重构回测代码架构，新增批量回测功能

.idea/vcs.xml

@@ -2,5 +2,6 @@
 <project version="4">
   <component name="VcsDirectoryMappings">
     <mapping directory="$PROJECT_DIR$" vcs="Git" />
+    <mapping directory="$PROJECT_DIR$/backtestingpy" vcs="Git" />
   </component>
 </project>

backtest.py

@@ -1,326 +0,0 @@
-#!/usr/bin/env python3
-"""
-量化回测主程序
-
-使用方法:
-    python backtest.py --code 000001.SZ --start-date 2024-01-01 --end-date 2025-12-31 --strategy-file strategy.py
-"""
-
-import argparse
-import sys
-import os
-import importlib.util
-import pandas as pd
-from datetime import datetime
-from backtesting import Backtest
-
-# 数据库配置（直接硬编码，开发环境）
-DB_HOST = "81.71.3.24"
-DB_PORT = 6785
-DB_NAME = "leopard_dev"
-DB_USER = "leopard"
-DB_PASSWORD = "9NEzFzovnddf@PyEP?e*AYAWnCyd7UhYwQK$pJf>7?ccFiN^x4$eKEZ5~E<7<+~X"
-
-
-def load_data_from_db(code, start_date, end_date):
-    """
-    从数据库加载历史数据
-
-    参数:
-        code: 股票代码（如 '000001.SZ'）
-        start_date: 开始日期（如 '2024-01-01'）
-        end_date: 结束日期（如 '2025-12-31'）
-
-    返回:
-        DataFrame, 包含列: [Open, High, Low, Close, Volume, factor]
-    """
-    import sqlalchemy
-    import urllib.parse
-
-    # 构建连接字符串（URL 编码密码中的特殊字符）
-    encoded_password = urllib.parse.quote_plus(DB_PASSWORD)
-    conn_str = (
-        f"postgresql://{DB_USER}:{encoded_password}@{DB_HOST}:{DB_PORT}/{DB_NAME}"
-    )
-    engine = sqlalchemy.create_engine(conn_str)
-
-    try:
-        # 构建 SQL 查询
-        query = f"""
-        SELECT
-            trade_date,
-            open * factor AS "Open",
-            close * factor AS "Close",
-            high * factor AS "High",
-            low * factor AS "Low",
-            volume AS "Volume",
-            COALESCE(factor, 1.0) AS factor
-        FROM leopard_daily daily
-        LEFT JOIN leopard_stock stock ON stock.id = daily.stock_id
-        WHERE stock.code = '{code}'
-          AND daily.trade_date BETWEEN '{start_date} 00:00:00'
-                                  AND '{end_date} 23:59:59'
-        ORDER BY daily.trade_date
-        """
-
-        # 执行查询
-        df = pd.read_sql(query, engine)
-
-        if len(df) == 0:
-            raise ValueError(f"未找到股票 {code} 在指定时间范围内的数据")
-
-        # 潬换日期并设置为索引
-        df["trade_date"] = pd.to_datetime(df["trade_date"], format="%Y-%m-%d")
-        df.set_index("trade_date", inplace=True)
-
-        return df
-
-    finally:
-        # 清理连接
-        engine.dispose()
-
-
-def load_strategy(strategy_file):
-    """
-    动态加载策略文件
-
-    参数:
-        strategy_file: 策略文件路径 (如 'strategy.py' 或 'strategies/macd.py')
-
-    返回:
-        (calculate_indicators, strategy_class) 元组
-    """
-    # 获取模块名
-    module_name = strategy_file.replace(".py", "").replace("/", ".")
-    spec = importlib.util.spec_from_file_location(module_name, strategy_file)
-    module = importlib.util.module_from_spec(spec)
-    spec.loader.exec_module(module)
-
-    # 接口验证
-    if not hasattr(module, "calculate_indicators"):
-        raise AttributeError(f"策略文件 {strategy_file} 缺少 calculate_indicators 函数")
-
-    if not hasattr(module, "get_strategy"):
-        raise AttributeError(f"策略文件 {strategy_file} 缺少 get_strategy 函数")
-
-    calculate_indicators = module.calculate_indicators
-    strategy_class = module.get_strategy()
-
-    # 验证 get_strategy 返回的是类
-    if not isinstance(strategy_class, type):
-        raise TypeError("get_strategy() 必须返回一个类")
-
-    # 验证策略类继承自 backtesting.Strategy
-    from backtesting import Strategy
-
-    if not issubclass(strategy_class, Strategy):
-        raise TypeError("策略类必须继承 backtesting.Strategy")
-
-    return calculate_indicators, strategy_class
-
-
-def apply_color_scheme():
-    """
-    应用颜色方案：红涨绿跌（中国股市风格）
-    """
-    import backtesting._plotting as plotting
-    from bokeh.colors.named import tomato, lime
-
-    plotting.BULL_COLOR = tomato
-    plotting.BEAR_COLOR = lime
-
-
-def parse_arguments():
-    """
-    解析命令行参数
-
-    返回:
-        args: 命名空间对象
-    """
-    parser = argparse.ArgumentParser(
-        description="量化回测工具", formatter_class=argparse.RawDescriptionHelpFormatter
-    )
-
-    # 必需参数
-    parser.add_argument(
-        "--code", type=str, required=True, help="股票代码 (如: 000001.SZ)"
-    )
-    parser.add_argument(
-        "--start-date", type=str, required=True, help="回测开始日期 (格式: YYYY-MM-DD)"
-    )
-    parser.add_argument(
-        "--end-date", type=str, required=True, help="回测结束日期 (格式: YYYY-MM-DD)"
-    )
-    parser.add_argument(
-        "--strategy-file",
-        type=str,
-        required=True,
-        help="策略文件路径 (如: strategy.py)",
-    )
-
-    # 可选参数
-    parser.add_argument(
-        "--cash", type=float, default=100000, help="初始资金 (默认: 100000)"
-    )
-    parser.add_argument(
-        "--commission", type=float, default=0.002, help="手续费率 (默认: 0.002)"
-    )
-    parser.add_argument(
-        "--output", type=str, default=None, help="HTML 输出文件路径 (可选)"
-    )
-    parser.add_argument(
-        "--warmup-days", type=int, default=365, help="预热天数 (默认: 365，约一年）"
-    )
-
-    return parser.parse_args()
-
-
-def format_value(value, cn_name, key):
-    """
-    格式化数值显示
-    """
-    if isinstance(value, (int, float)):
-        if "%" in cn_name or key in [
-            "Sharpe Ratio",
-            "Sortino Ratio",
-            "Calmar Ratio",
-            "Profit Factor",
-        ]:
-            formatted_value = f"{value:.2f}"
-        elif "$" in cn_name:
-            formatted_value = f"{value:.2f}"
-        elif "次数" in cn_name:
-            formatted_value = f"{value:.0f}"
-        else:
-            formatted_value = f"{value:.4f}"
-    else:
-        formatted_value = str(value)
-
-    return formatted_value
-
-
-def print_stats(stats):
-    """
-    打印回测统计结果
-
-    参数:
-        stats: backtesting 库返回的统计对象
-    """
-    print("\n" + "=" * 60)
-    print("回测结果")
-    print("=" * 60)
-
-    indicator_name_mapping = {
-        # 'Start': '回测开始时间',
-        # 'End': '回测结束时间',
-        # 'Duration': '回测持续时长',
-        # 'Exposure Time [%]': '持仓时间占比（%）',
-        'Equity Final [$]': '最终收益',
-        'Equity Peak [$]': '峰值收益',
-        'Return [%]': '总收益率（%）',
-        'Buy & Hold Return [%]': '买入并持有收益率（%）',
-        'Return (Ann.) [%]': '年化收益率（%）',
-        'Volatility (Ann.) [%]': '年化波动率（%）',
-        # 'CAGR [%]': '复合年均增长率（%）',
-        # 'Sharpe Ratio': '夏普比率',
-        'Sortino Ratio': '索提诺比率',
-        'Calmar Ratio': '卡尔玛比率',
-        # 'Alpha [%]': '阿尔法系数（%）',
-        # 'Beta': '贝塔系数',
-        'Max. Drawdown [%]': '最大回撤（%）',
-        'Avg. Drawdown [%]': '平均回撤（%）',
-        'Max. Drawdown Duration': '最大回撤持续时长',
-        'Avg. Drawdown Duration': '平均回撤持续时长',
-        '# Trades': '总交易次数',
-        'Win Rate [%]': '胜率（%）',
-        # 'Best Trade [%]': '最佳单笔交易收益率（%）',
-        # 'Worst Trade [%]': '最差单笔交易收益率（%）',
-        # 'Avg. Trade [%]': '平均单笔交易收益率（%）',
-        # 'Max. Trade Duration': '单笔交易最长持有时长',
-        # 'Avg. Trade Duration': '单笔交易平均持有时长',
-        # 'Profit Factor': '盈利因子',
-        # 'Expectancy [%]': '期望收益（%）',
-        'SQN': '系统质量数',
-        # 'Kelly Criterion': '凯利准则',
-    }
-    for k, v in stats.items():
-        if k in indicator_name_mapping:
-            cn_name = indicator_name_mapping.get(k, k)
-            if isinstance(v, (int, float)):
-                if "%" in cn_name or k in ['Sharpe Ratio', 'Sortino Ratio', 'Calmar Ratio', 'Profit Factor']:
-                    formatted_value = f"{v:.2f}"
-                elif "$" in cn_name:
-                    formatted_value = f"{v:.2f}"
-                elif "次数" in cn_name:
-                    formatted_value = f"{v:.0f}"
-                else:
-                    formatted_value = f"{v:.4f}"
-            else:
-                formatted_value = str(v)
-            print(f'{cn_name}: {formatted_value}')
-
-    print("=" * 60 + "\n")
-
-
-def main():
-    """
-    主函数：编排完整回测流程
-    """
-    try:
-        # 解析参数
-        args = parse_arguments()
-
-        apply_color_scheme()
-
-        # 加载数据
-        print(f"加载股票数据: {args.code} ({args.start_date} ~ {args.end_date})")
-        data = load_data_from_db(args.code, args.start_date, args.end_date)
-        print(f"数据加载完成，共 {len(data)} 条记录")
-
-        # 截取预热数据
-        warmup_data = data.iloc[-args.warmup_days :]
-        print(f"使用预热数据范围: {warmup_data.index[0]} ~ {warmup_data.index[-1]}")
-
-        # 加载策略
-        print(f"加载策略: {args.strategy_file}")
-        calculate_indicators, strategy_class = load_strategy(args.strategy_file)
-
-        # 计算指标
-        print("计算指标...")
-        warmup_data = calculate_indicators(warmup_data)
-        print("指标计算完成")
-
-        # 执行回测
-        print("开始回测...")
-        from backtesting import Backtest
-
-        bt = Backtest(
-            warmup_data,
-            strategy_class,
-            cash=args.cash,
-            commission=args.commission,
-            finalize_trades=True,
-        )
-        stats = bt.run()
-
-        # 输出结果
-        print_stats(stats)
-
-        # 生成图表
-        if args.output:
-            print(f"\n生成图表: {args.output}")
-            bt.plot(filename=args.output, open_browser=False)
-            print(f"图表已保存到: {args.output}")
-
-        print("\n回测完成！")
-
-    except Exception as e:
-        print(f"\n错误: {e}")
-        import traceback
-
-        traceback.print_exc()
-        sys.exit(1)
-
-
-if __name__ == "__main__":
-    main()

backtest_command.py

@@ -0,0 +1,120 @@
+#!/usr/bin/env python3
+import argparse
+import sys
+
+import tabulate
+
+import backtest_core
+
+
+def parse_arguments():
+    parser = argparse.ArgumentParser(description="量化回测工具", formatter_class=argparse.RawDescriptionHelpFormatter)
+
+    parser.add_argument("--codes", type=str, nargs="+", required=True, help="股票代码列表 (如: 000001.SZ 600000.SH)", )
+    parser.add_argument("--start-date", type=str, required=True, help="回测开始日期 (格式: YYYY-MM-DD)", )
+    parser.add_argument("--end-date", type=str, required=True, help="回测结束日期 (格式: YYYY-MM-DD)", )
+    parser.add_argument("--strategy-file", type=str, required=True, help="策略文件路径 (如: strategy.py)", )
+    parser.add_argument("--cash", type=float, default=100000, help="初始资金 (默认: 100000)", )
+    parser.add_argument("--commission", type=float, default=0.002, help="手续费率 (默认: 0.002)", )
+    parser.add_argument("--warmup-days", type=int, default=365, help="预热天数 (默认: 365，约一年)", )
+    parser.add_argument("--output-dir", type=str, default=None, help="HTML 图表输出目录 (可选，为每个股票生成 {code}.html)", )
+
+    return parser.parse_args()
+
+
+def format_single_result(result: backtest_core.BacktestResult):
+    print("=" * 60)
+    print(f"股票代码: {result.code}")
+    print("=" * 60)
+
+    indicator_mapping = {
+        "最终收益": f"{result.equity_final:.2f}",
+        "峰值收益": f"{result.equity_peak:.2f}",
+        "总收益率（%）": f"{result.return_pct:.2f}",
+        "买入并持有收益率（%）": f"{result.buy_hold_return_pct:.2f}",
+        "年化收益率（%）": f"{result.return_ann_pct:.2f}",
+        "年化波动率（%）": f"{result.volatility_ann_pct:.2f}",
+        "索提诺比率": f"{result.sortino_ratio:.2f}",
+        "卡尔玛比率": f"{result.calmar_ratio:.2f}",
+        "最大回撤（%）": f"{result.max_drawdown_pct:.2f}",
+        "平均回撤（%）": f"{result.avg_drawdown_pct:.2f}",
+        "最大回撤持续时长": f"{result.max_drawdown_duration:.0f} 天",
+        "平均回撤持续时长": f"{result.avg_drawdown_duration:.0f} 天",
+        "总交易次数": f"{result.num_trades:.0f}",
+        "胜率（%）": f"{result.win_rate_pct:.2f}",
+        "系统质量数": f"{result.sqn:.2f}",
+    }
+
+    for name, value in indicator_mapping.items():
+        print(f"{name}: {value}")
+
+    print("=" * 60)
+
+
+def format_batch_results(results: list[backtest_core.BacktestResult]):
+    table_data = []
+    for result in results:
+        table_data.append(
+            [
+                result.code,
+                f"{result.return_pct:.2f}",
+                f"{result.buy_hold_return_pct:.2f}",
+                f"{result.return_ann_pct:.2f}",
+                f"{result.volatility_ann_pct:.2f}",
+                f"{result.win_rate_pct:.2f}",
+                f"{result.max_drawdown_pct:.2f}",
+                f"{result.sortino_ratio:.2f}",
+                f"{result.num_trades:.0f}",
+                f"{result.sqn:.2f}",
+            ]
+        )
+
+    headers = [
+        "股票代码",
+        "收益率%",
+        "买入持有%",
+        "年化收益%",
+        "年化波动%",
+        "胜率%",
+        "最大回撤%",
+        "索提诺比率",
+        "交易次数",
+        "SQN",
+    ]
+    print(tabulate.tabulate(table_data, headers=headers, tablefmt="grid"))
+
+
+def main():
+    args = parse_arguments()
+
+    try:
+        results = backtest_core.run_batch_backtest(
+            codes=args.codes,
+            start_date=args.start_date,
+            end_date=args.end_date,
+            strategy_file=args.strategy_file,
+            cash=args.cash,
+            commission=args.commission,
+            warmup_days=args.warmup_days,
+            output_dir=args.output_dir,
+            show_progress=True,
+        )
+
+        if len(results) == 1:
+            format_single_result(results[0])
+        else:
+            format_batch_results(results)
+
+        if args.output_dir:
+            print(f"\n图表已保存到: {args.output_dir}/")
+
+    except Exception as e:
+        print(f"\n错误: {e}")
+        import traceback
+
+        traceback.print_exc()
+        sys.exit(1)
+
+
+if __name__ == "__main__":
+    main()

backtest_core.py

@@ -0,0 +1,208 @@
+import dataclasses
+import importlib.util
+import os
+from typing import Optional
+
+import pandas as pd
+from tqdm import tqdm
+
+import config
+
+
+@dataclasses.dataclass
+class BacktestResult:
+    code: str
+    equity_final: float
+    equity_peak: float
+    return_pct: float
+    buy_hold_return_pct: float
+    return_ann_pct: float
+    volatility_ann_pct: float
+    sortino_ratio: float
+    calmar_ratio: float
+    max_drawdown_pct: float
+    avg_drawdown_pct: float
+    max_drawdown_duration: float
+    avg_drawdown_duration: float
+    num_trades: int
+    win_rate_pct: float
+    sqn: float
+
+
+def load_data_from_db(code: str, start_date: str, end_date: str) -> pd.DataFrame:
+    import sqlalchemy
+    import urllib.parse
+
+    encoded_password = urllib.parse.quote_plus(config.DB_PASSWORD)
+    conn_str = f"postgresql://{config.DB_USER}:{encoded_password}@{config.DB_HOST}:{config.DB_PORT}/{config.DB_NAME}"
+    engine = sqlalchemy.create_engine(conn_str)
+
+    try:
+        query = f"""
+SELECT trade_date,
+       open * factor         AS "Open",
+       close * factor        AS "Close",
+       high * factor         AS "High",
+       low * factor          AS "Low",
+       volume                AS "Volume",
+       COALESCE(factor, 1.0) AS factor
+FROM leopard_daily daily
+          LEFT JOIN leopard_stock stock ON stock.id = daily.stock_id
+WHERE stock.code = '{code}'
+  AND daily.trade_date BETWEEN '{start_date} 00:00:00'
+    AND '{end_date} 23:59:59'
+ORDER BY daily.trade_date
+        """
+
+        df = pd.read_sql(query, engine)
+
+        if len(df) == 0:
+            raise ValueError(f"未找到股票 {code} 在指定时间范围内的数据")
+
+        df["trade_date"] = pd.to_datetime(df["trade_date"], format="%Y-%m-%d")
+        df.set_index("trade_date", inplace=True)
+
+        return df
+
+    finally:
+        engine.dispose()
+
+
+def load_strategy(strategy_file: str):
+    module_name = strategy_file.replace(".py", "").replace("/", ".")
+    spec = importlib.util.spec_from_file_location(module_name, strategy_file)
+    module = importlib.util.module_from_spec(spec)
+    spec.loader.exec_module(module)
+
+    if not hasattr(module, "calculate_indicators"):
+        raise AttributeError(f"策略文件 {strategy_file} 缺少 calculate_indicators 函数")
+
+    if not hasattr(module, "get_strategy"):
+        raise AttributeError(f"策略文件 {strategy_file} 缺少 get_strategy 函数")
+
+    calculate_indicators = module.calculate_indicators
+    strategy_class = module.get_strategy()
+
+    if not isinstance(strategy_class, type):
+        raise TypeError("get_strategy() 必须返回一个类")
+
+    from backtesting import Strategy
+
+    if not issubclass(strategy_class, Strategy):
+        raise TypeError("策略类必须继承 backtesting.Strategy")
+
+    return calculate_indicators, strategy_class
+
+
+def apply_color_scheme():
+    import backtesting._plotting as plotting
+
+    plotting.BULL_COLOR = config.BULL_COLOR
+    plotting.BEAR_COLOR = config.BEAR_COLOR
+
+
+def run_backtest(
+        code: str,
+        start_date: str,
+        end_date: str,
+        strategy_file: str,
+        cash: float = config.DEFAULT_CASH,
+        commission: float = config.DEFAULT_COMMISSION,
+        warmup_days: int = config.DEFAULT_WARMUP_DAYS,
+        output_dir: Optional[str] = None,
+) -> BacktestResult:
+    warmup_start_date = (pd.to_datetime(start_date) - pd.Timedelta(days=warmup_days)).strftime("%Y-%m-%d")
+
+    data = load_data_from_db(code, warmup_start_date, end_date)
+
+    calculate_indicators, strategy_class = load_strategy(strategy_file)
+
+    data = calculate_indicators(data)
+
+    data = data.loc[start_date:end_date]
+
+    from backtesting import Backtest
+
+    bt = Backtest(data, strategy_class, cash=cash, commission=commission, finalize_trades=True)
+    stats = bt.run()
+
+    apply_color_scheme()
+
+    if output_dir:
+        os.makedirs(output_dir, exist_ok=True)
+        output_path = os.path.join(output_dir, f"{code}.html")
+        bt.plot(filename=output_path, open_browser=False)
+
+    def _safe_float(value, default=0):
+        if value is None:
+            return default
+        try:
+            return float(value)
+        except (TypeError, ValueError):
+            return default
+
+    def _safe_int(value, default=0):
+        if value is None:
+            return default
+        try:
+            return int(value)
+        except (TypeError, ValueError):
+            return default
+
+    def _safe_timedelta(value, default=0):
+        if value is None:
+            return default
+        try:
+            return float(value.total_seconds() / 86400)
+        except (TypeError, AttributeError):
+            return default
+
+    return BacktestResult(
+        code=code,
+        equity_final=_safe_float(stats.get("Equity Final [$]"), 0),
+        equity_peak=_safe_float(stats.get("Equity Peak [$]"), 0),
+        return_pct=_safe_float(stats.get("Return [%]"), 0),
+        buy_hold_return_pct=_safe_float(stats.get("Buy & Hold Return [%]"), 0),
+        return_ann_pct=_safe_float(stats.get("Return (Ann.) [%]"), 0),
+        volatility_ann_pct=_safe_float(stats.get("Volatility (Ann.) [%]"), 0),
+        sortino_ratio=_safe_float(stats.get("Sortino Ratio"), 0),
+        calmar_ratio=_safe_float(stats.get("Calmar Ratio"), 0),
+        max_drawdown_pct=_safe_float(stats.get("Max. Drawdown [%]"), 0),
+        avg_drawdown_pct=_safe_float(stats.get("Avg. Drawdown [%]"), 0),
+        max_drawdown_duration=_safe_timedelta(stats.get("Max. Drawdown Duration"), 0),
+        avg_drawdown_duration=_safe_timedelta(stats.get("Avg. Drawdown Duration"), 0),
+        num_trades=_safe_int(stats.get("# Trades"), 0),
+        win_rate_pct=_safe_float(stats.get("Win Rate [%]"), 0),
+        sqn=_safe_float(stats.get("SQN"), 0),
+    )
+
+
+def run_batch_backtest(
+        codes: list[str],
+        start_date: str,
+        end_date: str,
+        strategy_file: str,
+        cash: float = config.DEFAULT_CASH,
+        commission: float = config.DEFAULT_COMMISSION,
+        warmup_days: int = config.DEFAULT_WARMUP_DAYS,
+        output_dir: Optional[str] = None,
+        show_progress: bool = True,
+) -> list[BacktestResult]:
+    results = []
+
+    codes_iter = tqdm(codes, desc="批量回测") if show_progress else codes
+
+    for code in codes_iter:
+        result = run_backtest(
+            code=code,
+            start_date=start_date,
+            end_date=end_date,
+            strategy_file=strategy_file,
+            cash=cash,
+            commission=commission,
+            warmup_days=warmup_days,
+            output_dir=output_dir,
+        )
+        results.append(result)
+
+    return results

config.py

@@ -0,0 +1,20 @@
+"""
+配置文件
+
+集中管理数据库配置、默认回测参数、图表配色
+"""
+
+DB_HOST = "81.71.3.24"
+DB_PORT = 6785
+DB_NAME = "leopard_dev"
+DB_USER = "leopard"
+DB_PASSWORD = "9NEzFzovnddf@PyEP?e*AYAWnCyd7UhYwQK$pJf>7?ccFiN^x4$eKEZ5~E<7<+~X"
+
+DEFAULT_CASH = 100000
+DEFAULT_COMMISSION = 0.002
+DEFAULT_WARMUP_DAYS = 365
+
+from bokeh.colors.named import tomato, lime
+
+BULL_COLOR = tomato
+BEAR_COLOR = lime

note_refactor.md

@@ -0,0 +1,295 @@
+# 回测代码重构说明
+
+## 概述
+
+本次重构将原有的单一文件 `backtest.py` 拆分为模块化架构，提升代码复用性和可维护性。
+
+## 文件结构变化
+
+### 新增文件
+
+1. **config.py** - 配置管理模块
+   - 数据库配置（DB_HOST, DB_PORT, DB_NAME, DB_USER, DB_PASSWORD）
+   - 默认回测参数（DEFAULT_CASH, DEFAULT_COMMISSION, DEFAULT_WARMUP_DAYS）
+   - 图表配色（BULL_COLOR, BEAR_COLOR）
+
+2. **backtest_core.py** - 核心回测引擎
+   - `BacktestResult` 数据类：结构化回测结果
+   - `load_data_from_db()`：从数据库加载历史数据
+   - `load_strategy()`：动态加载策略文件
+   - `apply_color_scheme()`：应用图表配色
+   - `run_backtest()`：单股票回测函数
+   - `run_batch_backtest()`：批量回测函数（串行执行）
+
+3. **backtest_command.py** - 命令行界面
+   - `parse_arguments()`：解析命令行参数
+   - `format_single_result()`：详细格式输出（单股票）
+   - `format_batch_results()`：表格格式输出（多股票，使用 tabulate）
+   - `main()`：主流程编排
+
+### 删除文件
+
+1. **backtest.py** - 原有单一文件（284 行）
+
+## 接口变化
+
+### 新增 API
+
+```python
+# 单股票回测
+result = backtest_core.run_backtest(
+    code='000001.SZ',
+    start_date='2024-01-01',
+    end_date='2024-12-31',
+    strategy_file='strategies/sma_strategy.py',
+    cash=100000,
+    commission=0.002,
+    warmup_days=365,
+    output_dir=None  # 可选，为 None 时不生成图表
+)
+
+# 批量回测
+results = backtest_core.run_batch_backtest(
+    codes=['000001.SZ', '600000.SH'],
+    start_date='2024-01-01',
+    end_date='2024-12-31',
+    strategy_file='strategies/sma_strategy.py',
+    cash=100000,
+    commission=0.002,
+    warmup_days=365,
+    output_dir='output/',  # 可选，为每个股票生成 {code}.html
+    show_progress=True  # 可选，是否显示 tqdm 进度条
+)
+```
+
+### 新增数据结构
+
+```python
+@dataclasses.dataclass
+class BacktestResult:
+    code: str
+    equity_final: float
+    equity_peak: float
+    return_pct: float
+    buy_hold_return_pct: float
+    return_ann_pct: float
+    volatility_ann_pct: float
+    sortino_ratio: float
+    calmar_ratio: float
+    max_drawdown_pct: float
+    avg_drawdown_pct: float
+    max_drawdown_duration: float
+    avg_drawdown_duration: float
+    num_trades: int
+    win_rate_pct: float
+    sqn: float
+```
+
+## 命令行使用方式变化
+
+### 旧方式（已删除）
+
+```bash
+python backtest.py --code 000001.SZ --start-date 2024-01-01 --end-date 2024-12-31 --strategy-file strategy.py
+```
+
+### 新方式
+
+```bash
+uv run python backtest_command.py --codes 000001.SZ --start-date 2024-01-01 --end-date 2024-12-31 --strategy-file strategies/sma_strategy.py
+```
+
+### 参数变化
+
+| 参数名 | 变化 | 说明 |
+|--------|--------|------|
+| `--code` | 改为 `--codes` | 从单一参数改为多值参数（`nargs='+'`） |
+| `--output` | 改为 `--output-dir` | 指定目录而非文件路径 |
+
+### 新增参数
+
+- `--output-dir`：指定图表输出目录（可选）
+  - 单股票时：生成 `{code}.html` 在指定目录
+  - 多股票时：为每个股票生成 `{code}.html` 在指定目录
+  - 不指定时不生成图表
+
+## 输出格式变化
+
+### 单股票输出
+
+保持原有的详细格式输出，每个指标单独一行：
+
+```
+============================================================
+股票代码: 000001.SZ
+============================================================
+最终收益: 100981.58
+峰值收益: 103731.54
+总收益率（%）: 0.98
+...
+============================================================
+```
+
+### 多股票输出
+
+新增表格格式输出（使用 tabulate，grid 格式）：
+
+```
++------------+-----------+---------+-------------+------------+-------+
+| 股票代码   |   收益率% |   胜率% |   最大回撤% |   交易次数 |   SQN |
++============+===========+=========+=============+============+=======+
+| 000001.SZ  |      0.98 |     100 |       -2.65 |          1 |   nan |
+| 600000.SH  |      0.04 |     100 |       -1.5  |          1 |   nan |
++------------+-----------+---------+-------------+------------+-------+
+```
+
+### 进度条
+
+多股票回测时显示 tqdm 进度条：
+
+```
+批量回测: 50%|█████     | 1/2 [00:07<00:07, 7.82s/it]
+```
+
+## 依赖变化
+
+### 新增依赖
+
+- `tabulate`：表格格式化
+  - 版本：0.9.0
+  - 用途：批量回测结果的表格化输出
+
+- `tqdm`：进度条显示
+  - 版本：4.67.1
+  - 用途：批量回测时的实时进度反馈
+
+## 特性增强
+
+### 新增功能
+
+1. **批量回测**：支持传入多个股票代码进行串行回测
+   - 命令：`--codes 000001.SZ 600000.SH`
+   - 输出：表格化结果对比
+   - 进度条：实时显示回测进度
+
+2. **图表生成**：为每个股票生成独立 HTML 图表
+   - 参数：`--output-dir output/`
+   - 输出：`{code}.html` 在指定目录
+   - 自动创建目录：`os.makedirs(output_dir, exist_ok=True)`
+
+3. **进度条显示**：使用 tqdm 提供实时反馈
+   - 多股票时自动显示
+   - 可通过 `show_progress=False` 禁用
+
+## 兼容性说明
+
+### BREAKING CHANGES
+
+1. **命令行入口变化**
+   - 旧：`python backtest.py`
+   - 新：`uv run python backtest_command.py`
+
+2. **参数名称变化**
+   - `--code` → `--codes`（从单值改为多值）
+
+### 兼容性保证
+
+- 所有原有功能完整保留
+- 核心回测逻辑无变化
+- 策略加载方式不变
+- 数据访问接口不变
+
+## 代码行数对比
+
+| 文件 | 旧行数 | 新行数 | 变化 |
+|------|---------|---------|------|
+| backtest.py | 284 | - | -284 |
+| config.py | - | 20 | +20 |
+| backtest_core.py | - | ~200 | +200 |
+| backtest_command.py | - | ~120 | +120 |
+| **总计** | **284** | **~340** | **+56** |
+
+## 迁移指南
+
+### 对于开发者
+
+如果需要在其他模块中调用回测功能：
+
+```python
+from backtest_core import run_backtest, run_batch_backtest, BacktestResult
+
+# 单股票回测
+result = run_backtest(
+    code='000001.SZ',
+    start_date='2024-01-01',
+    end_date='2024-12-31',
+    strategy_file='strategies/sma_strategy.py'
+)
+
+# 批量回测
+results = run_batch_backtest(
+    codes=['000001.SZ', '600000.SH'],
+    start_date='2024-01-01',
+    end_date='2024-12-31',
+    strategy_file='strategies/sma_strategy.py'
+)
+
+# 访问结果
+print(result.return_pct)
+print(result.win_rate_pct)
+```
+
+### 对于终端用户
+
+**单股票回测示例：**
+
+```bash
+uv run python backtest_command.py \
+  --codes 000001.SZ \
+  --start-date 2024-01-01 \
+  --end-date 2024-12-31 \
+  --strategy-file strategies/sma_strategy.py
+```
+
+**多股票回测示例：**
+
+```bash
+uv run python backtest_command.py \
+  --codes 000001.SZ 600000.SH \
+  --start-date 2024-01-01 \
+  --end-date 2024-12-31 \
+  --strategy-file strategies/sma_strategy.py
+```
+
+**生成图表示例：**
+
+```bash
+uv run python backtest_command.py \
+  --codes 000001.SZ \
+  --start-date 2024-01-01 \
+  --end-date 2024-12-31 \
+  --strategy-file strategies/sma_strategy.py \
+  --output-dir output/
+```
+
+## 错误处理
+
+- **立即失败策略**：遇到第一个错误立即停止，不继续执行其他股票
+- **友好错误提示**：捕获异常并打印清晰的错误信息
+- **退出状态码**：成功返回 0，失败返回非零
+- **回溯信息**：打印完整的堆栈跟踪以便调试
+
+## 性能考虑
+
+- **串行执行**：当前采用串行执行，确保简单可靠
+- **未来扩展**：未来可改为并行执行（ThreadPoolExecutor）以提升性能
+- **数据加载**：每次回测创建独立的数据库连接，避免连接池复杂度
+
+## 总结
+
+本次重构实现了：
+- ✅ 代码模块化：核心逻辑与 CLI 界面分离
+- ✅ 可复用性：提供标准化 API 供其他模块调用
+- ✅ 功能增强：支持批量回测和图表生成
+- ✅ 用户体验：表格化结果和进度条显示
+- ✅ 代码质量：更清晰的模块划分和类型提示

openspec/changes/archive/2026-01-28-refactor-backtest-separate-cli/.openspec.yaml

@@ -0,0 +1,2 @@
+schema: spec-driven
+created: 2026-01-28

openspec/changes/archive/2026-01-28-refactor-backtest-separate-cli/design.md

@@ -0,0 +1,287 @@
+## Context
+
+**Current State:**
+`backtest.py` (284 lines) 是单一文件，包含：
+- 命令行参数解析
+- 数据库连接和数据加载
+- 策略动态加载和验证
+- 回测执行逻辑
+- 结果格式化输出
+- 图表生成
+
+**Constraints:**
+- 需要保持现有功能完整性（数据加载、策略加载、回测执行、结果展示）
+- 需要支持多股票回测（串行执行）
+- 不考虑并发实现（保持简单）
+- 错误处理采用立即失败策略
+- 数据库配置明文存储，不考虑环境变量
+
+**Stakeholders:**
+- 开发者：需要清晰的模块划分和可复用的接口
+- 终端用户：需要友好的 CLI 输出（进度条、表格化结果）
+
+## Goals / Non-Goals
+
+**Goals:**
+1. 分离核心逻辑与 CLI 界面，提升代码复用性
+2. 提供标准化函数接口，供其他模块调用回测功能
+3. 支持多股票批量回测（串行执行）
+4. 集中管理配置（数据库、参数、配色）
+5. 优化 CLI 输出体验（tabulate 表格化、tqdm 进度条）
+
+**Non-Goals:**
+1. 并行执行多股票回测（性能优化非目标）
+2. 环境变量管理配置（配置明文存储即可）
+3. 复杂的聚合统计（仅单股票结果拼接）
+4. 图表文件合并（每个股票生成独立 HTML）
+5. 配置文件热重载（启动时加载一次）
+
+## Decisions
+
+### Decision 1: 三层模块划分
+**选择：** 分离为 `config.py`、`backtest_core.py`、`backtest_command.py` 三个文件
+
+**理由：**
+- **config.py**：集中管理所有配置，避免硬编码分散
+- **backtest_core.py**：纯粹的业务逻辑，提供可复用的函数接口
+- **backtest_command.py**：CLI 界面，负责参数解析和结果展示
+
+**替代方案：**
+- 方案 A：保留单一文件，但改进内部结构（函数分离）
+  - 拒绝理由：仍无法复用，CLI 和业务逻辑耦合
+- 方案 B：使用类封装（如 `BacktestEngine` 类）
+  - 拒绝理由：增加复杂度，函数接口已足够
+
+### Decision 2: BacktestResult 数据类
+**选择：** 使用 `dataclasses.dataclass` 定义 `BacktestResult`
+
+**理由：**
+- 结构化返回结果，便于序列化和导出
+- 类型提示支持，提升代码可读性
+- 自动生成 `__init__`、`__repr__` 等方法，减少样板代码
+
+**替代方案：**
+- 方案 A：直接返回原始 `stats` 对象（backtesting 库返回）
+  - 拒绝理由：依赖 backtesting 库内部结构，耦合度高
+- 方案 B：返回字典
+  - 拒绝理由：缺乏类型提示，容易拼写错误
+
+### Decision 3: 批量回测策略
+**选择：** 串行执行（`for` 循环），立即失败
+
+**理由：**
+- 简单可靠，易于调试
+- 错误处理清晰（第一个失败就停止）
+- 避免并发带来的资源竞争和复杂度
+
+**替代方案：**
+- 方案 A：并行执行（ThreadPoolExecutor）
+  - 拒绝理由：性能非目标，并发增加复杂度
+- 方案 B：继续执行其他股票，最后统一报告错误
+  - 拒绝理由：用户需求是立即失败
+
+### Decision 4: CLI 参数设计
+**选择：** `--codes` 多值参数（`nargs='+'`），`--output-dir` 目录参数
+
+**理由：**
+- `--codes` 支持传入多个股票代码，如 `--codes 000001.SZ 600000.SH`
+- `--output-dir` 为每个股票生成 `{code}.html`，如 `output/000001.SZ.html`
+- 保持原有参数（`--start-date`、`--end-date`、`--strategy-file`、`--cash`、`--commission`、`--warmup-days`）
+
+**替代方案：**
+- 方案 A：`--code` 逗号分隔（如 `--code 000001.SZ,600000.SH`）
+  - 拒绝理由：需要额外解析逻辑，不直观
+- 方案 B：`--code` 多次调用（如 `--code 000001.SZ --code 600000.SH`）
+  - 拒绝理由：argparse 的 `nargs='+'` 更符合习惯
+
+### Decision 5: 输出优化库
+**选择：** 使用 `tabulate` 表格化批量结果，使用 `tqdm` 显示进度条
+
+**理由：**
+- **tabulate**：提供美观的表格输出，支持多种格式（grid、simple 等）
+- **tqdm**：提供实时进度条，提升用户体验
+- 两个库都是轻量级，不引入复杂依赖
+
+**替代方案：**
+- 方案 A：手动格式化表格（字符串拼接）
+  - 拒绝理由：代码冗余，格式不够美观
+- 方案 B：不使用进度条（仅输出完成提示）
+  - 拒绝理由：多股票回测耗时较长，用户需要进度反馈
+
+### Decision 6: 结果展示策略
+**选择：** 单股票使用详细格式（现有），多股票使用表格格式（新增）
+
+**理由：**
+- 单股票：保持原有的详细输出（每个指标单独一行）
+- 多股票：使用 `tabulate` 表格横向对比，节省垂直空间
+
+**替代方案：**
+- 方案 A：所有情况都使用详细格式（拼接）
+  - 拒绝理由：多股票时输出过长，难以阅读
+- 方案 B：所有情况都使用表格格式
+  - 拒绝理由：单股票时表格优势不明显，详细格式更清晰
+
+### Decision 7: 配置管理方式
+**选择：** 明文常量存储在 `config.py`
+
+**理由：**
+- 满足用户需求（不考虑信息安全）
+- 避免引入 `python-dotenv` 依赖
+- 代码简洁，修改直接
+
+**替代方案：**
+- 方案 A：环境变量（`os.getenv`）
+  - 拒绝理由：用户明确不需要
+- 方案 B：配置文件（JSON/YAML）
+  - 拒绝理由：增加文件管理和解析复杂度
+
+### Decision 8: 数据访问接口
+**选择：** `load_data_from_db(code, start_date, end_date)` 函数签名保持不变
+
+**理由：**
+- 现有接口已满足需求（单次查询一个股票）
+- 迁移成本低，直接复制到 `backtest_core.py`
+
+**替代方案：**
+- 方案 A：批量查询（`load_data_from_db(codes, start_date, end_date)`）
+  - 拒绝理由：需要修改 SQL 为 `IN` 子句，且结果聚合复杂
+- 方案 B：连接池复用（全局 engine 对象）
+  - 拒绝理由：每次创建引擎的开销可接受（串行执行）
+
+### Decision 9: 策略加载接口
+**选择：** `load_strategy(strategy_file)` 返回 `(calculate_indicators, strategy_class)` 元组
+
+**理由：**
+- 保持现有接口，迁移成本低
+- 函数返回两个值符合 Python 惯例
+
+**替代方案：**
+- 方案 A：返回类对象（策略类自带指标计算方法）
+  - 拒绝理由：现有策略文件结构分离了两者，修改成本高
+- 方案 B：返回命名空间对象（封装两个属性）
+  - 拒绝理由：增加复杂度，元组足够
+
+### Decision 10: 错误处理策略
+**选择：** 立即失败（不捕获部分错误继续执行）
+
+**理由：**
+- 符合用户需求
+- 简化错误追踪（第一个错误直接暴露）
+- 避免"部分成功"的歧义状态
+
+**替代方案：**
+- 方案 A：捕获错误但继续执行，最后统一报告
+  - 拒绝理由：用户明确要求立即失败
+
+## Risks / Trade-offs
+
+### Risk 1: CLI 命令变化导致用户习惯中断
+**风险：** 用户习惯使用 `python backtest.py`，需要切换到 `uv run python backtest_command.py`
+
+**缓解：**
+- 在项目根目录创建软链接 `backtest.py -> backtest_command.py`（可选）
+- 或在 README 中明确说明新的使用方式
+- 提供迁移指南（参数变化说明）
+
+### Risk 2: 多股票串行执行耗时较长
+**风险：** 10 个股票可能需要 10 倍时间（每个 30 秒 → 总计 5 分钟）
+
+**缓解：**
+- 使用 `tqdm` 进度条提供实时反馈
+- 在 README 中说明性能限制
+- 未来可扩展为并行执行（非当前目标）
+
+### Risk 3: BacktestResult 字段可能与 backtesting 库不兼容
+**风险：** backtesting 库升级后，stats 对象的键名可能变化
+
+**缓解：**
+- 使用 `.get(key, default)` 方法访问，避免 KeyError
+- 提供默认值（0 或空字符串）
+- 在文档中说明依赖的 backtesting 版本
+
+### Risk 4: tabulate/tqdm 依赖未安装
+**风险：** 用户运行时缺少依赖，导致 ImportError
+
+**缓解：**
+- 使用 `uv add` 明确添加依赖到 pyproject.toml
+- 在 README 中说明安装步骤
+- 错误信息中提示安装命令（`uv add tabulate tqdm`）
+
+### Risk 5: 策略文件路径处理不一致
+**风险：** 策略文件路径可能是相对路径或绝对路径，导致加载失败
+
+**缓解：**
+- 使用 `os.path.abspath()` 转换为绝对路径
+- 在错误信息中提示用户检查路径
+- 测试相对路径和绝对路径两种情况
+
+### Risk 6: 图表输出目录不存在
+**风险：** 用户指定的 `--output-dir` 不存在，导致保存失败
+
+**缓解：**
+- 使用 `os.makedirs(output_dir, exist_ok=True)` 自动创建
+- 在错误信息中提示用户检查目录权限
+
+### Risk 7: 内存占用（多股票同时加载数据）
+**风险：** 如果同时加载多个股票数据，内存占用可能较高
+
+**缓解：**
+- 串行执行确保一次只加载一个股票的数据
+- 单个股票的数据量可控（10 年约几 MB）
+- future 可考虑流式处理（非当前目标）
+
+## Migration Plan
+
+### Step 1: 创建 config.py
+1. 从 `backtest.py` 提取数据库配置
+2. 添加默认回测参数
+3. 添加图表配色配置
+4. 测试导入无错误
+
+### Step 2: 创建 backtest_core.py
+1. 迁移 `load_data_from_db()` 函数（导入 config）
+2. 迁移 `load_strategy()` 函数
+3. 迁移 `apply_color_scheme()` 函数（使用 config 配置）
+4. 定义 `BacktestResult` 数据类
+5. 实现 `run_backtest()` 函数
+6. 实现 `run_batch_backtest()` 函数
+7. 单元测试核心函数
+
+### Step 3: 创建 backtest_command.py
+1. 实现 `parse_arguments()` 函数（支持 `--codes`）
+2. 实现 `format_single_result()` 函数（详细格式）
+3. 实现 `format_batch_results()` 函数（使用 tabulate）
+4. 实现 `main()` 函数（调用 `run_batch_backtest()`）
+5. 测试单股票回测
+6. 测试多股票回测
+
+### Step 4: 更新依赖
+1. 运行 `uv add tabulate` 添加依赖
+2. 运行 `uv add tqdm` 添加依赖
+3. 运行 `uv sync` 同步依赖
+
+### Step 5: 删除 backtest.py
+1. 确认新功能完整（单股票、多股票、图表输出）
+2. 确认错误处理正确（立即失败）
+3. 删除 `backtest.py` 文件
+4. 更新 README 说明新的使用方式
+
+### Rollback Strategy
+如果迁移过程中发现问题：
+1. 保留 `backtest.py` 直到 `backtest_command.py` 完全可用
+2. 使用 `git` 版本控制，可随时回退
+3. 逐步迁移（先核心函数，后 CLI），确保每步可验证
+
+## Open Questions
+
+1. **BacktestResult 字段完整性：** 是否需要包含所有 backtesting.stats 的键，或仅包含当前用到的字段？
+   - 倾向：仅包含当前用到的字段（未来可扩展）
+
+2. **表格格式选择：** tabulate 支持多种格式（grid、simple、pipe、html），多股票结果使用哪种？
+   - 倾向：grid（美观的边框格式）
+
+3. **进度条粒度：** tqdm 进度条应该显示每个股票的回测进度，还是仅显示批量回测的总进度？
+   - 倾向：仅显示批量回测的总进度（股票 N/M）
+
+4. **图表输出目录结构：** 多股票图表是平铺在 `output/` 下，还是按日期/策略分组？
+   - 倾向：平铺在 `output/` 下（简单）

openspec/changes/archive/2026-01-28-refactor-backtest-separate-cli/proposal.md

@@ -0,0 +1,54 @@
+## Why
+
+当前 `backtest.py` 存在职责混杂的问题：命令行参数解析、核心回测逻辑、数据访问、结果展示都耦合在单一文件中，导致：
+- 难以在其他模块中复用回测功能
+- 无法进行单元测试
+- 仅支持单股票回测，无法批量处理
+
+需要重构为分层架构，将核心逻辑与 CLI 界面分离，提升代码复用性和可维护性。
+
+## What Changes
+
+- **创建 `config.py`**：集中管理数据库配置、默认回测参数、图表配色
+- **创建 `backtest_core.py`**：核心回测引擎
+  - 提供标准化接口 `run_backtest()`（单股票）
+  - 提供批量接口 `run_batch_backtest()`（多股票，串行执行）
+  - 封装数据访问和策略加载逻辑
+  - 返回结构化结果对象 `BacktestResult`
+- **创建 `backtest_command.py`**：命令行界面
+  - 支持多股票代码参数 `--codes`（接受多个值）
+  - 使用 `tabulate` 优化批量结果的表格展示
+  - 使用 `tqdm` 显示批量回测进度条
+  - 保留原有的单股票详细输出格式
+- **删除 `backtest.py`**：不再需要，功能已迁移
+- **依赖更新**：添加 `tabulate`、`tqdm` 到项目依赖
+
+## Capabilities
+
+### New Capabilities
+- `batch-backtest`: 批量回测功能，支持传入多个股票代码进行串行回测，并提供进度条和表格化结果展示
+
+### Modified Capabilities
+- 无（其他均为实现重构，不改变 spec 级别行为）
+
+## Impact
+
+- **代码影响**：
+  - 删除 `backtest.py`（284 行）
+  - 新增 `config.py`（约 30 行）
+  - 新增 `backtest_core.py`（约 250 行）
+  - 新增 `backtest_command.py`（约 150 行）
+- **API 变化**：
+  - 新增 `run_backtest(code, start_date, end_date, strategy_file, ...)` 函数
+  - 新增 `run_batch_backtest(codes, start_date, end_date, strategy_file, ...)` 函数
+  - 新增 `BacktestResult` 数据类
+- **命令行变化**：
+  - 单参数 `--code` 改为多值参数 `--codes`
+  - 新增 `--output-dir` 参数，为每个股票生成独立 HTML 图表
+  - 批量回测时显示进度条和表格化结果
+- **依赖变化**：
+  - 新增 `tabulate`（表格格式化）
+  - 新增 `tqdm`（进度条显示）
+- **兼容性**：
+  - **BREAKING**: 删除原有 `backtest.py`，命令行使用方式从 `python backtest.py` 改为 `uv run python backtest_command.py`
+  - 参数名称从 `--code` 改为 `--codes`

openspec/changes/archive/2026-01-28-refactor-backtest-separate-cli/specs/batch-backtest/spec.md

@@ -0,0 +1,310 @@
+# Spec: Batch Backtest
+
+## ADDED Requirements
+
+### Requirement: 多股票回测参数
+系统 SHALL 支持通过命令行参数传入多个股票代码进行批量回测。
+
+#### Scenario: 传入多个股票代码
+- **WHEN** 用户执行 `python backtest_command.py --codes 000001.SZ 600000.SH --start-date 2024-01-01 --end-date 2025-12-31 --strategy-file strategies/macd_strategy.py`
+- **THEN** 系统解析所有股票代码到列表 `['000001.SZ', '600000.SH']`
+- **THEN** 系统按顺序依次执行每个股票的回测
+- **THEN** 系统为每个股票生成独立的回测结果
+
+#### Scenario: 传入单个股票代码
+- **WHEN** 用户执行 `python backtest_command.py --codes 000001.SZ --start-date 2024-01-01 --end-date 2025-12-31 --strategy-file strategies/macd_strategy.py`
+- **THEN** 系统解析为单个股票代码列表 `['000001.SZ']`
+- **THEN** 系统执行单个股票回测
+- **THEN** 系统输出详细格式的回测结果
+
+#### Scenario: 缺少 --codes 参数
+- **WHEN** 用户未提供 `--codes` 参数
+- **THEN** 系统输出错误信息："错误: 需要以下参数: --codes"
+- **THEN** 系统退出并返回非零状态码
+
+---
+
+### Requirement: 批量回测执行
+系统 SHALL 串行执行多个股票的回测，每次加载一个股票的数据并执行回测。
+
+#### Scenario: 成功执行多个股票回测
+- **WHEN** 用户传入 N 个股票代码
+- **THEN** 系统循环 N 次，每次加载一个股票的数据
+- **THEN** 系统每次执行完整的回测流程（数据加载、指标计算、回测执行）
+- **THEN** 系统每次执行完成后生成 `BacktestResult` 对象
+- **THEN** 系统返回包含 N 个 `BacktestResult` 的列表
+
+#### Scenario: 每个股票独立预热期
+- **WHEN** 系统执行第 i 个股票的回测
+- **THEN** 系统使用 `start_date - warmup_days` 计算该股票的预热开始日期
+- **THEN** 系统独立加载该股票的预热期数据
+- **THEN** 不同股票的预热期互不影响
+
+#### Scenario: 第一个股票回测失败
+- **WHEN** 系统执行第一个股票回测时发生错误（数据库连接失败、策略加载失败等）
+- **THEN** 系统捕获异常并输出错误信息
+- **THEN** 系统停止执行后续股票的回测
+- **THEN** 系统退出并返回非零状态码（立即失败策略）
+
+#### Scenario: 中间股票回测失败
+- **WHEN** 系统执行第 i 个股票回测时发生错误
+- **THEN** 系统输出错误信息（包含股票代码）
+- **THEN** 系统停止执行后续股票的回测
+- **THEN** 系统退出并返回非零状态码
+
+#### Scenario: 资源管理
+- **WHEN** 系统完成第 i 个股票的回测
+- **THEN** 系统关闭该股票的数据库连接（`engine.dispose()`）
+- **THEN** 系统释放该股票的数据内存
+- **THEN** 系统开始加载第 i+1 个股票的数据
+
+---
+
+### Requirement: 批量回测进度显示
+系统 SHALL 使用 tqdm 显示批量回测的实时进度，提供用户反馈。
+
+#### Scenario: 显示进度条
+- **WHEN** 系统开始执行 N 个股票的批量回测
+- **THEN** 系统显示进度条格式：`回测进度: 25%|█████▌  | 1/4 [00:30<01:30,  12.5s/it]`
+- **THEN** 系统在完成每个股票回测后更新进度条
+- **THEN** 进度条显示当前进度（i/N）、已用时间、预计剩余时间
+- **THEN** 进度条在所有股票回测完成后消失
+
+#### Scenario: 单股票回测不显示进度条
+- **WHEN** 用户传入单个股票代码
+- **THEN** 系统不显示 tqdm 进度条
+- **THEN** 系统直接输出回测结果
+
+#### Scenario: 进度条描述文本
+- **WHEN** 系统显示批量回测进度
+- **THEN** 进度条描述 SHALL 为 "回测进度"（中文）
+- **THEN** 进度条显示已完成/总数（如 "1/4", "2/4"）
+
+---
+
+### Requirement: 批量回测结果展示
+系统 SHALL 使用 tabulate 将多个股票的回测结果格式化为表格，便于横向对比。
+
+#### Scenario: 表格化输出多股票结果
+- **WHEN** 用户传入多个股票代码且回测成功
+- **THEN** 系统使用 tabulate 生成表格
+- **THEN** 表格格式 SHALL 为 grid（带边框）
+- **THEN** 表格列 SHALL 包含：股票代码、收益率%、胜率%、最大回撤%、交易次数、SQN
+- **THEN** 系统在表格上方显示表头（中文列名）
+- **THEN** 数值保留 2 位小数（交易次数为整数）
+
+#### Scenario: 表格内容填充
+- **WHEN** 系统格式化第 i 个股票的结果
+- **THEN** 系统从 `BacktestResult` 对象提取字段
+- **THEN** "股票代码" 列填充 `result.code`
+- **THEN** "收益率%" 列填充 `result.return_pct`
+- **THEN** "胜率%" 列填充 `result.win_rate`
+- **THEN** "最大回撤%" 列填充 `result.max_drawdown`
+- **THEN** "交易次数" 列填充 `result.trades`
+- **THEN** "SQN" 列填充 `result.sqn`
+
+#### Scenario: 单股票回测不使用表格
+- **WHEN** 用户传入单个股票代码
+- **THEN** 系统不使用 tabulate 生成表格
+- **THEN** 系统使用详细格式输出（每个指标单独一行）
+- **THEN** 系统保持原有 `print_stats()` 的输出格式
+
+#### Scenario: 表格示例输出
+- **WHEN** 用户传入 2 个股票代码
+- **THEN** 系统输出格式 SHALL 为：
+  ```
+  +-------------+-----------+--------+------------+----------+-------+
+  | 股票代码    | 收益率%  | 胜率%  | 最大回撤%  | 交易次数 | SQN   |
+  +-------------+-----------+--------+------------+----------+-------+
+  | 000001.SZ   | 20.35    | 55.00  | -8.50      | 45       | 1.85  |
+  | 600000.SH   | 15.00    | 48.00  | -12.30     | 38       | 1.42  |
+  +-------------+-----------+--------+------------+----------+-------+
+  ```
+
+---
+
+### Requirement: 多股票图表输出
+系统 SHALL 为每个股票生成独立的 HTML 图表文件，文件名格式为 `{code}.html`。
+
+#### Scenario: 指定 --output-dir 参数
+- **WHEN** 用户传入 `--output-dir output/`
+- **THEN** 系统为每个股票生成 HTML 文件到 `output/{code}.html`
+- **THEN** 文件名 SHALL 为股票代码，如 `000001.SZ.html`, `600000.SH.html`
+- **THEN** 系统自动创建 `output/` 目录（`exist_ok=True`）
+- **THEN** 系统在完成后输出提示："图表已保存到目录: output/" 后列出所有文件
+
+#### Scenario: 未指定 --output-dir 参数
+- **WHEN** 用户未传入 `--output-dir` 参数
+- **THEN** 系统不为任何股票生成图表文件
+- **THEN** 系统仅输出控制台统计信息
+
+#### Scenario: 图表文件覆盖
+- **WHEN** 系统再次执行相同的批量回测
+- **THEN** 系统覆盖已存在的 HTML 文件
+- **THEN** 系统不提示文件已存在
+
+---
+
+### Requirement: 结构化回测结果
+系统 SHALL 返回标准化的 `BacktestResult` 对象，包含所有关键指标。
+
+#### Scenario: BacktestResult 对象创建
+- **WHEN** 系统完成单股票回测
+- **THEN** 系统从 `stats` 对象提取指标到 `BacktestResult`
+- **THEN** `BacktestResult.code` 设置为股票代码
+- **THEN** `BacktestResult.start_date` 设置为回测开始日期
+- **THEN** `BacktestResult.end_date` 设置为回测结束日期
+- **THEN** `BacktestResult.equity_final` 设置为最终权益
+- **THEN** `BacktestResult.equity_peak` 设置为峰值收益
+- **THEN** `BacktestResult.return_pct` 设置为总收益率
+- **THEN** `BacktestResult.buy_hold_return` 设置为买入持有收益率
+- **THEN** `BacktestResult.return_annual` 设置为年化收益率
+- **THEN** `BacktestResult.volatility_annual` 设置为年化波动率
+- **THEN** `BacktestResult.max_drawdown` 设置为最大回撤
+- **THEN** `BacktestResult.avg_drawdown` 设置为平均回撤
+- **THEN** `BacktestResult.max_drawdown_duration` 设置为最大回撤持续时长
+- **THEN** `BacktestResult.avg_drawdown_duration` 设置为平均回撤持续时长
+- **THEN** `BacktestResult.sortino_ratio` 设置为索提诺比率
+- **THEN** `BacktestResult.calmar_ratio` 设置为卡尔玛比率
+- **THEN** `BacktestResult.trades` 设置为交易次数
+- **THEN** `BacktestResult.win_rate` 设置为胜率
+- **THEN** `BacktestResult.sqn` 设置为系统质量数
+- **THEN** `BacktestResult.cash` 设置为初始资金
+- **THEN** `BacktestResult.commission` 设置为手续费率
+
+#### Scenario: BacktestResult 列表返回
+- **WHEN** 系统完成批量回测
+- **THEN** 系统返回 `List[BacktestResult]`
+- **THEN** 列表顺序 SHALL 与输入股票代码顺序一致
+- **THEN** 列表长度 SHALL 等于输入股票代码数量（成功时）
+
+#### Scenario: BacktestResult 数据类型
+- **WHEN** 系统创建 `BacktestResult` 对象
+- **THEN** 数值字段 SHALL 为 float 类型（除 `trades`, `max_drawdown_duration` 为 int）
+- **THEN** 日期字段 SHALL 为 str 类型（YYYY-MM-DD 格式）
+- **THEN** 系统支持 `result.to_dict()` 方法（dataclass 自动生成）
+
+---
+
+### Requirement: 可复用回测引擎接口
+系统 SHALL 提供标准化的函数接口，供其他模块调用回测功能。
+
+#### Scenario: run_backtest 函数调用
+- **WHEN** 其他模块调用 `run_backtest(code, start_date, end_date, strategy_file, cash, commission, warmup_days, output_file)`
+- **THEN** 函数接收股票代码、日期范围、策略文件、回测参数、输出文件路径
+- **THEN** 函数执行完整回测流程（数据加载、策略加载、指标计算、回测执行）
+- **THEN** 函数返回 `BacktestResult` 对象
+- **THEN** 函数不打印任何输出（纯函数）
+
+#### Scenario: run_batch_backtest 函数调用
+- **WHEN** 其他模块调用 `run_batch_backtest(codes, start_date, end_date, strategy_file, cash, commission, warmup_days, output_dir)`
+- **THEN** 函数接收股票代码列表、日期范围、策略文件、回测参数、输出目录
+- **THEN** 函数串行执行每个股票的回测
+- **THEN** 函数返回 `List[BacktestResult]`
+- **THEN** 函数显示 tqdm 进度条（批量时）
+
+#### Scenario: 函数参数默认值
+- **WHEN** 调用者不指定可选参数
+- **THEN** `cash` 默认为 100000
+- **THEN** `commission` 默认为 0.002
+- **THEN** `warmup_days` 默认为 365
+- **THEN** `output_file` 默认为 None（不生成图表）
+- **THEN** `output_dir` 默认为 None（不生成图表）
+
+#### Scenario: 函数异常抛出
+- **WHEN** `run_backtest` 或 `run_batch_backtest` 执行时发生错误
+- **THEN** 函数 SHALL 抛出异常（不捕获）
+- **THEN** 异常类型 SHALL 为 ValueError、TypeError 或原始异常
+- **THEN** 异常信息 SHALL 包含具体错误原因
+- **THEN** 调用者负责捕获和处理异常
+
+---
+
+### Requirement: 集中配置管理
+系统 SHALL 在 config.py 中集中管理数据库配置、默认回测参数、图表配色。
+
+#### Scenario: 数据库配置访问
+- **WHEN** backtest_core.py 需要数据库连接参数
+- **THEN** 模块从 config 导入 `DB_HOST`, `DB_PORT`, `DB_NAME`, `DB_USER`, `DB_PASSWORD`
+- **THEN** 模块使用这些常量构建连接字符串
+- **THEN** 模块不重复定义数据库配置
+
+#### Scenario: 默认参数访问
+- **WHEN** backtest_core.py 需要默认回测参数
+- **THEN** 模块从 config 导入 `DEFAULT_CASH`, `DEFAULT_COMMISSION`, `DEFAULT_WARMUP_DAYS`
+- **THEN** 模块使用这些常量作为函数默认值
+- **THEN** 模块不重复定义默认参数
+
+#### Scenario: 图表配色访问
+- **WHEN** backtest_core.py 需要设置图表配色
+- **THEN** 模块从 config 导入 `BULL_COLOR`, `BEAR_COLOR`
+- **THEN** 模块使用这些颜色设置 `plotting.BULL_COLOR` 和 `plotting.BEAR_COLOR`
+- **THEN** 模块不重复定义颜色配置
+
+#### Scenario: 配置文件内容
+- **WHEN** 查看 config.py 文件
+- **THEN** 文件包含数据库配置（DB_HOST, DB_PORT, DB_NAME, DB_USER, DB_PASSWORD）
+- **THEN** 文件包含默认回测参数（DEFAULT_CASH, DEFAULT_COMMISSION, DEFAULT_WARMUP_DAYS）
+- **THEN** 文件包含图表配色（BULL_COLOR, BEAR_COLOR）
+- **THEN** 所有配置使用明文常量（不使用环境变量）
+
+---
+
+### Requirement: 错误处理策略
+系统 SHALL 在批量回测失败时立即停止执行，不继续处理后续股票。
+
+#### Scenario: 数据加载失败
+- **WHEN** 系统加载第 i 个股票数据时失败（数据库错误、数据不存在）
+- **THEN** 系统捕获异常
+- **THEN** 系统输出错误信息："回测失败 [{code}]: {error}"
+- **THEN** 系统停止执行后续股票的回测
+- **THEN** 系统退出并返回非零状态码
+
+#### Scenario: 策略加载失败
+- **WHEN** 系统加载策略文件时失败（文件不存在、接口不完整）
+- **THEN** 系统捕获异常
+- **THEN** 系统输出错误信息："策略加载失败: {error}"
+- **THEN** 系统停止执行所有股票的回测
+- **THEN** 系统退出并返回非零状态码
+
+#### Scenario: 回测执行失败
+- **WHEN** 系统执行第 i 个股票回测时失败（策略逻辑错误）
+- **THEN** 系统捕获异常
+- **THEN** 系统输出错误信息和完整堆栈跟踪
+- **THEN** 系统停止执行后续股票的回测
+- **THEN** 系统退出并返回非零状态码
+
+#### Scenario: 图表生成失败
+- **WHEN** 系统生成第 i 个股票图表时失败
+- **THEN** 系统捕获异常
+- **THEN** 系统输出警告："图表生成失败 [{code}]: {error}，但回测已完成"
+- **THEN** 系统继续执行后续股票的回测
+- **THEN** 系统在返回的 `BacktestResult` 中设置 `error` 字段（如果设计支持）
+
+---
+
+### Requirement: 依赖管理
+系统 SHALL 在 pyproject.toml 中添加 tabulate 和 tqdm 依赖。
+
+#### Scenario: 添加 tabulate 依赖
+- **WHEN** 查看 pyproject.toml 文件
+- **THEN** 文件包含 `tabulate` 依赖
+- **THEN** 依赖版本 SHALL 为兼容当前 Python 版本的版本
+- **THEN** 系统可以导入 `import tabulate` 无错误
+
+#### Scenario: 添加 tqdm 依赖
+- **WHEN** 查看 pyproject.toml 文件
+- **THEN** 文件包含 `tqdm` 依赖
+- **THEN** 依赖版本 SHALL 为兼容当前 Python 版本的版本
+- **THEN** 系统可以导入 `from tqdm import tqdm` 无错误
+
+#### Scenario: 依赖安装
+- **WHEN** 用户运行 `uv sync` 或 `pip install -e .`
+- **THEN** 系统自动安装 tabulate 和 tqdm
+- **THEN** 系统显示依赖安装进度
+- **THEN** 系统完成安装后可以正常使用回测工具
+
+#### Scenario: 依赖缺失提示
+- **WHEN** 系统导入 tabulate 或 tqdm 时失败
+- **THEN** 系统输出友好错误信息："缺少依赖: {package_name}，请运行: uv add {package_name}"
+- **THEN** 系统退出并返回非零状态码

openspec/changes/archive/2026-01-28-refactor-backtest-separate-cli/tasks.md

@@ -0,0 +1,96 @@
+## 1. 依赖管理
+
+- [x] 1.1 运行 `uv add tabulate` 添加依赖
+- [x] 1.2 运行 `uv add tqdm` 添加依赖
+- [x] 1.3 运行 `uv sync` 同步依赖
+
+## 2. 配置管理模块
+
+- [x] 2.1 创建 config.py 文件
+- [x] 2.2 在 config.py 中定义数据库配置常量（DB_HOST, DB_PORT, DB_NAME, DB_USER, DB_PASSWORD）
+- [x] 2.3 在 config.py 中定义默认回测参数（DEFAULT_CASH, DEFAULT_COMMISSION, DEFAULT_WARMUP_DAYS）
+- [x] 2.4 在 config.py 中定义图表配色（BULL_COLOR, BEAR_COLOR）
+- [x] 2.5 测试 config.py 导入无错误
+
+## 3. 核心回测引擎
+
+- [x] 3.1 创建 backtest_core.py 文件
+- [x] 3.2 在 backtest_core.py 中导入必要模块和 config
+- [x] 3.3 定义 BacktestResult dataclass（包含所有回测指标字段）
+- [x] 3.4 迁移 load_data_from_db() 函数（使用 config 数据库配置）
+- [x] 3.5 迁移 load_strategy() 函数（保持原有逻辑）
+- [x] 3.6 迁移 apply_color_scheme() 函数（使用 config 配色）
+- [x] 3.7 实现 run_backtest() 函数（单股票回测）
+  - [x] 3.7.1 实现预热期日期计算逻辑
+  - [x] 3.7.2 实现数据加载和策略加载调用
+  - [x] 3.7.3 实现指标计算和数据截取
+  - [x] 3.7.4 实现 Backtest 执行
+  - [x] 3.7.5 实现图表生成（可选）
+  - [x] 3.7.6 实现 BacktestResult 对象构建和返回
+- [x] 3.8 实现 run_batch_backtest() 函数（批量回测，串行）
+  - [x] 3.8.1 实现循环遍历股票代码
+  - [x] 3.8.2 实现为每个股票调用 run_backtest()
+  - [x] 3.8.3 实现为每个股票生成独立 HTML 文件
+  - [x] 3.8.4 实现结果列表收集和返回
+  - [x] 3.8.5 实现 tqdm 进度条显示（批量时）
+- [x] 3.9 测试 run_backtest() 单股票回测
+- [x] 3.10 测试 run_batch_backtest() 多股票回测
+
+## 4. CLI 界面模块
+
+- [x] 4.1 创建 backtest_command.py 文件
+- [x] 4.2 在 backtest_command.py 中导入必要模块和 backtest_core
+- [x] 4.3 实现 parse_arguments() 函数
+  - [x] 4.3.1 定义 --codes 多值参数（nargs='+'）
+  - [x] 4.3.2 定义 --output-dir 目录参数
+  - [x] 4.3.3 保持原有参数（--start-date, --end-date, --strategy-file, --cash, --commission, --warmup-days）
+  - [x] 4.3.4 添加参数帮助文档和示例
+- [x] 4.4 实现 format_single_result() 函数（详细格式输出）
+  - [x] 4.4.1 实现每个指标单独一行的格式化
+  - [x] 4.4.2 保持原有 print_stats() 的输出格式
+- [x] 4.5 实现 format_batch_results() 函数（表格格式输出）
+  - [x] 4.5.1 实现使用 tabulate 生成表格
+  - [x] 4.5.2 定义表格列：股票代码、收益率%、胜率%、最大回撤%、交易次数、SQN
+  - [x] 4.5.3 实现表格数据填充（从 BacktestResult 对象提取）
+  - [x] 4.5.4 实现表格格式为 grid
+- [x] 4.6 实现 main() 函数
+  - [x] 4.6.1 调用 parse_arguments() 解析参数
+  - [x] 4.6.2 调用 run_batch_backtest() 执行批量回测
+  - [x] 4.6.3 根据结果数量调用 format_single_result() 或 format_batch_results()
+  - [x] 4.6.4 实现图表保存提示（指定 --output-dir 时）
+  - [x] 4.6.5 实现错误捕获和友好错误信息输出
+  - [x] 4.6.6 实现退出状态码设置（成功 0，失败非零）
+- [x] 4.7 添加 `if __name__ == "__main__": main()` 入口
+- [x] 4.8 测试单股票回测命令行调用 (`uv run python backtest_command.py`)
+- [x] 4.9 测试多股票回测命令行调用 (`uv run python backtest_command.py`)
+- [x] 4.10 测试错误处理（参数缺失、文件不存在等）
+
+## 5. 清理旧代码
+
+- [x] 5.1 确认新功能完整（单股票、多股票、图表输出）
+- [x] 5.2 确认错误处理正确（立即失败）
+- [x] 5.3 删除 backtest.py 文件
+- [x] 5.4 验证 git 状态（仅删除旧文件，无其他修改）
+
+## 6. 文档更新
+
+- [x] 6.1 更新 README.md（如果存在）
+  - [x] 6.1.1 说明新的命令行使用方式（`uv run python backtest_command.py`）
+  - [x] 6.1.2 说明参数变化（--code 改为 --codes）
+  - [x] 6.1.3 提供单股票和多股票示例
+  - [x] 6.1.4 说明 --output-dir 用法（多股票图表）
+- [x] 6.2 创建 note_refactor.md（可选，记录重构说明）
+  - [x] 6.2.1 说明文件结构变化
+  - [x] 6.2.2 说明接口变化
+  - [x] 6.2.3 提供迁移指南
+
+## 7. 集成测试
+
+- [x] 7.1 测试单个股票完整流程（000001.SZ）
+- [x] 7.2 测试多个股票完整流程（000001.SZ 600000.SH）
+- [x] 7.3 测试指定 --output-dir 生成图表
+- [x] 7.4 测试不指定 --output-dir（不生成图表）
+- [x] 7.5 测试错误情况（无效股票代码、不存在的策略文件等）
+- [x] 7.6 验证进度条显示（多股票时）
+- [x] 7.7 验证表格格式输出（多股票时）
+- [x] 7.8 验证详细格式输出（单股票时）

openspec/config.yaml

@@ -2,6 +2,6 @@ schema: spec-driven
 
 Example:
   context: |
-    使用 uv 工具进行 python 环境的管理和三方依赖的管理
-    严禁在主机环境直接运行 pip、pip3 安装依赖包，必须使用 uv 虚拟环境
+    使用 uv 工具进行 python 环境的管理和三方依赖的管理，运行python命令的时候使用uv run python xxx
+    严禁在主机环境直接运行 pip、pip3 安装依赖包，必须使用 uv add xxx命令安装
     项目面向中文开发者，文档输出、日志输出、agent 交流时都要使用中文

