fix: 统一时区处理，准确率统计使用CST时间分组

- 增强 convert_to_cst() 函数，新增 source_tz 参数支持 UTC/ET/CST 输入
- 修改 get_monthly_stats() 使用 CONVERT_TZ 按 CST 月份统计
- 修改 get_daily_stats() 使用 CONVERT_TZ 按 CST 日期分组
- 修改 get_hourly_details() 按 CST 日期筛选和小时排序
- 交易记录使用 source_tz='CST' 避免重复转换
- 前端表头添加'(北京)'时区标注

AGENTS.md

@@ -8,104 +8,66 @@
 *   **语言要求**：所有回答必须使用**中文**。
 *   **称呼要求**：每次回答必须加上**“主人”**。
 *   **最小改动 (Minimal Change)**：只修改完成任务所必须的代码。**禁止**为了“最佳实践”或“代码美观”而进行未被请求的重构。
-*   **环境约束**：本项目严格使用 **Conda** 环境。禁止使用 venv/poetry/pipenv。
-*   **复用优先**：在编写新功能前，必须检查 `data/`, `models/`, `utils/` 下是否已有类似实现。
+*   **环境约束**：本项目严格使用 **Conda** 环境 (`crypto_pred_312`)。禁止使用 venv/poetry/pipenv。
+*   **复用优先**：在编写新功能前，必须检查 `data/`, `models/`, `api/` 下是否已有类似实现。
 
 ## 2. 环境与构建 (Environment & Build)
 
-本项目依赖管理基于 `requirements.txt`, conda环境名称**crypto_pred_312**
+*   **Python 环境**: `conda activate crypto_pred_312`
+*   **依赖安装**: `pip install -r requirements.txt`
+*   **数据库**:
+    *   **仅支持 MySQL**。禁止引入 SQLite 代码。
+    *   配置：通过 `.env` 文件配置 `MYSQL_HOST`, `MYSQL_USER` 等参数。
+    *   连接管理：使用 `data/database.py` 中的 `DatabaseManager` 或 `api/models.py` 中的 `get_db_connection`。
 
-*   **安装依赖**:
-    ```bash
-    pip install -r requirements.txt
-    ```
+## 3. 项目结构说明 (Project Structure)
 
-## 3. 测试与质量保证 (Testing & QA)
+*   **`api/`**: 核心服务层
+    *   `main.py`: FastAPI 主应用入口。
+    *   `models.py`: 数据库模型与操作（MySQL），包含时区转换逻辑。
+    *   `prediction_service.py`: 预测业务逻辑。
+    *   `static/`: Vue 3 前端静态资源（Dashboard）。
+*   **`data/`**: 数据层
+    *   `database.py`: 市场数据 (OHLCV) 数据库管理。
+    *   `trading_db.py`: 交易历史数据库管理。
+*   **`models/`**: 机器学习模型定义 (DLinear, TTM-R2 等) 及训练产物。
+*   **`scripts/`**: 辅助工具脚本。
+*   **根目录**:
+    *   `start_system.py`: **系统统一启动脚本**（同时启动 API 和自动交易）。
+    *   `auto_trade_polymarket.py`: 自动交易主程序。
 
-使用 `pytest` 作为测试框架。在提交修改前，必须确保相关测试通过。
+## 4. 开发规范 (Development Standards)
 
-*   **运行所有测试**:
-    ```bash
-    pytest
-    ```
+### 4.1 时区处理 (Timezone)
+*   **存储**: 数据库中时间戳通常为 **UTC** 或 **ET (美东时间)**。
+*   **展示**: 前端及日志输出必须转换为 **CST (北京时间)**。
+*   **工具**: 使用 `api.models.convert_to_cst` 进行转换。
 
-*   **运行单个测试文件 (常用)**:
-    ```bash
-    pytest tests/test_example.py
-    ```
+### 4.2 代码风格
+*   **注释**: 必须使用**中文**解释“为什么这样做”。
+*   **命名**: 变量/函数 `snake_case`，类名 `PascalCase`。
+*   **类型提示**: 推荐在关键接口使用 Type Hints。
 
