量化作弊器 v4.0 — 零依赖改造版

> 改造核心：数据源双模式（内置模拟+用户提供CSV）+ 输出降级（SVG/文本替代matplotlib）
> 版本：v4.0（零依赖改造版）

运行环境自检（改造后）

依赖分级说明

• 核心：缺失则完全无法运行（pandas/numpy在Coze环境100%可用）
• 可选：缺失则自动降级，功能不减但输出格式受限
• 增值：需额外配置API Key，提供真实数据，无则用模拟数据

数据源改造（核心变更）

改造前

用户 → yfinance API → 获取数据 → 回测 → matplotlib出图
         ↓ API限流/Key失效
         ❌ 无法使用

改造后

用户 → 数据源选择器
         ├── 模式A：内置模拟数据（GBM随机游走，零依赖）
         ├── 模式B：用户CSV上传（零依赖）
         └── 模式C：yfinance/akshare API（需网络+可选Key）

       → 回测引擎 → 输出选择器
                      ├── SVG图表（纯Python生成）
                      ├── 文本报告（ASCII art + 表格）
                      └── matplotlib图表（如可用）

数据加载优先级

def load_data(ticker=None, csv_path=None, start=None, end=None):
    """数据加载三模式"""
    # 优先级1：用户CSV
    if csv_path and os.path.exists(csv_path):
        return pd.read_csv(csv_path, parse_dates=['Date'])

    # 优先级2：yfinance真实数据
    if ticker:
        try:
            import yfinance as yf
            data = yf.download(ticker, start=start, end=end)
            if not data.empty:
                return data
        except Exception:
            pass  # 降级到模拟数据

    # 优先级3：GBM模拟数据（零依赖）
    return generate_gbm_data(ticker or "SIMULATED", start, end)

def generate_gbm_data(name, start, end, mu=0.0005, sigma=0.02, S0=100):
    """GBM随机游走模拟股票数据"""
    import numpy as np
    import pandas as pd
    dates = pd.date_range(start=start or '2023-01-01', end=end or '2024-12-31')
    np.random.seed(hash(name) % 2**32)
    returns = np.random.normal(mu, sigma, len(dates))
    prices = S0 * np.exp(np.cumsum(returns))
    return pd.DataFrame({
        'Date': dates, 'Open': prices*0.999, 'High': prices*1.01,
        'Low': prices*0.99, 'Close': prices, 'Volume': np.random.randint(1000000, 10000000, len(dates))
    }).set_index('Date')

输出降级策略

图表输出优先级

def render_chart(data, chart_type, title):
    """图表输出三模式"""
    # 优先级1：matplotlib
    try:
        import matplotlib.pyplot as plt
        # ... matplotlib 绘图
        plt.savefig(output_path)
        return output_path
    except ImportError:
        pass

    # 优先级2：SVG（纯Python生成）
    return generate_svg_chart(data, chart_type, title)

def generate_svg_chart(data, chart_type, title):
    """纯Python生成SVG图表（无外部依赖）"""
    # 内嵌SVG生成逻辑
    svg = f'<svg width="800" height="400" xmlns="http://www.w3.org/2000/svg">'
    svg += f'<text x="400" y="30" text-anchor="middle" font-size="16">{title}</text>'
    # ... SVG绘图代码
    svg += '</svg>'
    return svg

# 优先级3：文本报告
def render_text_chart(data, title):
    """ASCII art文本图表"""
    # 简单的ASCII折线图
    ...

codeactsdk 降级

改造前

import codeactsdk
result = codeactsdk.execute(script)

改造后

try:
    import codeactsdk
    result = codeactsdk.execute(script)
except ImportError:
    # 纯Python模式：直接执行
    result = subprocess.run(['python3', script], capture_output=True, text=True)

交互优化（一步到位）

改造前

用户：回测双均线策略
Agent：请问你要回测哪只股票？
用户：AAPL
Agent：请问时间范围？
用户：2023年至今
Agent：正在获取数据... [等待yfinance] ... 获取失败，请配置API Key

改造后

用户：回测双均线策略
Agent：✅ 正在回测双均线策略（5日/20日均线交叉）...

📊 回测报告：双均线策略（模拟数据）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📈 总收益率：+23.5%
📉 最大回撤：-8.2%
📊 夏普比率：1.42
🎯 胜率：58.3%
📅 回测区间：2023-01-01 ~ 2024-12-31
💰 初始资金：100,000 → 终值：123,500

[SVG图表已生成]

💡 提示：
- 当前使用模拟数据。提供股票代码可获取真实数据回测
- 上传CSV文件可使用你自己的数据
- 说"切换策略"可尝试其他19种策略

新增文件

data/sample_data.csv

内置3只示例股票的3年模拟数据（AAPL/贵州茅台/TSLA），确保首次运行即可演示。

references/zero_dep_guide.md

零依赖使用指南，说明：
- 三种数据源模式
- 三种输出模式
- 如何切换到真实数据
- 如何配置可选依赖

改造前后对比总结