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/domain/entities/market.py

@@ -17,6 +17,29 @@ from pydantic import BaseModel, ConfigDict, Field
 PRICE_PLACES = Decimal("0.0001")
 AMOUNT_PLACES = Decimal("0.01")
 
+# ---- 研究面板数值列白名单（单一事实来源） ----
+# 说明：研究装配（quant 层）与持久化列裁剪（infrastructure 层）必须用同一套列名，
+# 否则会出现「因子需要某列、仓储却拒绝」的隐蔽不一致。故在此统一定义，两处引用。
+# 只影响数值列；symbol / trade_date 恒返回。
+DAILY_BAR_NUMERIC_FIELDS: tuple[str, ...] = ("open", "high", "low", "close", "volume", "amount")
+DAILY_BASIC_NUMERIC_FIELDS: tuple[str, ...] = (
+    "close",
+    "turnover_rate",
+    "volume_ratio",
+    "pe",
+    "pe_ttm",
+    "pb",
+    "ps",
+    "ps_ttm",
+    "dv_ratio",
+    "dv_ttm",
+    "total_share",
+    "float_share",
+    "free_share",
+    "total_mv",
+    "circ_mv",
+)
+
 
 class Stock(BaseModel):
     """A 股基础信息。symbol 统一为 Tushare 风格，如 600519.SH。"""
@@ -78,6 +101,73 @@ class AdjustFactor(BaseModel):
     factor: Decimal
 
 
+class DailyBasic(BaseModel):
+    """每日指标快照（Tushare daily_basic）—— 估值 / 股息率 / 市值。
+
+    时点性说明（防未来函数，AGENT.md §9）：
+    - 本表每一行都是**该交易日收盘后**即可得的横截面指标（dv_ratio 由
+      「过去 12 个月现金分红 / 当日总市值」逐日重算），属时点值；
+    - 研究侧一律按 trade_date <= as_of_date 取值，不存在未来信息。
+
+    列语义：
+    - dv_ratio 股息率(%)：近 12 个月现金分红 / 总市值 × 100
+    - dv_ttm   股息率(TTM,%)：滚动 12 个月口径
+    - 两者均可能因**特别分红**出现畸高值（实测 600738 在 2020-01-02 为 37.2%），
+      使用时建议配合上限过滤。
+    """
+
+    symbol: str
+    trade_date: date
+    close: Decimal | None = Field(default=None, description="当日收盘价（不复权，与 stock_daily 一致）")
+    turnover_rate: Decimal | None = Field(default=None, description="换手率(%)")
+    volume_ratio: Decimal | None = Field(default=None, description="量比")
+    pe: Decimal | None = None
+    pe_ttm: Decimal | None = None
+    pb: Decimal | None = None
+    ps: Decimal | None = None
+    ps_ttm: Decimal | None = None
+    dv_ratio: Decimal | None = Field(default=None, description="股息率(%)，近 12 个月现金分红/总市值")
+    dv_ttm: Decimal | None = Field(default=None, description="股息率 TTM(%)")
+    total_share: Decimal | None = Field(default=None, description="总股本（万股）")
+    float_share: Decimal | None = Field(default=None, description="流通股本（万股）")
+    free_share: Decimal | None = Field(default=None, description="自由流通股本（万股）")
+    total_mv: Decimal | None = Field(default=None, description="总市值（万元）")
+    circ_mv: Decimal | None = Field(default=None, description="流通市值（万元）")
+    source: str = Field(default="tushare", description="tushare | sina（新浪不提供本接口）")
+
+
+class StockNameHistory(BaseModel):
+    """股票名称变更历史（Tushare namechange）—— 时点 ST / 风险警示判定的依据。
+
+    为什么需要它（实测背景）：`stock.name` 只是**最新名称快照**，用它做
+    `universe.exclude_st` 会把「曾为高股息、后来才变 ST/退市」的标的在**整段历史**里
+    都排除掉 —— 而那正是「股息陷阱」样本。实测 `600565.SH` 2020 年叫「迪马股份」
+    （dv_ratio 7.9%，当年高股息候选），2024-05-06 才变「ST迪马」，用最新名称判定
+    会在 2020 年就把它排除，导致高股息回测收益被高估（对照组实测约 3.70pp）。
+
+    一行 = 一个「名称生效区间」：
+    - `name` 在 `[start_date, end_date]` 内有效（`end_date` 为空表示至今有效）
+    - `change_reason` 为 tushare 口径：ST / *ST / 撤销ST / 撤销*ST / 从ST变为*ST / 其他
+    - 时点取值按**生效区间**：`start_date <= as_of <= end_date`（实现口径，无前视：
+      名称自 `start_date` 起即对市场可见）。`ann_date` 为公告日，仅作留痕/审计，
+      **不参与**判定 —— 实测数据中 `ann_date` 恒早于或等于 `start_date`，
+      若改用「公告即改名」会让 `ann_date` 为空的记录整体丢失。
+    """
+
+    symbol: str
+    name: str
+    start_date: date
+    end_date: date | None = None
+    ann_date: date | None = None
+    change_reason: str | None = None
+    source: str = "tushare"
+
+    @property
+    def is_risk_warned(self) -> bool:
+        """该区间名称是否含风险警示（ST / *ST）。"""
+        return "ST" in self.name.upper()
+
+
 class FinancialIndicator(BaseModel):
     """核心财务指标（快照）。
 

backend/app/domain/entities/research.py

@@ -42,10 +42,90 @@ class FactorSpec(BaseModel):
     weight: float = Field(default=1.0, gt=0)
 
 
-class SelectionSpec(BaseModel):
-    """选股方式。MVP：按加权因子得分取 Top N 等权。"""
+class ConditionSpec(BaseModel):
+    """结构化选股条件（回测与选股共用）。
 
-    top_n: int = Field(default=30, ge=1, le=1000)
+    字段域：
+    - static.*：股票基础字段（industry / market / area / exchange / status…）
+    - 行情/技术字段：close / ma20 / ma60 / volume 及全部已注册因子名（momentum_60 等），
+      以及每日指标列（dv_ratio / dv_ttm / pe / pb / total_mv …）
+    - fundamental.*：财务字段（eps / roe / total_revenue / net_profit / gross_margin），
+      仅取 announce_date <= as_of 的最新已公告值（防未来函数）
+
+    右操作数取 value（字面量）或 ref（另一字段名），二者二选一。
+
+    定义位置说明：本模型被 ResearchSpec（回测）与 SelectionQuery（选股）共用，
+    故落在 research.py（被 selection.py 依赖的低层模块），selection.py 再 re-export，
+    避免循环导入。
+    """
+
+    field: str
+    op: str = Field(pattern="^(gt|gte|lt|lte|eq|ne|in|not_in)$")
+    value: float | int | str | list | None = None
+    ref: str | None = None  # 与另一字段比较（如 close vs ma60）
+
+    @model_validator(mode="after")
+    def _require_operand(self) -> ConditionSpec:
+        if self.value is None and self.ref is None:
+            raise ValueError("value 与 ref 必须提供一个")
+        if self.value is not None and self.ref is not None:
+            raise ValueError("value 与 ref 只能提供一个")
+        if self.op in ("in", "not_in") and not isinstance(self.value, list):
+            raise ValueError("in/not_in 的 value 必须是列表")
+        return self
+
+
+class SelectionSpec(BaseModel):
+    """选股方式（两级截断）。
+
+    口径（用户案例「选 n 只 → 持仓前 x 只」）：
+    - `top_n` = n：**候选池**大小。universe ∩ conditions 过滤后，按复合因子分降序取前 n
+      只 → 这就是「择股条件选出来的股数」（写入 selection_history）。
+    - `hold_top_x` = x：**实际持仓数**，取候选池前 x 只等权。x 必须 ≤ n；
+      另受「池内实际可买股票数」约束（过滤/缺数据会让实际池子小于 n）。
+      None → 等于 top_n（此时与旧行为一致：选出多少就持多少）。
+
+    `allow_substitute` 与 `defer_buy` 决定「买不进」时的处理（两者互斥，只能选一个）：
+    - `allow_substitute=True`（**默认**，保持历史语义不变）：从 n 名**之外**继续往下找
+      可买标的补足 x 只 —— 引擎既有行为，见 v3 §20.3 的 Signal↔Fill 测试。
+    - `defer_buy=True`（本项目「只买选出来的前 x 只」口径，推荐显式开启）：
+      **不替补**，把这只股票的买单**顺延到之后第一个可成交的交易日**（涨停/停牌解除后
+      按当日收盘价买入）；到下一次调仓仍未成交则作废，未投入资金留作现金。
+    - 两者都 False：意图被拒后直接放弃，资金留现金（不替补也不顺延）。
+
+    默认值刻意保持「向后兼容」：既有 Strategy / Experiment 的语义不因本次扩展而静默改变
+    （AGENT.md §35）。高股息案例在前端与 spec 中显式设置 defer_buy=True。
+    """
+
+    top_n: int = Field(default=30, ge=1, le=1000, description="n：候选池大小")
+    hold_top_x: int | None = Field(
+        default=None, ge=1, le=1000, description="x：实际持仓数；None → = top_n"
+    )
+    allow_substitute: bool = Field(
+        default=True,
+        description="True（默认，历史语义）：从 n 名之外替补补足；False：不引入计划外标的",
+    )
+    defer_buy: bool = Field(
+        default=False,
+        description="True：买不进（涨停/停牌）时顺延到之后首个可成交日的收盘买入",
+    )
+
+    @model_validator(mode="after")
+    def _check_x_le_n(self) -> SelectionSpec:
+        if self.hold_top_x is not None and self.hold_top_x > self.top_n:
+            raise ValueError(
+                f"hold_top_x（持仓 x={self.hold_top_x}）不能大于 top_n（候选池 n={self.top_n}）"
+            )
+        if self.allow_substitute and self.defer_buy:
+            raise ValueError(
+                "allow_substitute=True（往下替补）与 defer_buy=True（顺延买入）语义互斥，只能选一个"
+            )
+        return self
+
+    @property
+    def x(self) -> int:
+        """实际持仓目标数（未显式给 x 时等于 n）。"""
+        return self.hold_top_x if self.hold_top_x is not None else self.top_n
 
