer:
         """
         # 边界检查
         if len(self._equity_curve) < 2:
-            return self._empty_metrics("资金曲线不足 2 根，无法计算绩效（数据可能为空或不全）")
+            self.diagnostic = "资金曲线不足 2 根，无法计算绩效（数据可能为空或不全）"
+            return self._empty_metrics()
 
         total = self._equity_curve["total"].to_numpy()
         drawdown = self._equity_curve["drawdown"].to_numpy()
@@ -89,10 +92,11 @@ class PerformanceAnalyzer:
 
         # 日收益率数量太少时返回空指标
         if len(daily_ret) < 2:
-            return self._empty_metrics(
+            self.diagnostic = (
                 "有效日收益率不足 2 个，绩效全 0（资金曲线可能恒定，常因数据不全或"
                 "交易未生效；建议 easy-tdx ping 切换服务器后重试）"
             )
+            return self._empty_metrics()
 
         # 1. 总收益率（首根净值为 0 时无法定义，记为 0.0）
         total_return = (total[-1] / total[0]) - 1 if total[0] != 0 else 0.0
@@ -337,19 +341,17 @@ class PerformanceAnalyzer:
 
         return int(max_dd_idx - peak_idx)
 
-    def _empty_metrics(self, diagnostic: str | None = None) -> dict[str, float | str]:
-        """返回全零指标字典。
+    def _empty_metrics(self) -> dict[str, float]:
+        """返回全零指标字典（数据不足时的默认返回值）。
 
-        用于数据不足时的默认返回值。``diagnostic`` 非空时一并返回，便于
-        上层（CLI/UI）提示用户绩效全 0 的原因（典型为数据不全）。
-
-        Args:
-            diagnostic: 可选的诊断说明，写入返回字典的 ``diagnostic_warning`` 键。
+        数据异常的诊断说明通过 ``self.diagnostic`` 暴露，由上层（CLI/引擎）
+        读取后透出给用户，不污染数值型 performance 字典（保持
+        ``dict[str, float]`` 类型，避免下游算术/比较类型报错）。
 
         Returns:
-            全零的绩效指标字典（可选含 ``diagnostic_warning``）。
+            全零的绩效指标字典（含别名键 sharpe_ratio/start_cash/end_value）。
         """
-        metrics: dict[str, float | str] = {
+        return {
             "total_return": 0.0,
             "annual_return": 0.0,
             "max_drawdown": 0.0,
@@ -373,6 +375,3 @@ class PerformanceAnalyzer:
             "start_cash": 0.0,
             "end_value": 0.0,
         }
-        if diagnostic is not None:
-            metrics["diagnostic_warning"] = diagnostic
-        return metrics

src/easy_tdx/backtest/types.py

@@ -106,13 +106,15 @@ class BacktestResult:
         trades: 成交记录 DataFrame
         positions: 持仓快照 DataFrame
         config: 配置参数字典
+        diagnostic: 数据异常诊断（资金曲线不足/恒定时的提示），无异常时为 None
     """
 
-    performance: dict[str, float | str]
+    performance: dict[str, float]
     equity_curve: pd.DataFrame
     trades: pd.DataFrame
     positions: pd.DataFrame
     config: dict[str, Any]
+    diagnostic: str | None = None
 
     def to_dict(self) -> dict[str, Any]:
         """将结果转换为 JSON 兼容字典。
@@ -125,6 +127,7 @@ class BacktestResult:
             "trades": self.trades.to_dict(orient="records"),
             "positions": self.positions.to_dict(orient="records"),
             "config": self.config,
+            "diagnostic": self.diagnostic,
         }
 
     def to_json(self) -> str:

src/easy_tdx/portfolio/optimizer.py

@@ -126,7 +126,7 @@ class FactorWeightedOptimizer(WeightOptimizer):
         top = factor_scores.nlargest(n_stocks, "score")
         if len(top) == 0:
             return {}
-        scores = top["score"].to_numpy(dtype=np.float64)
+        scores: npt.NDArray[np.float64] = top["score"].to_numpy(dtype=np.float64)
         if len(scores) > 10:
             q95 = np.percentile(scores, 95)
             q05 = np.percentile(scores, 5)
@@ -160,10 +160,10 @@ class RiskParityOptimizer(WeightOptimizer):
         if len(top) == 0:
             return {}
         if "volatility" in top.columns:
-            vol = top["volatility"].to_numpy(dtype=np.float64)
+            vol: npt.NDArray[np.float64] = top["volatility"].to_numpy(dtype=np.float64)
         else:
-            scores = top["score"].abs().to_numpy(dtype=np.float64)
-            vol = 1.0 / (scores + 1e-8)
+            scores: npt.NDArray[np.float64] = top["score"].abs().to_numpy(dtype=np.float64)
+            vol = (1.0 / (scores + 1e-8)).astype(np.float64)
         vol = np.maximum(vol, 1e-8)
         inv_vol = 1.0 / vol
         total = inv_vol.sum()
@@ -205,7 +205,7 @@ class MeanVarianceOptimizer(WeightOptimizer):
         variances = 1.0 / (np.abs(scores) + 1e-8) ** 2
         cov = np.diag(variances)
 
-        def objective(w: np.ndarray) -> float:
+        def objective(w: npt.NDArray[np.float64]) -> float:
             return float(w @ cov @ w)
 
         constraints = {"type": "eq", "fun": lambda w: float(np.sum(w) - 1.0)}

tests/unit/test_backtest_performance.py

@@ -233,9 +233,9 @@ def test_empty_equity_curve() -> None:
     # 数值指标应为 0
     numeric_metrics = {k: v for k, v in metrics.items() if isinstance(v, int | float)}
     assert all(v == 0 for v in numeric_metrics.values())
-    # issue #22：数据不全时给出诊断提示，而非静默全 0
-    assert "diagnostic_warning" in metrics
-    assert isinstance(metrics["diagnostic_warning"], str)
+    # issue #22：数据不全时给出诊断提示（analyzer.diagnostic），而非静默全 0
+    assert analyzer.diagnostic is not None
+    assert isinstance(analyzer.diagnostic, str)
 
 
 def test_single_point_equity_curve() -> None:
@@ -249,7 +249,7 @@ def test_single_point_equity_curve() -> None:
     # 数值指标应为 0（需要至少 2 个点才能计算收益率）
     numeric_metrics = {k: v for k, v in metrics.items() if isinstance(v, int | float)}
     assert all(v == 0 for v in numeric_metrics.values())
-    assert "diagnostic_warning" in metrics
+    assert analyzer.diagnostic is not None
 
 
 def test_profit_factor() -> None: