模块以 runner.py 为固定入口，负责解析 config.json、通过 loaders.registry 按 symbol 格式路由到具体 DataLoader（支持 fallback chain），动态导入并 AST 校验用户策略 signal_engine.py，再调用 engines.base.BaseEngine.run_backtest() 完成“拉取数据 → 基本面/RSSHub 事件增强 → 信号生成 → 对齐+可选优化器 → 逐bar执行 → 指标 → 产物”的流水线。
engines/：base.BaseEngine定义抽象接口（can_execute/round_size/calc_commission/apply_slippage/on_bar）并提供共享的_align对齐、_execute_bars逐bar执行循环、杠杆/保证金/PnL 钩子；各子类（china_a/crypto/futures_base/forex/options_portfolio/composite等）仅覆盖市场规则差异，composite用于跨市场组合。loaders/：所有数据源实现DataLoaderProtocol（fetch(codes, start, end, interval, fields)返回{symbol: DataFrame}），由registry注册并按 source/market 选择；base提供 OHLC 校验、重试预算 (retry_with_budget)、本地 parquet 缓存（DuckDB 读写）等通用能力。optimizers/：BaseOptimizer.optimize(ret, pos, dates)提供因果滚动窗口切片、协方差上下文构建与符号保持的权重注入，子类（mean_variance/risk_parity/equal_volatility/max_diversification/turnover_aware）仅实现_calc_weights。metrics.py集中年化因子表（按 source×interval 映射交易日历）、收益/换手率/Sharpe/Sortino/Calmar/跟踪误差等指标计算，被 engine 和外部脚本复用。- 顶层文件承担横切职责：
models.py定义Position/TradeRecord/FillRecord/EquitySnapshot等核心数据结构；constraints.py对优化器输出施加约束；benchmark.py/run_card.py/validation.py/risk_xray.py/rebalance_notes.py作为 run 流程中按需调用的产物生成器。 依赖方向单向：runner → engines → loaders + optimizers → metrics/models；engine 不反向依赖 runner。