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/factors.py

@@ -1,9 +1,11 @@
 """因子引擎：因子注册表、元数据与计算（Phase 2，低频选股因子）。
 
-数据形态：行情长表 DataFrame（列 symbol/trade_date/close/high/low/volume/amount），
+数据形态：行情长表 DataFrame（列 symbol/trade_date/close/high/low/volume/amount，
+以及经 ResearchService 并入的每日指标列如 dv_ratio/dv_ttm），
 因子计算返回 面板 DataFrame（index=trade_date，columns=symbol）。
-所有内置因子只用行情字段（无财务），天然规避未来函数；财务因子接入时必须以
-announce_date 控制可见性（见 domain.entities.market.FinancialIndicator）。
+行情内置因子只用行情字段（无财务），天然规避未来函数；每日指标（daily_basic）
+为逐日时点值，按 trade_date <= as_of 取值同样无未来函数；
+财务因子接入时必须以 announce_date 控制可见性（见 domain.entities.market.FinancialIndicator）。
 """
 
 from __future__ import annotations
@@ -205,3 +207,58 @@ def _ma_bias_20(fields: dict[str, pd.DataFrame]) -> pd.DataFrame:
 )
 def _reversal_5(fields: dict[str, pd.DataFrame]) -> pd.DataFrame:
     return -1.0 * _rolling_return(fields["close"], 5)
+
+
+# ---------- 每日指标（daily_basic）因子 ----------
+# 数据来源：daily_basic 表（Tushare daily_basic 接口），由 ResearchService / SelectionService
+# 装配后并入 daily 长表（见 quant/service.load_basic_df）。requires 里的列名即
+# domain.entities.market.DAILY_BASIC_NUMERIC_FIELDS 中的列。
+
+# 特别分红导致的股息率畸高阈值（%）：dv_ratio 会因一次性特别分红冲到 30%+，
+# 直接用「最高股息率」排序会被这类非经常性事件占满头部（实测 600738 在 2020-01-02
+# 为 37.2%）。本因子不隐式截断（截断属选股条件，应由用户在 conditions 里显式配置），
+# 但把阈值作为常量暴露，供前端/条件模板引用。
+DIVIDEND_YIELD_SPECIAL_CAP_PCT = 30.0
+
+
+@register(
+    FactorDef(
+        "dividend_yield",
+        "股息率（近 12 个月现金分红 / 总市值 × 100，%）",
+        "dv_ratio（Tushare daily_basic，逐日时点值）",
+        brief=(
+            "高股息：熊市/震荡市防御性较强，分红提供现金回报底；"
+            "需警惕「高股息陷阱」——股息率高常因股价下跌或一次性特别分红，"
+            "建议配合 dv_ratio 上限过滤与盈利质量条件使用。"
+        ),
+        frequency="daily",
+        lookback=0,  # 时点截面值，无滚动窗口
+        direction="higher_is_better",
+        requires=("dv_ratio",),
+    )
+)
+def _dividend_yield(fields: dict[str, pd.DataFrame]) -> pd.DataFrame:
+    """股息率面板（index=trade_date, columns=symbol）。
+
+    直接取当日 dv_ratio 时点值：该值由数据源按「过去 12 个月现金分红 / 当日总市值」
+    逐日重算，只含已发生事件，按 trade_date <= as_of 取值即无未来函数。
+    缺失值保持 NaN（由复合分/排序统一 dropna 处理），不做 0 填充 —— 0 会被误读成
+    「股息率为 0 的合格标的」，从而污染横截面排序。
+    """
+    return fields["dv_ratio"]
+
+
+@register(
+    FactorDef(
+        "dividend_yield_ttm",
+        "股息率 TTM（近 12 个月滚动现金分红 / 总市值 × 100，%）",
+        "dv_ttm（Tushare daily_basic，逐日时点值）",
+        brief="同 dividend_yield，但口径为 TTM；与 dv_ratio 多数日期取值一致，可作交叉验证。",
+        frequency="daily",
+        lookback=0,
+        direction="higher_is_better",
+        requires=("dv_ttm",),
+    )
+)
+def _dividend_yield_ttm(fields: dict[str, pd.DataFrame]) -> pd.DataFrame:
+    return fields["dv_ttm"]