功能:每日动态股票池回测(--mode daily)+ 每日增量同步 + PIT 批量取数层

说明:本提交是工作区中此前的未提交工作(在 14ec0c6 之后产生),**非本次会话所写**,
按用户要求整理并推送。已做安全检查(无明文凭据、无大文件、.env/logs/output 仍被忽略),
并完成可执行范围内的测试验证(见「测试」一节)。

## 新增能力

1) `hdiv backtest --mode daily --start <日期>`
   - src/hdiv/backtest/daily.py:两趟式(先逐日选股,再复用既有引擎模拟)
   - 每个交易日按当日可见数据重建股票池(PIT),每个交易日判断买卖点
   - `pool_exit_action`:hold(只减不加、不因掉出池子而清仓)/ sell(掉出即清仓)
   - `profile_on_trade`:买卖决策发生时计算并留痕个股画像,**不区分是否在当日池内**
     (卖出/减仓同样留痕,否则「为什么卖」缺证据)
   - 与 walkforward 的分工:daily 是一条连续路径的推演,不是过拟合检验;
     因此不使用训练段、不冻结分布,阈值口径一律 rolling
   - 拒绝 `--universe-run`(daily 的定义就是逐日重筛,冻结池与之矛盾)

2) PIT 批量取数层 src/hdiv/universe/pit.py
   - PitRepo 继承 Repo,**只重写取数**(按区块批量预载 + 逐日内存切片),
     派生逻辑(最新一期财报合并、单位归一化、支付率口径等)一行不重写
     —— 以保证与逐日单点查询**结果等价**
   - 候选集预剪枝:用「不可能通过」的边界条件提前排除,文档论证为精确等价而非近似
   - src/hdiv/universe/daily.py:每日动态筛选器(仍然调用既有 selector 与四个 Filter)

3) 每日增量同步 `hdiv sync daily`
   - src/hdiv/data/sync/daily.py:只抓「库里还没有的那几天」,
     按「当日股票数 ≥ 当年规模阈值」判定缺口,不重拉历史、不覆盖既有行;
     支持 `--dry-run` 先看待抓清单
   - deploy/daily-sync.sh、deploy/install-sync-schedule.sh、
     deploy/com.hddiv.sync.plist.example(launchd 每天 17:00)
   - 新表 hd_daily_universe(逐日入选成员留痕)+ sql/hd_daily_universe.sql + schema.py
     (该表已存在于库中,`ddl plan` 返回 0 个待执行动作)

4) Web 与文档
   - 前端支持 daily 模式记录下钻(web/app.js、web/app.css、web/index.html、
     web/favicon.svg)
   - README / docs/user-guide.md / docs/implementation-status.md 同步更新:
     三种回测模式的取舍、daily 的成本说明(6.7 年约 1.5 小时)与调优手段

## 测试

tests/ 共 500 项(新增 tests/test_daily.py 43 项、tests/test_sync_daily.py 36 项)。

已验证通过:
- 排除上述两个新文件的 **421 项:全部通过(pytest 退出码 0)**
- 两个新文件的**非 DB 单元测试 60 项:全部通过**

未能在合理时间内跑完:
- 两个新文件中 **19 项 DB 标记的重型测试**。实测瓶颈是一条**无界全表扫描**:
  `SELECT ... FROM hd_cashflow WHERE ann_date <= :asof ORDER BY symbol, end_date, ann_date`
  (31 万行,无 symbol/报告期下限)。全量套件跑到 161 项时已耗时 20 分钟、
  0 失败,按该速率预计需 3 小时以上,因此改为分档验证。
- 旁证:库中存在 3 次成功的 daily 端到端运行(2026-10-05 10:05 / 10:32 / 11:03,
  区间 2024-03-01~03-15),说明该路径可正常完成。

## 已知待改进

- 上述 `hd_cashflow`(及同类「按 ann_date 上界取全历史」)的查询缺
  symbol / 报告期下限,是 daily 模式的主要性能瓶颈,建议下一轮优化。
This commit is contained in:
2026-10-05 11:57:13 +08:00
parent 14ec0c6c86
commit cf6d4d2c56
36 changed files with 7385 additions and 285 deletions
+67
View File
@@ -0,0 +1,67 @@
#!/usr/bin/env bash
# ============================================================
# 每日增量数据抓取(「缺几天就抓几天」)
#
# 用法:
# ./deploy/daily-sync.sh # 抓全部目标
# ./deploy/daily-sync.sh --dry-run # 只看待抓清单,不调用接口
# ./deploy/daily-sync.sh --only price # 只补行情
#
# 由 launchd 在每天 17:00 调用(见 deploy/install-sync-schedule.sh),
# 也可以手工执行排障。退出码:0 = 全部成功;1 = 至少一个目标失败。
#
# 为什么锁 + 日志轮转是必需的:
# - 重叠运行:Tushare 限频是按接口算的,两个实例互相抢额度会让两边都变慢,
# 还会把同一天的数据写两遍(幂等,但纯属浪费)。用 pid 锁直接跳过;
# - 日志只增不减:每天一条,一年就是几百 KB 到数 MB,超过 5 MB 自动转 .1。
# ============================================================
set -euo pipefail
PROJECT_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/.." && pwd)"
PYTHON="${PROJECT_ROOT}/.venv/bin/python"
LOG_DIR="${PROJECT_ROOT}/logs"
LOG="${LOG_DIR}/daily-sync.log"
LOCK_DIR="${LOG_DIR}/.daily-sync.lock"
MAX_LOG_BYTES=$((5 * 1024 * 1024))
mkdir -p "${LOG_DIR}"
# ---- 单实例锁(pid 存活性判定,避免残留锁永久阻塞)----
if [[ -d "${LOCK_DIR}" ]]; then
holder="$(cat "${LOCK_DIR}/pid" 2>/dev/null || true)"
if [[ -n "${holder}" ]] && kill -0 "${holder}" 2>/dev/null; then
echo "$(date '+%F %T') [跳过] 上一次同步(pid=${holder})仍在运行" >> "${LOG}"
exit 0
fi
rm -rf "${LOCK_DIR}"
fi
mkdir -p "${LOCK_DIR}"
echo $$ > "${LOCK_DIR}/pid"
trap 'rm -rf "${LOCK_DIR}"' EXIT
# ---- 日志轮转 ----
if [[ -f "${LOG}" ]] && [[ "$(wc -c < "${LOG}")" -gt ${MAX_LOG_BYTES} ]]; then
mv -f "${LOG}" "${LOG}.1"
fi
if [[ ! -x "${PYTHON}" ]]; then
echo "$(date '+%F %T') [错误] 虚拟环境不可用:${PYTHON}" >> "${LOG}"
exit 1
fi
rc=0
{
echo "============================================================"
echo "$(date '+%F %T') 每日增量同步开始 ${*:-(默认全部目标)}"
cd "${PROJECT_ROOT}"
export PYTHONPATH="${PROJECT_ROOT}/src"
export LANG="${LANG:-zh_CN.UTF-8}"
# 日志里只要进度与错误:httpx 每个请求一行 INFO 会把日志淹掉
# (同步进度本身走 print,不受日志级别影响)。需要排障时 HDIV_LOG_LEVEL=INFO。
LOG_LEVEL="${HDIV_LOG_LEVEL:-WARNING}"
# 某个目标失败不影响其余目标(run 内部逐个捕获),这里只汇总退出码。
"${PYTHON}" -m hdiv --log-level "${LOG_LEVEL}" sync daily "$@" || rc=$?
echo "$(date '+%F %T') 每日增量同步结束,exit=${rc}"
} >> "${LOG}" 2>&1
exit "${rc}"