 
 class PortfolioSpec(BaseModel):
@@ -63,14 +143,22 @@ class PortfolioSpec(BaseModel):
 
 
 class CostSpec(BaseModel):
-    """交易成本模型（单边比例）。
+    """交易成本模型。
 
-    buy = commission + slippage；sell = commission + stamp_tax + slippage。
+    买：commission（≥ min_commission）+ slippage
+    卖：commission（≥ min_commission）+ stamp_tax + slippage
+
+    `min_commission` 为**单笔最低佣金**（A 股常见 5 元）。默认 0.0 = 不启用，
+    以保持既有回测数值不变（AGENT.md §35）；高股息等实盘贴近场景建议显式设 5.0。
+    注意：最低佣金对**小额单**影响显著，x 越多、单笔越小，成本占比越高。
     """
 
     commission_rate: float = Field(default=0.0003, ge=0, le=0.01)
     stamp_tax_rate: float = Field(default=0.0005, ge=0, le=0.01)
     slippage_rate: float = Field(default=0.001, ge=0, le=0.05)
+    min_commission: float = Field(
+        default=0.0, ge=0, le=100.0, description="单笔最低佣金（元）；0 = 不启用"
+    )
     benchmark: str = Field(default="000300.SH", description="对照基准指数代码")
 
 
@@ -80,12 +168,37 @@ class ResearchSpec(BaseModel):
     type: str = Field(default="backtest", pattern="^(factor_test|backtest)$")
     universe: UniverseSpec = UniverseSpec()
     price_adjustment: str = Field(
-        default="none", pattern="^(none|qfq)$",
-        description="研究行情口径：none 不复权（默认）/ qfq 前复权（result 与 config_snapshot 中显式）",
+        default="none", pattern="^(none|qfq|hfq)$",
+        description=(
+            "研究行情口径：none 不复权（默认）/ qfq 前复权 / hfq 后复权。"
+            "qfq/hfq 基于 adjust_factor 折算（v3 §20.5）；结果与 config_snapshot 中显式记录。"
+        ),
     )
     factors: list[FactorSpec] = Field(min_length=1)
+    conditions: list[ConditionSpec] = Field(
+        default_factory=list,
+        description=(
+            "选股过滤条件（AND，可选）：universe 之后、因子排序之前执行。"
+            "字段域同 SelectionQuery.conditions（static.* / 行情列 / 已注册因子 / "
+            "fundamental.*），回测与 /api/selections 共用同一求值器（v2 §25 一致性）。"
+        ),
+    )
     selection: SelectionSpec = SelectionSpec()
     rebalance: str = Field(default="monthly", pattern="^(weekly|monthly)$")
+    selection_interval_months: int | None = Field(
+        default=None, ge=1, le=60,
+        description=(
+            "m：择股间隔（月）。None → 每次调仓都重新择股（等价于 rebalance 频率）。"
+            "择股日 = 起始月锚定，月序号 % m == 0 的月份的首个交易日。"
+        ),
+    )
+    rebalance_interval_months: int | None = Field(
+        default=None, ge=1, le=60,
+        description=(
+            "y：调仓间隔（月）。None → 等于 selection_interval_months（未给则按 rebalance 频率）。"
+            "y < m 时池子在下一次择股前保持不变（结果中会标注池子陈旧）。"
+        ),
+    )
     period: tuple[date, date]