-*   **运行单个测试用例 (推荐)**:
-    用于专注调试某一个功能：
-    ```bash
-    pytest tests/test_example.py::test_specific_function
-    ```
+### 4.3 数据库操作
+*   **禁止**使用 SQLite。
+*   使用 `pymysql` 或 `sqlalchemy` 进行操作。
+*   确保所有数据库连接都使用上下文管理器 (`with` 语句) 以自动关闭。
 
-*   **显示打印输出 (Debug模式)**:
-    ```bash
-    pytest -s tests/test_example.py
-    ```
+## 5. 测试与验证 (Testing & QA)
 
-*   **代码格式化与检查**:
-    ```bash
-    black .          # 格式化代码
-    flake8 .         # 代码风格检查
-    ```
+*   **运行测试**: `pytest`
+*   **代码检查**: `flake8 .`
+*   **本地验证**:
+    *   修改 API 或前端后，运行 `./start_system.py` 并访问 `http://localhost:8000` 验证。
+    *   修改模型后，运行 `python ensemble_predict.py` 验证预测逻辑。
 
-## 4. 代码风格规范 (Code Style)
-
-*   **注释 (Comments)**:
-    *   **必须使用中文**编写所有注释和文档字符串 (Docstrings)。
-    *   Docstring 风格推荐 Google Style 或简单的多行注释。
-    *   注释应解释“为什么这样做” (Why)，而不是“做了什么” (What)。
-
-*   **命名约定 (Naming)**:
-    *   变量/函数: `snake_case` (如 `add_technical_features`)
-    *   类名: `PascalCase` (如 `BinanceDataFetcher`)
-    *   常量: `UPPER_CASE` (如 `MAX_RETRIES`)
-    *   私有成员: `_snake_case` (前缀下划线)
-
-*   **导入 (Imports)**:
-    *   顺序：标准库 -> 第三方库 -> 本地模块。
-    *   尽量使用绝对导入。
-    *   注意：项目中部分脚本使用了 `sys.path.insert` hack，修改时需保持兼容，不要随意删除。
-
-*   **类型提示 (Type Hints)**:
-    *   推荐在函数签名中添加类型提示，但不强制要求全覆盖。
-    *   示例: `def process_data(df: pd.DataFrame) -> np.ndarray:`
-
-*   **错误处理 (Error Handling)**:
-    *   使用具体的异常类型 (如 `ValueError`, `FileNotFoundError`)，避免裸 `except:`。
-    *   在 API 调用或网络请求处必须添加重试或错误捕获逻辑。
-
-## 5. 项目结构说明 (Project Structure)
-
-在修改代码前，请参考以下结构定位文件：
-
-*   **`api/`**: FastAPI 接口服务代码。
-*   **`data/`**: 数据获取 (BinanceFetcher等) 和预处理逻辑。
-*   **`models/`**: 模型定义 (N-BEATS, DLinear, CatBoost 等) 和 训练好的模型文件。
-*   **`tests/`**: 单元测试和集成测试。
-*   **`scripts/`**: 辅助脚本。
-*   **`training/`** & **`logs/`**: 训练日志和过程文件。
-*   **根目录脚本**: 包含多个入口脚本 (如 `ensemble_predict.py`, `train_catboost.py`)，修改时需格外小心，避免破坏生产流程。
-
-## 6. 开发流程 (Workflow)
-
-1.  **理解需求**: 先阅读代码，确认需求范围。如果有歧义，**先询问主人**。
-2.  **定位代码**: 使用 `grep` 或 `glob` 查找相关文件。
-3.  **制定计划**: 思考修改方案，优先考虑不破坏现有逻辑的“加法”修改。
-4.  **实施修改**: 编辑代码，保持风格一致。
-5.  **验证**:
-    *   运行 `flake8` 检查语法错误。
-    *   运行 `pytest` 验证逻辑。
-    *   如果是脚本，尝试带 `--help` 或测试参数运行以确保无运行时错误。
-
-## 7. 禁止事项 (Constraints)
+## 6. 禁止事项 (Constraints)
 
