feat: 股息率案例口径 + 策略库与图表统一 + 回测存档完整化

汇总三轮未提交的开发（每轮均在本机 MariaDB + 真实浏览器上验证）：

1) 股息率案例（全市场股息率最高 n 只，默认 20，每 m 月择股）
   - 新增日频估值表 daily_basic + 迁移；股息率因子（dv_ratio / dividend_yield / TTM）
   - 名称历史表 stock_name_history：剔除 ST 按**择股日当时名称**判定，消除
     「曾高股息后 ST」的股息陷阱（实测 3.70pp 偏差）
   - 区间择股/调仓双周期（m 择股 / y 调仓）、指数成分与白名单、停牌近似剔除
   - 复权因子口径核对（4,164,742 行、缺失 0.0%）、收盘价成交与涨跌停拦单
   - 案例实测：2020-01-01~2026-09-04 总收益 +24.86%（年化 3.52%、回撤 -28.58%）

2) 策略库与前端统一
   - strategy 表 + CRUD/PUT 原地更新 + `describe_strategy` 按 spec 真实推导
     「一句话说明 + 计算公式 + 执行步骤 + 注意事项」（与引擎实执行规则同源）
   - 任何出现股票代码处都成对显示名称且可点击进个股页
   - 全站图表基座统一 TradingView Lightweight Charts（ECharts 依赖、
     锁文件、组件与文档标注一并清除），买卖点标记只落在真实交易日上

3) 回测存档完整化（可往复查看）
   - 同步端点（POST /api/backtests、/api/factor-tests）此前完全不落库 → 现在同样归档，
     归档 id 经响应头 X-Experiment-Id 返回（不破坏 response_model）
   - data_version 首次真实写入（数据快照指纹：最新交易日 + 各表规模）
   - 个股收益曲线默认**全量保存**（此前硬截断 60 只）；超出体积预算才裁剪，
     并写 archive_meta（机器可读）+ unimplemented（人可读）如实标注
   - 列表 kind/q 过滤 + X-Total-Count（此前 limit=50 静默截断）、DELETE 归档
   - 只读归档页 /experiments/{id}（Server Component，SSR 直出**选股条件**与
     **交易执行依据**）；结果视图按 kind 分发（backtest/factor_test/selection），
     非回测归档不套用回测口径
   - 新增 CLI：prune_experiments（保留策略，默认 dry-run）、
     restore_experiment_from_job（从 Job 副本按原 id 重建被删的历史归档，默认 dry-run）

门禁：pytest 388 passed、ruff All checks passed、tsc 0 错误、图表单测 7 passed、
next build 成功、契约脚本 verify_strategy_workspace 59/59（含按 kind 逐类验证归档页）。

backend/app/application/services/selection_service.py

@@ -28,12 +28,36 @@ from app.quant.selection import (
     run_condition_selection,
     run_score_selection,
 )
-from app.quant.service import load_daily_df
-from app.quant.universe import filter_stocks, resolve_members
+from app.quant.service import (
+    load_basic_df,
+    load_daily_df,
+    merge_basic_into_daily,
+    split_factor_columns,
+)
+from app.quant.universe import filter_stocks, names_as_of, resolve_members
 
 _FUNDAMENTAL_PREFIX = "fundamental."
 
 
+def fill_candidate_names(result: SelectionResult, stocks: list) -> SelectionResult:
+    """把股票池的 `symbol → name` 回填进候选股（展示增强，未命中保持 None）。
+
+    为什么在业务层做：名称是展示数据而非选股语义，引擎（quant/selection.py）
+    只做纯数值计算，不应感知名称；而本用例的 `stocks` 已是 universe 过滤后的
+    股票实体列表（天然带 name），在这里一次性建立映射即可，不必在各出口各自查库。
+    查不到名称的候选保持 None —— 前端按「名称未知」渲染，不伪造也不报错。
+    """
+    if not result.candidates or not stocks:
+        return result
+    name_map = {s.symbol: s.name for s in stocks if getattr(s, "name", None)}
+    if not name_map:
+        return result
+    for cand in result.candidates:
+        if cand.name is None:
+            cand.name = name_map.get(cand.symbol)
+    return result
+
+
 class SelectionService:
     """选股用例入口：select(query) → SelectionResult（当前或历史 as_of）。"""
 
