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/quant/engine.py

@@ -12,14 +12,14 @@ import pandas as pd
 from app.domain.entities.research import BacktestResult, FactorTestReport, ResearchSpec
 from app.quant.factors import FactorError, get_factor
 from app.quant.local_engine import TopKBacktestRunner, run_spec_factor_test
-from app.quant.selection import score_panel_for_factors
+from app.quant.selection import condition_needed_columns, score_panel_for_factors
 
 # LocalEngine 路径恒需 close（TopK 收盘撮合 / 前瞻收益）
 _CLOSE = {"close"}
 
 
 def factor_required_columns(spec: ResearchSpec) -> set[str]:
-    """spec 因子计算 + 回测撮合所需的行情数值列（含 close）。"""
+    """spec 因子计算 + 选股条件 + 回测撮合所需的行情数值列（含 close）。"""
     needed = set(_CLOSE)
     for fs in spec.factors:
         try:
@@ -27,6 +27,10 @@ def factor_required_columns(spec: ResearchSpec) -> set[str]:
         except FactorError:
             continue  # 未知因子由执行期统一报错
         needed.update(defn.requires)
+    if spec.conditions:
+        # 条件字段同样决定装配列（dv_ratio / volume / ma60 依赖列等）；
+        # 与选股路径共用 condition_needed_columns（v2 §25 一致性）
+        needed.update(condition_needed_columns(spec))
     return needed
 
 
@@ -42,7 +46,14 @@ class QuantEngine(Protocol):
         self, daily: pd.DataFrame, spec: ResearchSpec, horizon_days: int = 21
     ) -> FactorTestReport: ...
 
-    def run_backtest(self, daily: pd.DataFrame, spec: ResearchSpec) -> BacktestResult: ...
+    def run_backtest(
+        self, daily: pd.DataFrame, spec: ResearchSpec, eligibility_fn=None
+    ) -> BacktestResult:
+        """eligibility_fn(as_of: date) -> set[symbol] | None：选股条件过滤（可选）。
+
+        None 表示不过滤；由业务层注入（复用 selection.eligible_symbols），
+        保证「历史某日 Selection == 回测当日 Selection」（v3 §28）。
+        """
 
 
 class LocalEngine:
@@ -59,8 +70,10 @@ class LocalEngine:
         report, _panels = run_spec_factor_test(daily, spec, horizon_days)
         return report
 
-    def run_backtest(self, daily: pd.DataFrame, spec: ResearchSpec) -> BacktestResult:
+    def run_backtest(
+        self, daily: pd.DataFrame, spec: ResearchSpec, eligibility_fn=None
+    ) -> BacktestResult:
         # 评分面板与选股共用同一构建（v2 §25：回测与当前选股同引擎）
         score = score_panel_for_factors(daily, spec.factors)
         close = daily.pivot(index="trade_date", columns="symbol", values="close").sort_index()
-        return TopKBacktestRunner(spec, score, close).run()
+        return TopKBacktestRunner(spec, score, close, eligibility_fn=eligibility_fn).run()