fix(datareader): read_index_daily 切 dbbardata(治 benchmark 读陈旧 vnpy DbBarData)

cta_engine benchmark 经 read_index_daily 读 vnpy DbBarData(方案A前陈旧源)。
切 dbbardata(指数点位已由 sina_index_eod 灌 exchange=SSE)。

- 数据源:vnpy get_database.load_bar_data → sqlite3 直连 dbbardata
- 消除覆写 vnpy SETTINGS 副作用(cta_engine.py:73/199)
- 回归坑1(000300读空):CODES 已加 000300 → dbbardata 有数据(本轮修复)
- 回归坑2(sz000905):默认 benchmark sh000300 不触发;中证指数用 sh 前缀
- 复用 provider 模式:substr(datetime,1,10) 比日期规避混合格式
- 测试:mock vnpy → 真实 tmp sqlite 库测 SQL 路径(2测重写)
- 验证:Mac 4+5 passed + VPS 真实库 sh000300 7月23行 close4588.197

sanguo_data/datareader.py

@@ -110,61 +110,60 @@ def read_parquet_15min(symbol: str, start: str, end: str, cfg, dir_key: str = "m
 
 def read_index_daily(code: str, start, end, cfg) -> pd.DataFrame:
     """
-    读指数日线数据（sh000300/sz399001 等），从 vnpy DB 读取（统一数据源）。
-    parquet 仅作原始备份，不再读取。返回类型保持 pd.DataFrame（cta_engine 消费不变）。
+    读指数日线数据（sh000300/sz399001 等），从 dbbardata 读取（2026-08-01 切自 vnpy DbBarData）。
+
+    指数点位已由 sina_index_eod 灌入 dbbardata exchange=SSE（16 个中证指数含 000300 沪深300）。
+    中证指数须用 sh 前缀（点位在 SSE）；深证指数 sz 前缀。cta_engine benchmark 用 sh000300。
+    切 dbbardata 后不再调 get_database() → 消除覆写 vnpy SETTINGS 副作用（cta_engine.py:73/199）。
 
     Args:
         code: 指数代码，带交易所前缀，如 "sh000300"（沪深300）、"sz399001"（深证成指）
-        start: 起始日期（str "YYYY-MM-DD" / date / datetime）
-        end: 结束日期（str "YYYY-MM-DD" / date / datetime）
-        cfg: 数据配置对象
+        start/end: 日期（str "YYYY-MM-DD" / date / datetime）
+        cfg: 数据配置对象（data_paths.vnpy_db 指向含 dbbardata 表的 quant_trading.db）
 
     Returns:
-        pd.DataFrame: date/open/high/low/close/volume 列；无数据返回空 DataFrame。
+        pd.DataFrame: date/open/high/low/close/volume 列（date 为 Timestamp）；无数据返回空 DataFrame。
     """
-    from vnpy.trader.database import get_database  # lazy：避免模块 import 依赖数据库驱动
+    import sqlite3
 
-    # 前缀解析交易所（指数不能用 guess_exchange：000300 以 0 开头会被误判成 SZSE，
-    # 但 000300 实际属于 SSE）。sh → SSE，sz → SZSE。
+    # 前缀解析交易所（指数不能用 guess_exchange：000300 以 0 开头会误判 SZSE，但属 SSE）。
     symbol = code[2:]
-    exchange = Exchange.SSE if code.startswith("sh") else Exchange.SZSE
+    exchange = "SSE" if code.startswith("sh") else "SZSE"
 
-    # 日期归一化：str → parse, date → combine, datetime → as-is
-    def _to_dt(s, is_start: bool) -> datetime:
+    # 日期归一化 -> 'YYYY-MM-DD'
+    def _to_str(s) -> str:
         if isinstance(s, datetime):
-            return s
+            return s.strftime("%Y-%m-%d")
         if isinstance(s, date):
-            return datetime.combine(s, datetime.min.time() if is_start else datetime.max.time())
-        return datetime.strptime(s, "%Y-%m-%d")
+            return s.strftime("%Y-%m-%d")
+        return str(s)[:10]
 
-    start_dt = _to_dt(start, True)
-    end_dt = _to_dt(end, False)
+    start_str = _to_str(start)
+    end_str = _to_str(end)
 
-    # 配置 vnpy DB（与 read_db_daily 同模式）
-    SETTINGS["database.name"] = "sqlite"
-    vnpy_db = getattr(cfg, "data_paths", {}).get("vnpy_db")
-    if not vnpy_db:
+    db_path = getattr(cfg, "data_paths", {}).get("vnpy_db")
+    if not db_path:
         raise RuntimeError("config 缺 data_paths.vnpy_db — 检查 backtest.yaml 初始化")
-    SETTINGS["database.database"] = vnpy_db
 
-    db = get_database()
-    bars = db.load_bar_data(
-        symbol=symbol,
-        exchange=exchange,
-        interval=Interval.DAILY,
-        start=start_dt,
-        end=end_dt,
-    )
+    conn = sqlite3.connect(db_path, timeout=30)
+    conn.execute("PRAGMA busy_timeout = 30000")
+    try:
+        # substr(datetime,1,10) 比日期规避混合格式（有纯日期有带时间，同 provider 模式）
+        df = pd.read_sql(
+            "SELECT datetime, open_price, high_price, low_price, close_price, volume "
+            "FROM dbbardata WHERE symbol=? AND exchange=? AND interval='d' "
+            "AND substr(datetime,1,10)>=? AND substr(datetime,1,10)<=? ORDER BY datetime",
+            conn, params=(symbol, exchange, start_str, end_str),
+        )
+    finally:
+        conn.close()
 
-    if not bars:
+    if df.empty:
         return pd.DataFrame(columns=["date", "open", "high", "low", "close", "volume"])
 
-    df = pd.DataFrame([{
-        "date": b.datetime,
-        "open": b.open_price,
-        "high": b.high_price,
-        "low": b.low_price,
-        "close": b.close_price,
-        "volume": b.volume,
-    } for b in bars])
-    return df.sort_values("date").reset_index(drop=True)
+    df = df.rename(columns={
+        "datetime": "date", "open_price": "open", "high_price": "high",
+        "low_price": "low", "close_price": "close",
+    })
+    df["date"] = pd.to_datetime(df["date"], format="mixed")
+    return df[["date", "open", "high", "low", "close", "volume"]].reset_index(drop=True)