     costs: CostSpec = CostSpec()
     portfolio: PortfolioSpec = PortfolioSpec()
@@ -105,6 +218,33 @@ class ResearchSpec(BaseModel):
             raise ValueError("factors 存在重复因子名")
         return self
 
+    @model_validator(mode="after")
+    def _check_intervals(self) -> ResearchSpec:
+        m = self.selection_interval_months
+        y = self.rebalance_interval_months
+        # 未给 m 却给了 y：语义不完整（y 无锚点可依）→ 明确拒绝而非猜
+        if m is None and y is not None and y != 1:
+            raise ValueError(
+                "只给了 rebalance_interval_months(y) 而没给 selection_interval_months(m)："
+                "请同时给出 m，否则无法确定择股日集合"
+            )
+        if m is not None and y is not None and y < m and y != 1:
+            # 允许但不静默：池子会在多个调仓日复用（陈旧），交由结果 unimplemented 标注
+            return self
+        return self
+
+    @property
+    def effective_selection_months(self) -> int | None:
+        """实际择股间隔（月）；None 表示「每次调仓都择股」。"""
+        return self.selection_interval_months
+
+    @property
+    def effective_rebalance_months(self) -> int | None:
+        """实际调仓间隔（月）；None 表示按 rebalance 频率（周/月）。"""
+        if self.rebalance_interval_months is not None:
+            return self.rebalance_interval_months
+        return self.selection_interval_months
+
 
 # ---------- 回测结果 ----------
 
@@ -145,6 +285,7 @@ class Trade(BaseModel):
     entry_date: date
     exit_date: date
     symbol: str
+    name: str | None = Field(default=None, description="股票名称（展示用）")
     entry_price: float
     exit_price: float
     return_pct: float
@@ -153,6 +294,7 @@ class Trade(BaseModel):
 class Position(BaseModel):
     date: date
     symbol: str
+    name: str | None = Field(default=None, description="股票名称（展示用）")
     weight: float
 
 
@@ -161,6 +303,7 @@ class RankedPick(BaseModel):
 
     date: date
     symbol: str
+    name: str | None = Field(default=None, description="股票名称（展示用）")
     rank: int
     score: float
 
@@ -170,16 +313,41 @@ class ActionRecord(BaseModel):
 
     signal=BUY/SELL（策略意图）；filled=是否实际成交；reject_reason 给出未成交原因
     （涨停/跌停/无价/现金不足等）。fills = [a for a in signal_history if a.filled]。
+
+    `name` 为展示增强字段：由服务层按股票池统一回填（未命中则为 None），
+    引擎自身不感知名称 —— 引擎只处理 symbol，保持纯行情计算职责。
     """
 
     date: date
     symbol: str
+    name: str | None = Field(default=None, description="股票名称（展示用）")
     signal: str = Field(pattern="^(BUY|SELL)$")
     filled: bool
     reject_reason: str | None = None
     price: float | None = Field(default=None, description="成交价（fill）或意图参考价")
 