openspec/specs/batch-backtest/spec.md

@@ -0,0 +1,312 @@
+# batch-backtest Specification
+
+## Purpose
+TBD - created by archiving change refactor-backtest-separate-cli. Update Purpose after archive.
+## Requirements
+### Requirement: 多股票回测参数
+系统 SHALL 支持通过命令行参数传入多个股票代码进行批量回测。
+
+#### Scenario: 传入多个股票代码
+- **WHEN** 用户执行 `python backtest_command.py --codes 000001.SZ 600000.SH --start-date 2024-01-01 --end-date 2025-12-31 --strategy-file strategies/macd_strategy.py`
+- **THEN** 系统解析所有股票代码到列表 `['000001.SZ', '600000.SH']`
+- **THEN** 系统按顺序依次执行每个股票的回测
+- **THEN** 系统为每个股票生成独立的回测结果
+
+#### Scenario: 传入单个股票代码
+- **WHEN** 用户执行 `python backtest_command.py --codes 000001.SZ --start-date 2024-01-01 --end-date 2025-12-31 --strategy-file strategies/macd_strategy.py`
+- **THEN** 系统解析为单个股票代码列表 `['000001.SZ']`
+- **THEN** 系统执行单个股票回测
+- **THEN** 系统输出详细格式的回测结果
+
+#### Scenario: 缺少 --codes 参数
+- **WHEN** 用户未提供 `--codes` 参数
+- **THEN** 系统输出错误信息："错误: 需要以下参数: --codes"
+- **THEN** 系统退出并返回非零状态码
+
+---
+
+### Requirement: 批量回测执行
+系统 SHALL 串行执行多个股票的回测，每次加载一个股票的数据并执行回测。
+
+#### Scenario: 成功执行多个股票回测
+- **WHEN** 用户传入 N 个股票代码
+- **THEN** 系统循环 N 次，每次加载一个股票的数据
+- **THEN** 系统每次执行完整的回测流程（数据加载、指标计算、回测执行）
+- **THEN** 系统每次执行完成后生成 `BacktestResult` 对象
+- **THEN** 系统返回包含 N 个 `BacktestResult` 的列表
+
+#### Scenario: 每个股票独立预热期
+- **WHEN** 系统执行第 i 个股票的回测
+- **THEN** 系统使用 `start_date - warmup_days` 计算该股票的预热开始日期
+- **THEN** 系统独立加载该股票的预热期数据
+- **THEN** 不同股票的预热期互不影响
+
+#### Scenario: 第一个股票回测失败
+- **WHEN** 系统执行第一个股票回测时发生错误（数据库连接失败、策略加载失败等）
+- **THEN** 系统捕获异常并输出错误信息
+- **THEN** 系统停止执行后续股票的回测
+- **THEN** 系统退出并返回非零状态码（立即失败策略）
+
+#### Scenario: 中间股票回测失败
+- **WHEN** 系统执行第 i 个股票回测时发生错误
+- **THEN** 系统输出错误信息（包含股票代码）
+- **THEN** 系统停止执行后续股票的回测
+- **THEN** 系统退出并返回非零状态码
+
+#### Scenario: 资源管理
+- **WHEN** 系统完成第 i 个股票的回测
+- **THEN** 系统关闭该股票的数据库连接（`engine.dispose()`）
+- **THEN** 系统释放该股票的数据内存
+- **THEN** 系统开始加载第 i+1 个股票的数据
+
+---
+
+### Requirement: 批量回测进度显示
+系统 SHALL 使用 tqdm 显示批量回测的实时进度，提供用户反馈。
+
+#### Scenario: 显示进度条
+- **WHEN** 系统开始执行 N 个股票的批量回测
+- **THEN** 系统显示进度条格式：`回测进度: 25%|█████▌  | 1/4 [00:30<01:30,  12.5s/it]`
+- **THEN** 系统在完成每个股票回测后更新进度条
+- **THEN** 进度条显示当前进度（i/N）、已用时间、预计剩余时间
+- **THEN** 进度条在所有股票回测完成后消失
+
+#### Scenario: 单股票回测不显示进度条
+- **WHEN** 用户传入单个股票代码
+- **THEN** 系统不显示 tqdm 进度条
+- **THEN** 系统直接输出回测结果
+
+#### Scenario: 进度条描述文本
+- **WHEN** 系统显示批量回测进度
+- **THEN** 进度条描述 SHALL 为 "回测进度"（中文）
+- **THEN** 进度条显示已完成/总数（如 "1/4", "2/4"）
+
+---
+
+### Requirement: 批量回测结果展示
+系统 SHALL 使用 tabulate 将多个股票的回测结果格式化为表格，便于横向对比。
+
+#### Scenario: 表格化输出多股票结果
+- **WHEN** 用户传入多个股票代码且回测成功
+- **THEN** 系统使用 tabulate 生成表格
+- **THEN** 表格格式 SHALL 为 grid（带边框）
+- **THEN** 表格列 SHALL 包含：股票代码、收益率%、胜率%、最大回撤%、交易次数、SQN
+- **THEN** 系统在表格上方显示表头（中文列名）
+- **THEN** 数值保留 2 位小数（交易次数为整数）
+
+#### Scenario: 表格内容填充
+- **WHEN** 系统格式化第 i 个股票的结果
+- **THEN** 系统从 `BacktestResult` 对象提取字段
+- **THEN** "股票代码" 列填充 `result.code`
+- **THEN** "收益率%" 列填充 `result.return_pct`
+- **THEN** "胜率%" 列填充 `result.win_rate`
+- **THEN** "最大回撤%" 列填充 `result.max_drawdown`
+- **THEN** "交易次数" 列填充 `result.trades`
+- **THEN** "SQN" 列填充 `result.sqn`
+
+#### Scenario: 单股票回测不使用表格
+- **WHEN** 用户传入单个股票代码
+- **THEN** 系统不使用 tabulate 生成表格
+- **THEN** 系统使用详细格式输出（每个指标单独一行）
+- **THEN** 系统保持原有 `print_stats()` 的输出格式
+
+#### Scenario: 表格示例输出
+- **WHEN** 用户传入 2 个股票代码
+- **THEN** 系统输出格式 SHALL 为：
+  ```
+  +-------------+-----------+--------+------------+----------+-------+
+  | 股票代码    | 收益率%  | 胜率%  | 最大回撤%  | 交易次数 | SQN   |
+  +-------------+-----------+--------+------------+----------+-------+
+  | 000001.SZ   | 20.35    | 55.00  | -8.50      | 45       | 1.85  |
+  | 600000.SH   | 15.00    | 48.00  | -12.30     | 38       | 1.42  |
+  +-------------+-----------+--------+------------+----------+-------+
+  ```
+
+---
+
+### Requirement: 多股票图表输出
+系统 SHALL 为每个股票生成独立的 HTML 图表文件，文件名格式为 `{code}.html`。
+
+#### Scenario: 指定 --output-dir 参数
+- **WHEN** 用户传入 `--output-dir output/`
+- **THEN** 系统为每个股票生成 HTML 文件到 `output/{code}.html`
+- **THEN** 文件名 SHALL 为股票代码，如 `000001.SZ.html`, `600000.SH.html`
+- **THEN** 系统自动创建 `output/` 目录（`exist_ok=True`）
+- **THEN** 系统在完成后输出提示："图表已保存到目录: output/" 后列出所有文件
+
+#### Scenario: 未指定 --output-dir 参数
+- **WHEN** 用户未传入 `--output-dir` 参数
+- **THEN** 系统不为任何股票生成图表文件
+- **THEN** 系统仅输出控制台统计信息
+
+#### Scenario: 图表文件覆盖
+- **WHEN** 系统再次执行相同的批量回测
+- **THEN** 系统覆盖已存在的 HTML 文件
+- **THEN** 系统不提示文件已存在
+
+---
+
+### Requirement: 结构化回测结果
+系统 SHALL 返回标准化的 `BacktestResult` 对象，包含所有关键指标。
+
+#### Scenario: BacktestResult 对象创建
+- **WHEN** 系统完成单股票回测
+- **THEN** 系统从 `stats` 对象提取指标到 `BacktestResult`
+- **THEN** `BacktestResult.code` 设置为股票代码
+- **THEN** `BacktestResult.start_date` 设置为回测开始日期
+- **THEN** `BacktestResult.end_date` 设置为回测结束日期
+- **THEN** `BacktestResult.equity_final` 设置为最终权益
+- **THEN** `BacktestResult.equity_peak` 设置为峰值收益
+- **THEN** `BacktestResult.return_pct` 设置为总收益率
+- **THEN** `BacktestResult.buy_hold_return` 设置为买入持有收益率
+- **THEN** `BacktestResult.return_annual` 设置为年化收益率
+- **THEN** `BacktestResult.volatility_annual` 设置为年化波动率
+- **THEN** `BacktestResult.max_drawdown` 设置为最大回撤
+- **THEN** `BacktestResult.avg_drawdown` 设置为平均回撤
+- **THEN** `BacktestResult.max_drawdown_duration` 设置为最大回撤持续时长
+- **THEN** `BacktestResult.avg_drawdown_duration` 设置为平均回撤持续时长
+- **THEN** `BacktestResult.sortino_ratio` 设置为索提诺比率
+- **THEN** `BacktestResult.calmar_ratio` 设置为卡尔玛比率
+- **THEN** `BacktestResult.trades` 设置为交易次数
+- **THEN** `BacktestResult.win_rate` 设置为胜率
+- **THEN** `BacktestResult.sqn` 设置为系统质量数
+- **THEN** `BacktestResult.cash` 设置为初始资金
+- **THEN** `BacktestResult.commission` 设置为手续费率
+
+#### Scenario: BacktestResult 列表返回
+- **WHEN** 系统完成批量回测
+- **THEN** 系统返回 `List[BacktestResult]`
+- **THEN** 列表顺序 SHALL 与输入股票代码顺序一致
+- **THEN** 列表长度 SHALL 等于输入股票代码数量（成功时）
+
+#### Scenario: BacktestResult 数据类型
+- **WHEN** 系统创建 `BacktestResult` 对象
+- **THEN** 数值字段 SHALL 为 float 类型（除 `trades`, `max_drawdown_duration` 为 int）
+- **THEN** 日期字段 SHALL 为 str 类型（YYYY-MM-DD 格式）
+- **THEN** 系统支持 `result.to_dict()` 方法（dataclass 自动生成）
+
+---
+
+### Requirement: 可复用回测引擎接口
+系统 SHALL 提供标准化的函数接口，供其他模块调用回测功能。
+
+#### Scenario: run_backtest 函数调用
+- **WHEN** 其他模块调用 `run_backtest(code, start_date, end_date, strategy_file, cash, commission, warmup_days, output_file)`
+- **THEN** 函数接收股票代码、日期范围、策略文件、回测参数、输出文件路径
+- **THEN** 函数执行完整回测流程（数据加载、策略加载、指标计算、回测执行）
+- **THEN** 函数返回 `BacktestResult` 对象
+- **THEN** 函数不打印任何输出（纯函数）
+
+#### Scenario: run_batch_backtest 函数调用
+- **WHEN** 其他模块调用 `run_batch_backtest(codes, start_date, end_date, strategy_file, cash, commission, warmup_days, output_dir)`
+- **THEN** 函数接收股票代码列表、日期范围、策略文件、回测参数、输出目录
+- **THEN** 函数串行执行每个股票的回测
+- **THEN** 函数返回 `List[BacktestResult]`
+- **THEN** 函数显示 tqdm 进度条（批量时）
+
+#### Scenario: 函数参数默认值
+- **WHEN** 调用者不指定可选参数
+- **THEN** `cash` 默认为 100000
+- **THEN** `commission` 默认为 0.002
+- **THEN** `warmup_days` 默认为 365
+- **THEN** `output_file` 默认为 None（不生成图表）
+- **THEN** `output_dir` 默认为 None（不生成图表）
+
+#### Scenario: 函数异常抛出
+- **WHEN** `run_backtest` 或 `run_batch_backtest` 执行时发生错误
+- **THEN** 函数 SHALL 抛出异常（不捕获）
+- **THEN** 异常类型 SHALL 为 ValueError、TypeError 或原始异常
+- **THEN** 异常信息 SHALL 包含具体错误原因
+- **THEN** 调用者负责捕获和处理异常
+
+---
+
+### Requirement: 集中配置管理
+系统 SHALL 在 config.py 中集中管理数据库配置、默认回测参数、图表配色。
+
+#### Scenario: 数据库配置访问
+- **WHEN** backtest_core.py 需要数据库连接参数
+- **THEN** 模块从 config 导入 `DB_HOST`, `DB_PORT`, `DB_NAME`, `DB_USER`, `DB_PASSWORD`
+- **THEN** 模块使用这些常量构建连接字符串
+- **THEN** 模块不重复定义数据库配置
+
+#### Scenario: 默认参数访问
+- **WHEN** backtest_core.py 需要默认回测参数
+- **THEN** 模块从 config 导入 `DEFAULT_CASH`, `DEFAULT_COMMISSION`, `DEFAULT_WARMUP_DAYS`
+- **THEN** 模块使用这些常量作为函数默认值
+- **THEN** 模块不重复定义默认参数
+
+#### Scenario: 图表配色访问
+- **WHEN** backtest_core.py 需要设置图表配色
+- **THEN** 模块从 config 导入 `BULL_COLOR`, `BEAR_COLOR`
+- **THEN** 模块使用这些颜色设置 `plotting.BULL_COLOR` 和 `plotting.BEAR_COLOR`
+- **THEN** 模块不重复定义颜色配置
+
+#### Scenario: 配置文件内容
+- **WHEN** 查看 config.py 文件
+- **THEN** 文件包含数据库配置（DB_HOST, DB_PORT, DB_NAME, DB_USER, DB_PASSWORD）
+- **THEN** 文件包含默认回测参数（DEFAULT_CASH, DEFAULT_COMMISSION, DEFAULT_WARMUP_DAYS）
+- **THEN** 文件包含图表配色（BULL_COLOR, BEAR_COLOR）
+- **THEN** 所有配置使用明文常量（不使用环境变量）
+
+---
+
+### Requirement: 错误处理策略
+系统 SHALL 在批量回测失败时立即停止执行，不继续处理后续股票。
+
+#### Scenario: 数据加载失败
+- **WHEN** 系统加载第 i 个股票数据时失败（数据库错误、数据不存在）
+- **THEN** 系统捕获异常
+- **THEN** 系统输出错误信息："回测失败 [{code}]: {error}"
+- **THEN** 系统停止执行后续股票的回测
+- **THEN** 系统退出并返回非零状态码
+
+#### Scenario: 策略加载失败
+- **WHEN** 系统加载策略文件时失败（文件不存在、接口不完整）
+- **THEN** 系统捕获异常
+- **THEN** 系统输出错误信息："策略加载失败: {error}"
+- **THEN** 系统停止执行所有股票的回测
+- **THEN** 系统退出并返回非零状态码
+
+#### Scenario: 回测执行失败
+- **WHEN** 系统执行第 i 个股票回测时失败（策略逻辑错误）
+- **THEN** 系统捕获异常
+- **THEN** 系统输出错误信息和完整堆栈跟踪
+- **THEN** 系统停止执行后续股票的回测
+- **THEN** 系统退出并返回非零状态码
+
+#### Scenario: 图表生成失败
+- **WHEN** 系统生成第 i 个股票图表时失败
+- **THEN** 系统捕获异常
+- **THEN** 系统输出警告："图表生成失败 [{code}]: {error}，但回测已完成"
+- **THEN** 系统继续执行后续股票的回测
+- **THEN** 系统在返回的 `BacktestResult` 中设置 `error` 字段（如果设计支持）
+
+---
+
+### Requirement: 依赖管理
+系统 SHALL 在 pyproject.toml 中添加 tabulate 和 tqdm 依赖。
+
+#### Scenario: 添加 tabulate 依赖
+- **WHEN** 查看 pyproject.toml 文件
+- **THEN** 文件包含 `tabulate` 依赖
+- **THEN** 依赖版本 SHALL 为兼容当前 Python 版本的版本
+- **THEN** 系统可以导入 `import tabulate` 无错误
+
+#### Scenario: 添加 tqdm 依赖
+- **WHEN** 查看 pyproject.toml 文件
+- **THEN** 文件包含 `tqdm` 依赖
+- **THEN** 依赖版本 SHALL 为兼容当前 Python 版本的版本
+- **THEN** 系统可以导入 `from tqdm import tqdm` 无错误
+
+#### Scenario: 依赖安装
+- **WHEN** 用户运行 `uv sync` 或 `pip install -e .`
+- **THEN** 系统自动安装 tabulate 和 tqdm
+- **THEN** 系统显示依赖安装进度
+- **THEN** 系统完成安装后可以正常使用回测工具
+
+#### Scenario: 依赖缺失提示
+- **WHEN** 系统导入 tabulate 或 tqdm 时失败
+- **THEN** 系统输出友好错误信息："缺少依赖: {package_name}，请运行: uv add {package_name}"
+- **THEN** 系统退出并返回非零状态码
+

pyproject.toml

@@ -15,4 +15,6 @@ dependencies = [
     "psycopg2-binary~=2.9.11",
     "sqlalchemy>=2.0.46",
     "ta-lib>=0.6.8",
+    "tabulate>=0.9.0",
+    "tqdm>=4.67.1",
 ]

strategies/macd_strategy.py

@@ -2,28 +2,27 @@
 MACD 趋势跟踪策略
 
 策略逻辑:
-- 当 MACD 线上穿信号线时 (金叉)，且价格 > EMA200 时，买入
-- 当 MACD 线下穿信号线时 (死叉)，或价格 < EMA200 时，卖出
+- 当 MACD 线上穿信号线时 (金叉)，且价格 > EMA 时，买入
+- 当 MACD 线下穿信号线时 (死叉)，或价格 < EMA 时，卖出
 
