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/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）