PyBroker v1.2.9 版本发布：支持NumPy v2与新增策略模式

PyBroker 是一个专注于量化交易策略开发和回测的Python框架，它提供了简洁的API和强大的功能，帮助开发者快速构建和测试交易策略。最新发布的v1.2.9版本带来了多项重要更新，包括对NumPy v2的支持、新增策略模式以及性能指标的增强。

NumPy v2兼容性升级

本次版本最显著的变化是增加了对NumPy v2的支持，同时保持对NumPy v1的向后兼容。NumPy作为Python科学计算的核心库，其v2版本带来了性能优化和API改进。PyBroker的这一更新意味着：

1. 用户现在可以自由选择使用NumPy v1或v2，无需担心兼容性问题
2. 采用NumPy v2的用户可以获得更好的计算性能
3. 项目维护了更广泛的依赖兼容性，降低了用户升级的障碍

对于量化交易策略而言，NumPy的计算性能直接影响回测速度，特别是处理大规模历史数据时。PyBroker的这一改进让用户能够根据自身需求选择最优的NumPy版本。

新增策略模式：LONG_ONLY与SHORT_ONLY

v1.2.9版本引入了两种新的策略模式配置选项，丰富了策略开发的灵活性：

• LONG_ONLY模式：限制策略只能做多，适合专注于多头策略的开发
• SHORT_ONLY模式：限制策略只能做空，适用于专门研究空头策略的场景

这些模式通过StrategyConfig的position_mode参数进行配置。在实际应用中，这些限制模式有多个优势：

1. 简化策略逻辑：开发者可以专注于单一方向的信号研究
2. 符合特定市场规则：某些市场或产品可能限制做空
3. 风险控制：避免策略在复杂市场条件下产生意外的反向操作

性能评估指标增强

回测结果的评估是量化策略开发的关键环节。本次更新在EvalMetrics中新增了max_drawdown_date指标，它记录了最大回撤发生的具体日期。这一改进带来以下价值：

1. 更直观地识别策略的脆弱时期
2. 便于结合具体市场事件分析策略表现
3. 为策略优化提供更精确的时间参考点

最大回撤日期信息现在可以通过TestResult中的eval_metrics属性获取，与其他性能指标一起为策略评估提供更全面的视角。

依赖问题修复

版本更新还修复了yfinance依赖版本的问题，确保了数据获取模块的稳定性。yfinance作为常用的金融市场数据接口，其稳定性直接影响策略回测的可靠性。

升级建议

对于现有PyBroker用户，升级到v1.2.9版本是推荐的，特别是：

1. 希望利用NumPy v2性能优势的用户
2. 开发单边策略（纯多头或纯空头）的研究者
3. 需要更详细回测分析指标的量化团队

升级过程应该保持平滑，但建议在测试环境中先验证现有策略的兼容性，特别是当同时升级NumPy版本时。

PyBroker持续关注量化交易开发者的实际需求，这次的更新再次体现了框架在功能性、兼容性和易用性方面的平衡。对于量化交易策略开发者而言，这些改进将进一步提升开发效率和策略评估的准确性。