Update src/streamlit_app.py

src/streamlit_app.py

@@ -13,8 +13,8 @@ st.title("🧩 永久组合 (Permanent Portfolio) 阈值策略回测")
 @st.cache_data
 def get_data():
     tickers = ['SPY', 'TLT', 'GLD', 'SHV']
-    # 下载数据，使用 Adj Close 以包含分红
-    data = yf.download(tickers, start="2007-01-01")['Adj Close']
+    # 【修复点】：添加 auto_adjust=False 以保留 'Adj Close' 列
+    data = yf.download(tickers, start="2007-01-01", auto_adjust=False)['Adj Close']
     data = data.dropna() # 确保所有ETF都有数据的日期才开始
     return data
 
@@ -57,28 +57,21 @@ def run_backtest(data, threshold=0.05, check_freq='Daily'):
     if check_freq == 'Daily':
         is_rebalance_day[:] = True
     elif check_freq == 'Monthly':
-        is_rebalance_day = data.reset_index().groupby(data.index.to_period('M'))['Date'].idxmax().isin(data.index)
-        # 上面这行稍复杂，简化处理：取重采样后的索引
+        # Pandas 2.x 建议使用 'ME' (Month End) 代替 'M'
         resampled_dates = data.resample('ME').last().index
         # 找到最接近的交易日
         search_indexer = data.index.searchsorted(resampled_dates)
         search_indexer = search_indexer[search_indexer < len(data)]
         valid_dates = data.index[search_indexer]
         is_rebalance_day = pd.Series(data.index.isin(valid_dates), index=data.index)
-    # (Quarterly, Annually 逻辑类似，此处为了demo简化，重点放在阈值逻辑)
 
     # --- 每日循环 ---
-    # 为了性能，这里不使用iterrows，而是简单循环
-    # 注意：这里模拟的是 "Close 价格触发，Close 价格成交" (简化模型)
-    
     dates = data.index
     prices_values = data.values # Numpy array 更快
     
     # 映射 column index
     asset_idx = {asset: i for i, asset in enumerate(data.columns)}
     
-    last_rebalance_val = initial_cash
-    
     for i in range(len(dates)):
         current_date = dates[i]
         current_prices = prices_values[i]
@@ -94,7 +87,6 @@ def run_backtest(data, threshold=0.05, check_freq='Daily'):
         portfolio_history.append({'Date': current_date, 'Total Value': total_value})
         
         # 2. 检查是否需要检测
-        # 如果不是检测日，直接跳过
         if check_freq != 'Daily' and not is_rebalance_day[i]:
             continue
             
@@ -138,7 +130,6 @@ selected_thresholds = st.sidebar.multiselect(
     format_func=lambda x: f"±{int(x*100)}% ({25-int(x*100)}%-{25+int(x*100)}%)"
 )
 
-# 频率选择 (简化版，强制 Daily Check 以配合阈值策略)
 st.sidebar.info("注意：阈值策略通常配合 '每日检测' 使用，以捕捉瞬间波动。")
 
 # --- 5. 执行对比 ---