 *   ❌ **禁止**猜测业务逻辑。
 *   ❌ **禁止**删除看似无用但可能被外部脚本调用的代码。
 *   ❌ **禁止**在未确认的情况下升级核心库版本 (如 torch, pandas)。
 *   ❌ **禁止**输出英语回复 (代码变量名除外)。
+*   ❌ **禁止**恢复已删除的 SQLite 相关代码。
 
 ---
 *遵循此指南，确保高效、安全地协助主人完成任务。*

api/models.py

@@ -17,12 +17,13 @@ TZ_ET = ZoneInfo('America/New_York')  # 美东时间 (Polymarket)
 TZ_CST = ZoneInfo('Asia/Shanghai')     # 中国标准时间 (前端显示)
 
 
-def convert_to_cst(timestamp_val) -> str:
+def convert_to_cst(timestamp_val, source_tz: str = 'UTC') -> str:
     """
     将时间戳转换为 CST 时间字符串
     
     Args:
-        timestamp_val: datetime 对象或 ISO 格式时间戳字符串 (假设是 UTC)
+        timestamp_val: datetime 对象或 ISO 格式时间戳字符串
+        source_tz: 输入时区 - 'UTC'(默认，币安数据), 'ET'(Polymarket), 'CST'(已是北京时间)
     
     Returns:
         CST 时间字符串 (YYYY-MM-DD HH:MM:SS)
@@ -37,9 +38,19 @@ def convert_to_cst(timestamp_val) -> str:
             # 字符串格式
             dt = datetime.fromisoformat(str(timestamp_val).replace('Z', '+00:00'))
         
-        # 如果没有时区信息，假设是 UTC
+        # 根据来源时区设置时区信息
         if dt.tzinfo is None:
-            dt = dt.replace(tzinfo=TZ_UTC)
+            if source_tz == 'ET':
+                dt = dt.replace(tzinfo=TZ_ET)
+            elif source_tz == 'CST':
+                # 已经是 CST，直接格式化返回
+                return dt.strftime('%Y-%m-%d %H:%M:%S')
+            else:  # 默认 UTC
+                dt = dt.replace(tzinfo=TZ_UTC)
+        
+        # 如果来源已经是 CST，直接格式化
+        if source_tz == 'CST':
+            return dt.strftime('%Y-%m-%d %H:%M:%S')
         
         # 转换为 CST
         dt_cst = dt.astimezone(TZ_CST)
@@ -122,7 +133,8 @@ class TradeModel:
             row = cursor.fetchone()
             result = _dict_from_row(row)
             if result and result.get('timestamp'):
-                result['timestamp_cst'] = convert_to_cst(result['timestamp'])
+                # 交易记录时间已经是 CST，直接格式化
+                result['timestamp_cst'] = convert_to_cst(result['timestamp'], source_tz='CST')
             return result
     
     @staticmethod
@@ -173,7 +185,8 @@ class TradeModel:
             for row in rows:
                 item = _dict_from_row(row)
                 if item and item.get('timestamp'):
-                    item['timestamp_cst'] = convert_to_cst(item['timestamp'])
+                    # 交易记录时间已经是 CST，直接格式化
+                    item['timestamp_cst'] = convert_to_cst(item['timestamp'], source_tz='CST')
                 data_list.append(item)
             
             return {
@@ -292,7 +305,7 @@ class PredictionModel:
                     SUM(CASE WHEN is_correct = 1 THEN 1 ELSE 0 END) as correct,
                     SUM(CASE WHEN is_correct = 0 THEN 1 ELSE 0 END) as incorrect
                 FROM model_predictions 
-                WHERE DATE_FORMAT(date, '%%Y-%%m') = %s
+                WHERE DATE_FORMAT(CONVERT_TZ(timestamp, '+00:00', '+08:00'), '%%Y-%%m') = %s
                   AND actual_result IS NOT NULL
                 GROUP BY model_name
             """
@@ -333,16 +346,16 @@ class PredictionModel:
             
             sql = """
                 SELECT 
-                    date,
+                    DATE(CONVERT_TZ(timestamp, '+00:00', '+08:00')) as date_cst,
                     model_name,
                     COUNT(*) as total,
                     SUM(CASE WHEN is_correct = 1 THEN 1 ELSE 0 END) as correct,
                     SUM(CASE WHEN is_correct = 0 THEN 1 ELSE 0 END) as incorrect
                 FROM model_predictions 
-                WHERE DATE_FORMAT(date, '%%Y-%%m') = %s
+                WHERE DATE_FORMAT(CONVERT_TZ(timestamp, '+00:00', '+08:00'), '%%Y-%%m') = %s
                   AND actual_result IS NOT NULL
-                GROUP BY date, model_name
-                ORDER BY date DESC
+                GROUP BY date_cst, model_name
+                ORDER BY date_cst DESC
             """
             cursor.execute(sql, (month,))
             
@@ -352,7 +365,7 @@ class PredictionModel:
             daily_data = {}
             for row in rows:
                 row_dict = _dict_from_row(row)
-                date = row_dict['date']
+                date = str(row_dict['date_cst'])  # CST 日期
                 if date not in daily_data:
                     daily_data[date] = {"date": date}
                 
@@ -391,28 +404,33 @@ class PredictionModel:
         获取指定日期的每小时详情
         
         Args:
-            date: 日期 (YYYY-MM-DD)
+            date: 日期 (YYYY-MM-DD, CST 北京时间)
         """
         with get_db_connection() as conn:
             cursor = conn.cursor()
+            # 按 CST 日期筛选，并获取 CST 小时
             cursor.execute("""
-                SELECT * FROM model_predictions 
-                WHERE date = %s
-                ORDER BY hour, model_name
+                SELECT 
+                    *,
+                    HOUR(CONVERT_TZ(timestamp, '+00:00', '+08:00')) as hour_cst,
+                    CONVERT_TZ(timestamp, '+00:00', '+08:00') as timestamp_cst_dt
+                FROM model_predictions 
+                WHERE DATE(CONVERT_TZ(timestamp, '+00:00', '+08:00')) = %s
+                ORDER BY hour_cst, model_name
             """, (date,))
             
             rows = cursor.fetchall()
             
-            # 按小时重组数据
+            # 按 CST 小时重组数据
             hourly_data = {}
             for row in rows:
                 row_dict = _dict_from_row(row)
-                hour = row_dict['hour']
-                if hour not in hourly_data:
-                    # 将 timestamp 转换为 CST 时间
+                hour_cst = row_dict['hour_cst']  # 使用 CST 小时
+                if hour_cst not in hourly_data:
+                    # 将 timestamp 转换为 CST 时间字符串
                     timestamp_cst = convert_to_cst(row_dict.get('timestamp', ''))
-                    hourly_data[hour] = {
-                        "hour": hour,
+                    hourly_data[hour_cst] = {
+                        "hour": hour_cst,  # 返回 CST 小时
                         "timestamp_et": row_dict['timestamp_et'],
                         "timestamp_cst": timestamp_cst,
                         "open_price": row_dict['open_price'],
@@ -422,13 +440,13 @@ class PredictionModel:
                     }
                 
                 model = row_dict['model_name']
-                hourly_data[hour]["models"][model] = {
+                hourly_data[hour_cst]["models"][model] = {
                     "prediction": row_dict['prediction'],
                     "probability": row_dict['probability'],
                     "is_correct": row_dict['is_correct']
                 }
             
-            # 按小时排序返回
+            # 按 CST 小时排序返回
             return [hourly_data[h] for h in sorted(hourly_data.keys())]
     
     @staticmethod

api/static/index.html

@@ -259,7 +259,7 @@
                             <table class="table table-hover mb-0">
                                 <thead class="table-light">
                                     <tr>
-                                        <th>日期</th>
+                                        <th>日期 (北京)</th>
                                         <th>DLinear 预测</th>
                                         <th>DLinear 准确率</th>
                                         <th>TTM-R2 预测</th>
@@ -341,7 +341,7 @@
                 <div class="modal-content">
                     <div class="modal-header">
                         <h5 class="modal-title">
-                            <i class="bi bi-clock"></i> {{ hourlyModal.date }} 每小时预测详情
+                            <i class="bi bi-clock"></i> {{ hourlyModal.date }} 每小时预测详情 (北京时间)
                         </h5>
                         <button type="button" class="btn-close" data-bs-dismiss="modal"></button>
                     </div>