修复：量价单位 / 未来函数守卫 / 实时画像闸门；行情回补到 2005；手册补全流程

本轮会话的三项正确性改造（均为「不报错、只让结果静默错」的类型）：

1) 修复 stock_daily 量价单位前后不一致
   - 现象：2015-2019 存 Tushare 原始单位（手/千元），2020 起存（股/元），2019 同日混合；
     而流动性阈值按「元」配置 → 早年门槛实际是「日均成交额 ≥ 200 亿元」，
     把 2015-2019 的股票池整体清空（实测 2016/2017/2018 各选出 0 只）。
   - 修复：写入端 sync/price.py 统一换算；读取端 units.normalize_ohlcv_units
     按行判定并幂等换算（price_history / avg_amount 都走它）；
     审计新增 UNIT-OHLCV 防回归。
   - 效果：2016/2017/2018 的股票池变为 7/11/13 只。

2) 未来函数守卫（单次回测）
   - 股票池自带 asof：若晚于回测起点即**拒绝执行**（原先静默冻结套用），
     与 walk-forward 已有的拒绝理由一致；确需复现加 --allow-lookahead-universe，
     偏差写入 unimplemented_json。

3) 新增实时（PIT）个股画像闸门
   - profile/pit.py：每个决策日按当时可见数据重算过去 5 年画像，
     惰性（仅买入条件已触发的标的）、面板按 asof 缓存、
     规则不含财务指标时不查财报表；被剔除时产出 REJECT + 逐规则留痕。
   - 指标定义复用 ProfileBuilder._profile_one（与批量画像逐值等价的回归测试）。
   - profile/coverage.py：窗口覆盖率（按交易日历的真实开市天数），
     策略新增 entry.profile_gate.min_window_coverage（默认 0，不改变既有行为）。
   - core/metrics.py：闸门可用指标的唯一定义（配置期即校验，避免写错指标名静默失效）。

4) 行情回补到 2005（使 5/8/10 年窗口真正完整）
   - stock_daily / adjust_factor / daily_basic 补到 2005-01-04；
     hd_suspend / hd_limit 补到 2010-01-04。
   - 5 年窗口覆盖率：2018-05-18 由 67.0% → 99.1%，2016-12-30 由 39.8% → 99.0%；
     残差经逐日与 hd_suspend 交叉核实为真实停牌（16/16 命中）。
   - 审计 G2/G3 与断点续传原先用固定阈值（2000 / 1500 只），
     会把 2005-2009 的正常数据误判为异常 —— 改为按「当年应有上市股票数」成比例判定。
   - 节流修正：daily/adj_factor/daily_basic 限频 480 → 170（实测该 token 约 196/min 即被拒）。

5) 自我声明如实化
   - 原先「约束未生效」由「过滤后集合为空」判定，会把「这批股票恰好没停牌」
     误报成「hd_suspend 无数据」；改为按表级判定。
   - 补齐此前静默的「配置承诺但未实现」项：suspended_rule/limit_up_down_rule 的 defer、
     cash_mode=reinvest/reinvest_rule、handle_rights_issue、signal_to_execution、
     max_volume_pct、liquidity_limit_pct_adv —— 全部写入 unimplemented_json。

6) 手册：新增 §0「全流程操作（选股 → 画像 → 回测）」置于最前
   - 逐步说明「命令做了什么、数据从哪来、落了哪些库、有哪些坑」；
     含实时画像闸门 9 问 9 答、未来函数守卫表、成交与成本口径、验证 SQL。
   - 修正旧 §2.4 漏传 --universe-run（选了池子却没用于回测）；
     修正两处声称「停牌顺延」「分红再投资」已实现的相反表述。