@@ -43,17 +67,26 @@ class SelectionService:
         daily_repo: DailyBarRepository,
         financial_repo: FinancialRepository | None = None,
         index_repo=None,
+        basic_repo=None,
+        name_repo=None,
     ) -> None:
         self._stock_repo = stock_repo
         self._daily_repo = daily_repo
         self._financial_repo = financial_repo
         self._index_repo = index_repo
+        # 每日指标仓储（daily_basic）：score 因子/条件引用 dv_ratio 等列时使用
+        self._basic_repo = basic_repo
+        # 名称变更历史仓储：exclude_st 的时点口径（与回测口径一致，v2 §25）
+        self._name_repo = name_repo
 
     def select(self, query: SelectionQuery) -> SelectionResult:
         as_of = query.as_of or date.today()
+        all_stocks = self._stock_repo.list()
+        name_at, _applied = names_as_of(all_stocks, as_of, self._name_repo)
         stocks = filter_stocks(
-            self._stock_repo.list(), query.universe, as_of=as_of,
+            all_stocks, query.universe, as_of=as_of,
             members=resolve_members(self._index_repo, query.universe, as_of),
+            name_at=name_at,
         )
         if not stocks:
             return self._run(query, pd.DataFrame(), stocks, as_of, financial={})
@@ -62,14 +95,19 @@ class SelectionService:
             columns = sorted(factor_columns(query))
         else:
             columns = sorted(condition_needed_columns(query))
+        bar_cols, basic_cols = split_factor_columns(columns)
+        data_start = as_of - timedelta(days=query.warmup_days)
         daily = load_daily_df(
             self._daily_repo,
             symbols,
-            as_of - timedelta(days=query.warmup_days),
+            data_start,
             as_of,
-            columns,
-            adjust=query.price_adjustment,
+            sorted(bar_cols),
+            adjust="none",
+            price_adjust=query.price_adjustment,
         )
+        if basic_cols:
+            daily = self._attach_basic(daily, symbols, data_start, as_of, sorted(basic_cols))
         financial: dict[str, FinancialIndicator] = {}
         if query.method == "condition" and self._uses_fundamental(query):
             financial = self._load_financial(symbols, as_of)
@@ -77,6 +115,28 @@ class SelectionService:
 
     # ---- 内部 ----
 
+    def _attach_basic(
+        self,
+        daily: pd.DataFrame,
+        symbols: list[str],
+        start: date,
+        end: date,
+        columns: list[str],
+    ) -> pd.DataFrame:
+        """并入 daily_basic 列（与 ResearchService 同一装配逻辑，保证 v2 §25 一致性）。"""
+        if self._basic_repo is None:
+            raise ValueError(
+                f"选股条件/因子需要每日指标列 {columns}（daily_basic），"
+                "但未注入 DailyBasicRepository。请检查 API 的依赖装配。"
+            )
+        basic = load_basic_df(self._basic_repo, symbols, start, end, columns)
+        if basic.empty:
+            raise ValueError(
+                f"daily_basic 表在 {start}~{end} 无数据，无法计算需要 {columns} 的因子/条件。"
+                "请先运行：python -m app.cli.sync daily_basic --start 20200101"
+            )
+        return merge_basic_into_daily(daily, basic)
+
     def _run(
         self,
         query: SelectionQuery,
@@ -86,8 +146,12 @@ class SelectionService:
         financial: dict[str, FinancialIndicator],
     ) -> SelectionResult:
         if query.method == "score":
-            return run_score_selection(daily, query, as_of)
-        return run_condition_selection(daily, stocks, query, as_of, financial)
+            result = run_score_selection(daily, query, as_of)
+        else:
+            result = run_condition_selection(daily, stocks, query, as_of, financial)
+        # 名称只在业务层回填：引擎（quant/selection.py）保持纯符号计算，
+        # 而 `stocks` 是本用例已经装配好的股票池，天然带 name，无需再查库/join。
+        return fill_candidate_names(result, stocks)
 
     @staticmethod
     def _uses_fundamental(query: SelectionQuery) -> bool: