初始提交：高股息策略研究与回测系统

从 Point-in-Time 股票筛选到统一 Web 前端的完整链路：
筛选 → 画像 → 策略 → 回测 → Walk-forward → 绩效分析 → 报告/前端。

架构
- 数据层与策略层分离；策略代码不写 SQL，只经 data/repo.py 取数
- 所有业务阈值集中在 config/*.yml，代码零硬编码（字段写错直接报错）
- 报告只做「run_id → SQL → 渲染」，不做任何计算，数字可追溯
- 前后端分离：output/ 静态站点 + hdiv web 提供的 REST API

数据安全
- 只增不删：SQL 钩子拦截 DELETE/DROP/TRUNCATE，并有源码扫描测试守护
- qlib 原有表只读，本项目数据写入 hd_ 前缀表
- 回补使用 INSERT IGNORE，保证既有行零改动
- .env 存密钥且已 gitignore；output/、logs/、.venv/ 不入库

交付物
- 30 张 hd_* 表、7 个 YAML 配置、283 项自动化测试
- 统一 Web 前端（hash 路由 SPA）+ nginx 部署配置与 launchd 托管脚本

如实声明的限制
- 策略缺少稳定的样本外超额收益（Walk-forward 7 窗口均值 -0.95%，
  基准 +2.29%）；其价值体现在回撤控制，而非超额收益
- 涨跌停/停牌约束仅覆盖 2019 年起；index_weight 尚未填充
- AI Agent 层（plan.md 第四版 P8）未实现

详见 docs/user-guide.md 与 docs/implementation-status.md。

config/profile.yml

@@ -0,0 +1,95 @@
+# ============================================================
+# 个股特性（StockProfile）配置（★ 可直接修改）
+# 对应 plan.md §8–§15：股息率分析 / 估值分布 / 财务质量 / 分红质量 /
+# 风险特征 / 安全边际模型
+# ============================================================
+version: 1
+name: default_profile
+
+# 统计窗口（年）。plan.md §13 要求观察 5 / 8 / 10 年趋势。
+windows_years: [5, 8, 10]
+
+# ------------------------------------------------------------
+# TTM 股息率口径
+# ------------------------------------------------------------
+ttm_dividend:
+  # TTM 每股分红的回看天数
+  window_days: 365
+  # 宽限期：A 股年度分红除权间隔中位数约 366 天（实测招商银行最长 393 天），
+  # 严格 365 天窗口会制造「空窗期」把股息率算成 0 —— 统计假象。
+  # 仅当严格窗口结果为零时，回退到 window_days + grace_days。
+  grace_days: 45
+# 单个窗口内最少样本数（日频），不足则该窗口统计标记为 insufficient
+min_obs_days: 500
+# 序列落库上限（每股每指标），供 HTML 画图；超出时等间隔降采样（统计量仍用全量日频）
+series_max_points: 1500
+# 哪些指标需要落序列（供图表）；不在此列表的指标只算统计量，不落序列
+series_metrics: [dv_yield, pe_ttm, pb, close, drawdown]
+
+# ------------------------------------------------------------
+# 计算哪些指标
+# ------------------------------------------------------------
+metrics:
+  # 估值：PE / PB / PS / 股息率（plan.md §9/§12）
+  valuation: [dv_yield, pe_ttm, pb, ps_ttm]
+  # 财务质量：plan.md §13
+  financial:
+    [roe, roic, revenue, net_profit, gross_margin, net_margin,
+     ocf, fcf, debt_to_assets, interest_cover]
+  # 分红质量：plan.md §14
+  dividend:
+    [dps, dps_cagr, dps_volatility, payout_ratio,
+     fcf_dividend_cover, dividend_continuity_years]
+  # 风险特征：plan.md §11 + §28.2
+  risk: [vol_60d, vol_250d, max_drawdown_3y, beta_300, avg_amount_20d]
+  # 收益特征
+  return: [ret_1y, ret_3y, ret_5y, cagr_5y]
+
+# ------------------------------------------------------------
+# 分位数（plan.md §9 明确要求）
+# ------------------------------------------------------------
+percentiles: [10, 25, 50, 75, 90]
+
+# ------------------------------------------------------------
+# 股息率波动分析（plan.md §11）
+# 各频率下的滚动窗口长度（交易日 / 月 / 季 / 年）
+# ------------------------------------------------------------
+dividend_yield_volatility:
+  daily_window: 250
+  monthly_window: 60
+  quarterly_window: 20
+  annual_window: 10
+  # 至少多少个观测才输出，否则记为 insufficient
+  min_obs: 20
+
+# ------------------------------------------------------------
+# 安全边际模型（plan.md §15）
+# ------------------------------------------------------------
+safety_margin:
+  # separate  —— 分项展示（第一版，plan.md §15 建议）
+  # composite —— 加权综合评分
+  mode: separate
+  weights:
+    dividend_yield: 0.30
+    valuation: 0.25
+    financial_quality: 0.25
+    balance_sheet: 0.10
+    dividend_quality: 0.10
+  score_bounds: [0, 100]
+  # 分项打分时的分位锚点（分位越高/越低对应满分）
+  score_anchors:
+    # 股息率：分位 >= 90 得满分，<= 10 得 0 分
+    dividend_yield: { best_percentile: 90, worst_percentile: 10 }
+    # 估值（PE/PB 越低越好）：分位 <= 10 得满分
+    valuation: { best_percentile: 10, worst_percentile: 90 }
+    financial_quality: { metric: roe, best_abs: 0.20, worst_abs: 0.00 }
+    balance_sheet: { metric: debt_to_assets, best_abs: 0.20, worst_abs: 0.80 }
+    dividend_quality: { metric: fcf_dividend_cover, best_abs: 3.0, worst_abs: 0.0 }
+
+# ------------------------------------------------------------
+# 数据充分性门槛：不足时画像页显式标注「数据不足」，不猜
+# ------------------------------------------------------------
+sufficiency:
+  min_history_years_dividend: 5
+  min_history_years_price: 3
+  min_dividend_records: 5