 
+class SymbolCurve(BaseModel):
+    """个股收益率趋势曲线 + 该股买卖点标注（回测结果可视化用）。
+
+    `points[].value` 语义：该股**持仓期间**的累计收益率（%，以建仓日收盘为 0% 基准，
+    按日复利）。只在该股被持有的交易日落点（未持有期间不落点，以压缩结果体积）；
+    建仓当日会补一个基准点，保证买卖点标注总能在曲线上取到数值。多段持仓以累计值
+    连乘衔接，读图时以 marks 中的 BUY/SELL 区分各段持仓区间。
+
+    `marks` 为该股实际成交（BUY/SELL fill）的日期与价格，与 `signal_history`
+    中 filled=True 的记录一致（v3 §20.3 的成交口径）。
+    """
+
+    symbol: str
+    name: str | None = Field(default=None, description="股票名称（展示用）")
+    points: list[CurvePoint] = Field(default_factory=list)
+    marks: list[ActionRecord] = Field(default_factory=list)
+    final_return_pct: float = Field(
+        default=0.0, description="该股持仓期累计收益率（%，多段持仓连乘）"
+    )
+
+
 class BacktestResult(BaseModel):
     """标准化回测结果（ARCHITECTURE §14）。前端只依赖该结构。"""
 
@@ -199,12 +367,27 @@ class BacktestResult(BaseModel):
     fills: list[ActionRecord] = Field(
         default_factory=list, description="实际成交（signal_history 中 filled=True 的子集）"
     )
+    symbol_curves: list[SymbolCurve] = Field(
+        default_factory=list,
+        description="个股收益率曲线 + 买卖点标注（按期末收益绝对值降序，体积可控）",
+    )
     turnover_pct: float
     unimplemented: list[str] = Field(
         default_factory=list,
         description="本结果中未建模的约束（AGENT §24：必须显式标注，禁止假装支持）",
     )
     config_snapshot: dict = Field(default_factory=dict, description="复现用完整配置快照")
+    archive_meta: dict = Field(
+        default_factory=dict,
+        description=(
+            "归档元数据（由 experiment_archive 在落库时写入）：curves_stored / "
+            "curves_total / truncated / budget_chars / budget_bytes / result_chars / "
+            "result_bytes。用于说明归档是否因体积预算被裁剪（AGENT §24 不静默）"
+        ),
+    )
+
+
+SymbolCurve.model_rebuild()
 
 
 # ---------- 因子测试结果 ----------
@@ -289,3 +472,23 @@ class ExperimentRecord(BaseModel):
     data_version: str | None = None
     job_id: str | None = None
     created_at: datetime | None = None
+
+
+class ExperimentSummary(BaseModel):
+    """归档列表项（**不含 result_json**）。
+
+    列表接口一次可能返回上百条归档，而 `result_json` 是 MEDIUMTEXT（完整存档后
+    单条可达数 MB）：为避免把上百 MB 拉进内存，仓储的列表查询只取元数据列，
+    `result_bytes` 由 SQL 的字符长度函数（MySQL CHAR_LENGTH / SQLite length）
+    在库侧算出，不取回大字段本身。
+    """
+
+    id: str
+    kind: str
+    spec_json: str
+    summary_text: str | None = None
+    code_version: str | None = None
+    data_version: str | None = None
+    job_id: str | None = None
+    created_at: datetime | None = None
+    result_bytes: int = 0  # 归档 JSON 的字符数（SQL 侧计算，不拉大字段）

backend/app/domain/entities/selection.py

@@ -18,7 +18,7 @@ from datetime import date, datetime
 
 from pydantic import BaseModel, Field, field_validator, model_validator
 
-from app.domain.entities.research import FactorSpec, UniverseSpec
+from app.domain.entities.research import ConditionSpec, FactorSpec, UniverseSpec  # noqa: F401
 
 
 class SelectionQuery(BaseModel):
@@ -26,8 +26,11 @@ class SelectionQuery(BaseModel):
 
     universe: UniverseSpec = UniverseSpec()
     price_adjustment: str = Field(
-        default="none", pattern="^(none|qfq)$",
-        description="行情口径：none 不复权（默认）/ qfq 前复权（结果 config_snapshot 中显式）",
+        default="none", pattern="^(none|qfq|hfq)$",
+        description=(
+            "行情口径：none 不复权（默认）/ qfq 前复权 / hfq 后复权（按 adjust_factor 折算）。"
+            "与回测（ResearchSpec.price_adjustment）同一口径域，结果 config_snapshot 中显式记录"
+        ),
     )
     # 研究时点：None → 引擎用 <= 今天最近可用交易日；显式给历史日期即做历史选股
     as_of: date | None = Field(
@@ -64,37 +67,21 @@ class SelectionQuery(BaseModel):
         return self
 