测试：403 项全部通过（含新增 test_units.py、test_profile_pit.py、
未实现声明诚实性测试、行序无关性回归测试）。

注意：本提交中 docs/*、README.md、src/hdiv/web/service.py 除本轮修改外，
也含此前遗留的未提交改动（无法按文件切分）。

src/hdiv/profile/coverage.py

@@ -0,0 +1,119 @@
+"""画像窗口的**实际覆盖度**（不是「报告了 N 年」，而是「真的有 N 年数据」）。
+
+**为什么需要它**：``window_slice(asof, 5)`` 的语义是「把已有数据切成最近 5 年」，
+不是「保证有 5 年数据」。若数据起点晚于窗口左端，窗口会被**静默截短**，
+而 ``_stat_row`` 只看 ``n_obs >= min(min_obs_days, 20)`` 就标 ``OK`` ——
+20 个观测（约 1 个月）也算通过。
+
+实测（600036.SH，``dv_yield``，5 年窗口）：
+
+| asof | 窗口内实际观测 | 应有权重 | 覆盖率 |
+|---|---:|---:|---:|
+| 2015-12-31 | 239 | 1212 | 19.7% |
+| 2016-12-30 | 483 | 1212 | 39.9% |
+| 2017-12-29 | 727 | 1212 | 60.0% |
+| 2018-12-28 | 970 | 1212 | 80.0% |
+| 2019-12-31 | 1214 | 1215 | 99.9% |
+| 2020 起 | ≈1215 | ≈1215 | 100% |
+
+而 ``n_obs=817`` 的 2018-05-18、四个窗口（0/5/8/10）**报出完全相同的 n_obs**
+—— 这正是「被数据起点截断」的指纹。
+
+本模块提供统一的分母（**交易日历的真实开市天数**，不是 243 这种近似），
+供实时画像（``profile.pit``）与批量画像（``profile.builder``）共用。
+"""
+
+from __future__ import annotations
+
+from datetime import date, timedelta
+from typing import Any
+
+#: 覆盖率低于该值时，画像页与 CLI 打印警告（不改变任何判定，只是不让人误以为有 5 年）
+WARN_COVERAGE = 0.95
+
+
+def window_start(asof: date, years: int) -> date:
+    """窗口左端（与 ``factor.dividend_yield.window_slice`` 完全一致的口径）。"""
+    return asof - timedelta(days=int(years * 365.25))
+
+
+def expected_trading_days(repo: Any, asof: date, years: int) -> int:
+    """``(asof - N 年, asof]`` 内**应有**的交易日数（按交易日历）。
+
+    ``years <= 0`` 表示全历史：没有可比的「应有」天数，返回 0 让调用方跳过覆盖率判定。
+
+    区间必须是**左开右闭** —— 与 ``factor.dividend_yield.window_slice`` 的
+    ``trade_date > start`` 完全一致。``repo.trading_days`` 取的是闭区间，
+    所以左端点恰为交易日时要减 1；否则覆盖率永远差一天、达不到 100%，
+    会让 ``min_window_coverage = 1.0`` 变成「永远拒绝」。
+    """
+    if years <= 0:
+        return 0
+    lo = window_start(asof, years)
+    days = repo.trading_days(lo, asof)
+    n = len(days)
+    if n and days[0] == lo:
+        n -= 1
+    return n
+
+
+def coverage_ratio(n_obs: int, expected: int) -> float | None:
+    """实际观测数 / 应有交易日数，封顶 1.0。``expected<=0`` 时返回 None（不适用）。"""
+    if expected <= 0:
+        return None
+    if n_obs >= expected:
+        return 1.0
+    return max(0.0, float(n_obs) / float(expected))
+
+
+def expected_by_window(repo: Any, asof: date, windows: list[int]) -> dict[int, int]:
+    """``{窗口年数: 应有交易日数}``（含 0 → 0）。"""
+    return {int(w): expected_trading_days(repo, asof, int(w)) for w in windows}
+
+
+def summarise(stat_rows: list[dict[str, Any]], expected: dict[int, int]) -> dict[str, Any]:
+    """把一批 stat 行按窗口汇总覆盖率（供 CLI/报告打印警告）。
+
+    只统计 :data:`DAILY_OBSERVATION_METRICS` —— 其余指标的 ``n_obs`` 是财年数或 1，
+    用交易日当分母会算出「0.4%」这种量纲错误的覆盖率。
+
+    返回 ``{"windows": {年数: {"min": 最低覆盖率, "n": 行数}}, "worst": (年数, 比率)}``。
+    """
+    from hdiv.core.metrics import DAILY_OBSERVATION_METRICS
+
+    agg: dict[int, list[float]] = {}
+    for r in stat_rows:
+        if r.get("metric_code") not in DAILY_OBSERVATION_METRICS:
+            continue
+        wy = int(r.get("window_years") or 0)
+        exp = expected.get(wy, 0)
+        c = coverage_ratio(int(r.get("n_obs") or 0), exp)
+        if c is None:
+            continue
+        agg.setdefault(wy, []).append(c)
+    windows = {
+        wy: {"min": min(vals), "n": len(vals)} for wy, vals in sorted(agg.items())
+    }
+    worst: tuple[int, float] | None = None
+    for wy, info in windows.items():
+        if worst is None or info["min"] < worst[1]:
+            worst = (wy, info["min"])
+    return {"windows": windows, "worst": worst}
+
+
+def format_warning(summary: dict[str, Any]) -> str | None:
+    """覆盖率不足时的一句话说明（否则 None）。
+
+    逐个列出**所有**不足的窗口，而不是只报最差的那个 ——
+    否则「5 年已齐、只有 10 年不足」也会被说成「数据不足」，容易误导。
+    """
+    windows = (summary or {}).get("windows") or {}
+    short = [(wy, info["min"]) for wy, info in sorted(windows.items())
+             if info["min"] < WARN_COVERAGE]
+    if not short:
+        return None
+    detail = "、".join(f"{wy} 年窗口 {cov:.1%}" for wy, cov in short)
+    return (
+        f"窗口数据不足：{detail}"
+        f"（窗口被数据起点截短，分位/统计量的实际样本期短于名义窗口）"
+    )