feat(engine): 添加事件驱动回测引擎

- backtest/engine.py: 事件驱动回测引擎核心，支持 K 线推进/订单撮合/权益曲线
- backtest/models.py: 回测数据模型（订单/成交/持仓/账户快照）
- backtest/README.md: 回测模块使用说明
- backtest/STRATEGY.md: 策略开发指南与最佳实践
- backtest/TIMEFRAME_COMPARISON*.md: 多周期回测对比分析报告

engine/backtest/README.md

@@ -0,0 +1,184 @@
+# engine/backtest — 回测引擎
+
+事件驱动的历史回测框架，基于 `DataService` 从 TimescaleDB 读取历史 K 线，
+按时间顺序逐根推送给策略，模拟订单成交、跟踪资金曲线、计算绩效指标。
+
+## 快速开始
+
+```python
+import asyncio
+from datetime import datetime
+from engine.backtest import BacktestEngine, BacktestConfig
+from engine.common.config import config
+
+async def main():
+    bt_config = BacktestConfig(
+        symbol="BTCUSDT",
+        interval="1h",
+        start_time=datetime(2025, 1, 1),
+        end_time=datetime(2025, 6, 1),
+        initial_capital=10_000.0,
+    )
+
+    engine = BacktestEngine(bt_config, db_config=config.db)
+    result = await engine.run(MyStrategy, my_strategy_config)
+    print(result.summary())
+
+asyncio.run(main())
+```
+
+## 核心概念
+
+### 回测流程
+
+```
+加载历史 K 线 → 预热阶段 → 主循环 → 计算指标 → 输出结果
+                     ↓
+              逐根 K 线推送：
+                1. 执行上根 Bar 产生的买单（在开盘价执行）
+                2. 推送 K 线给策略 → 产生信号
+                3. 卖出信号立即执行，买入信号延迟到下一根 Bar
+                4. 记录资金曲线
+```
+
+### 避免未来函数
+
+- **买入信号**：在当前 K 线收盘生成 → **下一根 K 线开盘价**执行
+- **卖出信号**：在当前 K 线收盘生成 → **当前 K 线收盘价**执行
+
+这样可以避免使用已知收盘价来获利的偏差。
+
+### 交易成本
+
+引擎模拟以下交易成本：
+
+| 成本项 | 默认值 | 说明 |
+|--------|--------|------|
+| 手续费 | 0.1% | 按成交额收取 |
+| 滑点 | 0.05% | 买卖双向滑点 |
+
+### 绩效指标
+
+回测完成后自动计算以下指标：
+
+| 指标 | 说明 |
+|------|------|
+| 总收益率 | (最终权益 - 初始资金) / 初始资金 × 100% |
+| 年化收益率 | 以复利方式年化 |
+| 夏普比率 | (日均收益 / 日收益标准差) × √365 |
+| 最大回撤 | 权益从峰值下跌的最大百分比 |
+| 回撤持续天数 | 从峰值到恢复（或结束）的最长天数 |
+| 胜率 | 盈利交易 / 总交易 |
+| 盈亏比 | 总盈利 / 总亏损绝对值 |
+| 卡尔玛比率 | 年化收益 / 最大回撤绝对值 |
+
+## API 参考
+
+### BacktestConfig
+
+```python
+@dataclass
+class BacktestConfig:
+    symbol: str                          # 交易对
+    exchange: str = "binance"            # 交易所
+    interval: str = "1h"                 # K 线周期
+    start_time: datetime | None = None   # 起始时间
+    end_time: datetime | None = None     # 结束时间
+    commission_pct: float = 0.001        # 手续费率
+    slippage_pct: float = 0.0005         # 滑点率
+    min_order_qty: float = 0.001         # 最小下单量
+    initial_capital: float = 10_000.0    # 初始资金
+    warmup_bars: int = 100               # 预热条数
+```
+
+### BacktestEngine
+
+```python
+class BacktestEngine:
+    def __init__(self, config: BacktestConfig, db_config=None)
+
+    async def run(
+        self,
+        strategy_cls: Type[BaseStrategy],
+        strategy_config: StrategyConfig,
+    ) -> BacktestResult
+```
+
+### BacktestResult
+
+```python
+@dataclass
+class BacktestResult:
+    config: BacktestConfig          # 回测配置
+    strategy_config: dict           # 策略配置
+    metrics: BacktestMetrics        # 绩效指标
+    trades: list[BacktestTrade]     # 交易记录
+    equity_curve: list[dict]        # 资金曲线
+
+    def summary(self) -> str        # 人类可读摘要
+```
+
+### 编写策略
+
+策略必须继承 `BaseStrategy`，实现 `on_kline()` 方法：
+
+```python
+from engine.common.base import BaseStrategy, Signal, StrategyConfig
+from engine.common.models import Kline
+
+class MyConfig(StrategyConfig):
+    param1: int = 10
+
+class MyStrategy(BaseStrategy):
+    strategy_type = "my_strategy"
+
+    def __init__(self, config: MyConfig):
+        super().__init__(config)
+        self._closes = []
+
+    async def on_kline(self, kline: Kline) -> Signal | None:
+        self._closes.append(kline.close)
+        # 策略逻辑 ...
+        if 买入条件:
+            return Signal(
+                symbol=self.config.symbol,
+                side="BUY",
+                signal_type="MARKET",
+                reason="...",
+                timestamp=kline.open_time,
+            )
+        return None
+```
+
+### 技术指标库
+
+`engine/indicators/` 提供常用的技术指标计算函数，纯 Python 实现，无外部依赖：
+
+```python
+from engine.indicators import sma, ema, macd, rsi, bollinger, atr, obv, vwap
+
+closes = [100.0, 101.0, 102.0, ...]
+ma = sma(closes, period=20)         # 简单移动平均
+ema_vals = ema(closes, period=12)   # 指数移动平均
+rsi_vals = rsi(closes, period=14)   # RSI [0, 100]
+upper, mid, lower = bollinger(closes, period=20, std=2)  # 布林带
+macd_line, signal, hist = macd(closes, fast=12, slow=26, signal=9)  # MACD
+atr_vals = atr(highs, lows, closes, period=14)  # ATR
+```
+
+| 模块 | 指标 | 函数 |
+|------|------|------|
+| `trend` | 趋势 | `sma`, `ema`, `macd`, `macd_signal`, `macd_histogram` |
+| `momentum` | 动量 | `rsi`, `stoch`, `stoch_k`, `stoch_d` |
+| `volatility` | 波动率 | `bollinger`, `bollinger_upper`, `bollinger_mid`, `bollinger_lower`, `atr` |
+| `volume` | 成交量 | `obv`, `vwap` |
+
+所有函数返回与输入等长的 `list[float]`，不足周期的位置填充为 `0.0`。
+
+## 运行示例
+
+```bash
+cd engine
+source .venv/bin/activate
+python example/backtest_demo.py
+```