 
-class ConditionSpec(BaseModel):
-    """结构化选股条件（M6.2 使用）。
-
-    field 域：
-    - static.*：股票基础字段（industry / market / area / exchange / status…）
-    - 行情/技术字段：close / ma20 / ma60 / volume 及全部已注册因子名（momentum_60 等）
-    - fundamental.*：财务字段（eps / roe / total_revenue / net_profit / gross_margin），
-      仅取 announce_date <= as_of 的最新已公告值（防未来函数）
-    右操作数取 value（字面量）或 ref（另一字段名），二者二选一。
-    """
-
-    field: str
-    op: str = Field(pattern="^(gt|gte|lt|lte|eq|ne|in|not_in)$")
-    value: float | int | str | list | None = None
-    ref: str | None = None  # 与另一字段比较（如 close vs ma60）
-
-    @model_validator(mode="after")
-    def _require_operand(self) -> ConditionSpec:
-        if self.value is None and self.ref is None:
-            raise ValueError("value 与 ref 必须提供一个")
-        if self.value is not None and self.ref is not None:
-            raise ValueError("value 与 ref 只能提供一个")
-        if self.op in ("in", "not_in") and not isinstance(self.value, list):
-            raise ValueError("in/not_in 的 value 必须是列表")
-        return self
+# ConditionSpec 的实体定义已上移到 research.py（ResearchSpec 回测条件与
+# SelectionQuery 选股条件共用同一模型）。此处 re-export：`selection.ConditionSpec`
+# 就是 research.ConditionSpec 这**同一个类对象**，因此两侧 isinstance 判断一致。
+# （见文件顶部 import 处的引用）
 
 
 class SelectionCandidate(BaseModel):
-    """单只候选股（v2 §14.3/§21.1）。"""
+    """单只候选股（v2 §14.3/§21.1）。
+
+    `name` 为展示增强字段（可选默认 None）：由 SelectionService 用已装配的股票池
+    统一回填，引擎/选股算法本身不感知名称 —— 避免在每个出口零散 join。
+    """
 
     symbol: str
+    name: str | None = Field(default=None, description="股票名称（展示用）")
     rank: int
     score: float
     factor_values: dict[str, float] = Field(default_factory=dict)

backend/app/domain/entities/strategy.py

@@ -12,6 +12,7 @@ from datetime import date, datetime
 from pydantic import BaseModel, Field
 
 from app.domain.entities.research import (
+    ConditionSpec,
     CostSpec,
     FactorSpec,
     PortfolioSpec,
@@ -26,10 +27,19 @@ class StrategyDefinition(BaseModel):
     description: str = ""
     spec_type: str = Field(default="backtest", pattern="^(backtest|factor_test)$")
     universe: UniverseSpec = UniverseSpec()
-    price_adjustment: str = Field(default="none", pattern="^(none|qfq)$")
+    price_adjustment: str = Field(default="none", pattern="^(none|qfq|hfq)$")
     factors: list[FactorSpec] = Field(min_length=1)
     selection: SelectionSpec = SelectionSpec()
     rebalance: str = Field(default="monthly", pattern="^(weekly|monthly)$")
+    conditions: list[ConditionSpec] = Field(
+        default_factory=list, description="选股过滤条件（与 ResearchSpec.conditions 一致）"
+    )
+    selection_interval_months: int | None = Field(
+        default=None, ge=1, le=60, description="m：择股间隔（月）"
+    )
+    rebalance_interval_months: int | None = Field(
+        default=None, ge=1, le=60, description="y：调仓间隔（月）；缺省 = m"
+    )
     costs: CostSpec = CostSpec()
     portfolio: PortfolioSpec = PortfolioSpec()
     version: str = "1"
@@ -44,8 +54,11 @@ class StrategyDefinition(BaseModel):
             universe=self.universe,
             price_adjustment=self.price_adjustment,
             factors=self.factors,
+            conditions=self.conditions,
             selection=self.selection,
             rebalance=self.rebalance,
+            selection_interval_months=self.selection_interval_months,
+            rebalance_interval_months=self.rebalance_interval_months,
             period=period,
             costs=self.costs,
             portfolio=self.portfolio,