 指标计算:
 - MACD(10, 20, 9): 快线 10 日，慢线 20 日，信号线 9 日
-- EMA200: 200 日指数移动平均线（趋势确认）
+- EMA: 200 日指数移动平均线（趋势确认）
 
 参数选择理由:
 - 快线 10: 比标准 12 更敏感，适应 A 股较高波动性
 - 慢线 20: 比标准 26 更快响应，同时保持趋势跟踪稳定性
 - 信号线 9: 保持标准，避免信号过于频繁
-- EMA200: 被广泛认可为牛熊分界线，避免逆势交易
+- EMA: 被广泛认可为牛熊分界线，避免逆势交易
 
 趋势过滤:
-- EMA200 上方: 确认为上升趋势，允许开多仓
-- EMA200 下方: 确认为下降趋势，不开多仓，强制平仓
+- EMA 上方: 确认为上升趋势，允许开多仓
+- EMA 下方: 确认为下降趋势，不开多仓，强制平仓
 
 Author: Sisyphus
 Date: 2025-01-27
 """
 
-import pandas as pd
 from backtesting import Strategy
 from backtesting.lib import crossover
 
@@ -32,32 +31,30 @@ def calculate_indicators(data):
     """
     计算策略所需的技术指标
 
-    使用 ta-lib 库计算 MACD 和 EMA200 指标
+    使用 ta-lib 库计算 MACD 和 EMA 指标
 
     参数:
         data: DataFrame, 包含 [Open, High, Low, Close, Volume, factor]
 
     返回:
         DataFrame, 添加了指标列:
-        - MACD_10_20_9: MACD 线 (DIF)
-        - MACDs_10_20_9: MACD 信号线 (DEA)
-        - MACDh_10_20_9: MACD 柱状图 (Histogram)
-        - EMA_200: 200 日指数移动平均线
+        - macd: MACD 线 (macd)
+        - signal: MACD 信号线 (DEA)
+        - hist: MACD 柱状图 (Histogram)
+        - ema: 日指数移动平均线
     """
     data = data.copy()
 
     # 计算 MACD 指标 (10, 20, 9)
     # talib.MACD 返回三个值: (macd, macdsignal, macdhist)
-    macd, macdsignal, macdhist = talib.MACD(
-        data["Close"], fastperiod=10, slowperiod=20, signalperiod=9
-    )
+    macd, macdsignal, macdhist = talib.MACD(data["Close"], fastperiod=10, slowperiod=20, signalperiod=9)
 
-    data["MACD_10_20_9"] = macd
-    data["MACDs_10_20_9"] = macdsignal
-    data["MACDh_10_20_9"] = macdhist
+    data["macd"] = macd
+    data["signal"] = macdsignal
+    data["hist"] = macdhist
 
-    # 计算 EMA200 趋势线
-    data["EMA_200"] = talib.EMA(data["Close"], timeperiod=200)
+    # 计算 EMA 趋势线
+    data["ema"] = talib.SMA(data["Close"], timeperiod=120)
 
     return data
 
@@ -76,7 +73,7 @@ class MacdTrendStrategy(Strategy):
     """
     MACD 趋势跟踪策略
 
-    结合 MACD 金叉/死叉信号和 EMA200 趋势过滤
+    结合 MACD 金叉/死叉信号和 EMA 趋势过滤
 
     参数:
         fast_period: MACD 快线周期 (默认: 10)
@@ -95,13 +92,13 @@ class MacdTrendStrategy(Strategy):
         注册指标到 backtesting 框架
         """
         # 注册 MACD 线
-        self.macd = self.I(lambda x: x, self.data.MACD_10_20_9)
+        self.macd = self.I(lambda x: x, self.data.macd)
 
         # 注册 MACD 信号线
-        self.macd_signal = self.I(lambda x: x, self.data.MACDs_10_20_9)
+        self.signal = self.I(lambda x: x, self.data.signal)
 
-        # 注册 EMA200 趋势线
-        self.ema200 = self.I(lambda x: x, self.data.EMA_200)
+        # 注册 EMA 趋势线
+        self.ema = self.I(lambda x: x, self.data.ema)
 
     def next(self):
         """
@@ -109,25 +106,18 @@ class MacdTrendStrategy(Strategy):
 
         买入条件:
         - MACD 金叉 (MACD 线上穿信号线)
-        - 价格 > EMA200 (确认上升趋势)
+        - 价格 > EMA (确认上升趋势)
 
         卖出条件:
         - MACD 死叉 (MACD 线下穿信号线)
-        - 或价格 < EMA200 (趋势转向，强制平仓)
+        - 或价格 < EMA (趋势转向，强制平仓)
         """
-        # 买入条件: MACD 金叉 AND 价格 > EMA200
-        if (
-            crossover(self.macd, self.macd_signal)
-            and self.data.Close[-1] > self.ema200[-1]
-        ):
-            self.position.close()  # 先平掉现有仓位
+        # 买入条件: MACD 金叉 AND 价格 > EMA
+        if crossover(self.macd, self.signal) and self.data.Close[-1] > self.ema[-1]:
             self.buy()  # 开多仓
 
-        # 卖出条件: MACD 死叉 OR 价格 < EMA200
-        elif (
-            crossover(self.macd_signal, self.macd)
-            or self.data.Close[-1] < self.ema200[-1]
-        ):
+        # 卖出条件: MACD 死叉 OR 价格 < EMA
+        elif self.position.size > 0 and (crossover(self.signal, self.macd) or self.data.Close[-1] < self.ema[-1]):
             self.position.close()  # 平掉多仓
 
 

strategies/sma_strategy.py

@@ -5,14 +5,13 @@ SMA 双均线交叉策略
 - 当短期均线上穿长期均线时 (金叉)，买入
 - 当短期均线下穿长期均线时 (死叉)，卖出
 
-指标计算:
+指标计算 (使用 ta-lib):
 - SMA10: 10 日简单移动平均线
 - SMA30: 30 日简单移动平均线
 - SMA60: 60 日简单移动平均线
 - SMA120: 120 日简单移动平均线
 """
 
-import pandas as pd
 from backtesting import Strategy
 from backtesting.lib import crossover
 
@@ -21,19 +20,25 @@ def calculate_indicators(data):
     """
     计算策略所需的技术指标
 
+    使用 ta-lib 库计算 SMA 指标
+
     参数:
         data: DataFrame, 包含 [Open, High, Low, Close, Volume, factor]
 
     返回:
-        DataFrame, 添加了指标列
+        DataFrame, 添加了指标列:
+        - sma10: 10 日简单移动平均线
+        - sma30: 30 日简单移动平均线
+        - sma60: 60 日简单移动平均线
+        - sma120: 120 日简单移动平均线
     """
     data = data.copy()
 
     # 计算不同周期的移动平均线
-    data["sma10"] = data["Close"].rolling(window=10).mean()
-    data["sma30"] = data["Close"].rolling(window=30).mean()
-    data["sma60"] = data["Close"].rolling(window=60).mean()
-    data["sma120"] = data["Close"].rolling(window=120).mean()
+    data["sma10"] = talib.SMA(data["Close"], timeperiod=10)
+    data["sma30"] = talib.SMA(data["Close"], timeperiod=30)
+    data["sma60"] = talib.SMA(data["Close"], timeperiod=60)
+    data["sma120"] = talib.SMA(data["Close"], timeperiod=120)
 
     return data
 
@@ -78,10 +83,12 @@ class SmaCross(Strategy):
         """
         # 金叉：短期均线上穿长期均线
         if crossover(self.data.sma10, self.data.sma30):
-            self.position.close()  # 先平掉现有仓位
             self.buy()  # 开多仓
 
         # 死叉：短期均线下穿长期均线
-        elif crossover(self.data.sma30, self.data.sma10):
-            self.position.close()  # 先平掉现有仓位
-            self.sell()  # 开空仓
+        elif self.position.size > 0 and crossover(self.data.sma30, self.data.sma10):
+            self.position.close()  # 开空仓
+
+
+# 导入 talib (必须在文件末尾，因为 calculate_indicators 函数中使用了 talib)
+import talib

uv.lock

@@ -912,6 +912,8 @@ dependencies = [
     { name = "psycopg2-binary" },
     { name = "sqlalchemy" },
     { name = "ta-lib" },
+    { name = "tabulate" },
+    { name = "tqdm" },
 ]
 
 [package.metadata]
@@ -927,6 +929,8 @@ requires-dist = [
     { name = "psycopg2-binary", specifier = "~=2.9.11" },
     { name = "sqlalchemy", specifier = ">=2.0.46" },
     { name = "ta-lib", specifier = ">=0.6.8" },
+    { name = "tabulate", specifier = ">=0.9.0" },
+    { name = "tqdm", specifier = ">=4.67.1" },
 ]
 
 [[package]]
@@ -1692,6 +1696,15 @@ wheels = [
     { url = "https://files.pythonhosted.org/packages/0b/4c/d341020377f8b183405bdf3c5717fc2ca04a8d33b5c59b2348377ee459d9/ta_lib-0.6.8-cp314-cp314-win_arm64.whl", hash = "sha256:bfad1202fb1f9140e3810cc607058395f59032d9128cc0d716900c78bea5f337", size = 755896, upload-time = "2025-10-20T20:49:39.9Z" },
 ]
 
+[[package]]
+name = "tabulate"
+version = "0.9.0"
+source = { registry = "https://pypi.org/simple" }
+sdist = { url = "https://files.pythonhosted.org/packages/ec/fe/802052aecb21e3797b8f7902564ab6ea0d60ff8ca23952079064155d1ae1/tabulate-0.9.0.tar.gz", hash = "sha256:0095b12bf5966de529c0feb1fa08671671b3368eec77d7ef7ab114be2c068b3c", size = 81090, upload-time = "2022-10-06T17:21:48.54Z" }
+wheels = [
+    { url = "https://files.pythonhosted.org/packages/40/44/4a5f08c96eb108af5cb50b41f76142f0afa346dfa99d5296fe7202a11854/tabulate-0.9.0-py3-none-any.whl", hash = "sha256:024ca478df22e9340661486f85298cff5f6dcdba14f3813e8830015b9ed1948f", size = 35252, upload-time = "2022-10-06T17:21:44.262Z" },
+]
+
 [[package]]
 name = "terminado"
 version = "0.18.1"
@@ -1737,6 +1750,18 @@ wheels = [
     { url = "https://files.pythonhosted.org/packages/50/49/8dc3fd90902f70084bd2cd059d576ddb4f8bb44c2c7c0e33a11422acb17e/tornado-6.5.4-cp39-abi3-win_arm64.whl", hash = "sha256:053e6e16701eb6cbe641f308f4c1a9541f91b6261991160391bfc342e8a551a1", size = 445910, upload-time = "2025-12-15T19:21:02.571Z" },
 ]
 
+[[package]]
+name = "tqdm"
+version = "4.67.1"
+source = { registry = "https://pypi.org/simple" }
+dependencies = [
+    { name = "colorama", marker = "sys_platform == 'win32'" },
+]
+sdist = { url = "https://files.pythonhosted.org/packages/a8/4b/29b4ef32e036bb34e4ab51796dd745cdba7ed47ad142a9f4a1eb8e0c744d/tqdm-4.67.1.tar.gz", hash = "sha256:f8aef9c52c08c13a65f30ea34f4e5aac3fd1a34959879d7e59e63027286627f2", size = 169737, upload-time = "2024-11-24T20:12:22.481Z" }
+wheels = [
+    { url = "https://files.pythonhosted.org/packages/d0/30/dc54f88dd4a2b5dc8a0279bdd7270e735851848b762aeb1c1184ed1f6b14/tqdm-4.67.1-py3-none-any.whl", hash = "sha256:26445eca388f82e72884e0d580d5464cd801a3ea01e63e5601bdff9ba6a48de2", size = 78540, upload-time = "2024-11-24T20:12:19.698Z" },
+]
+
 [[package]]
 name = "traitlets"
 version = "5.14.3"