"""策略说明书生成器：ResearchSpec（回测）/ SelectionStrategy（选股策略）→ 说明 + 公式 + 步骤 + 注意事项。

纯函数模块：无 IO、无 DB、不调用引擎，因而可被 API 复用（含**未保存**的策略即时预览）
并被单测直接覆盖。

为什么要有它（需求背景）：
- 策略必须「能被解释」：前端回测页要在一句话里说清「用什么因子/条件、取多少只、
  多久择股一次、多久调仓一次、什么口径」（AGENT.md §26 不暴露引擎内部配置）；
- 保存策略时说明不得为空：说明由 spec **真实推导**，而非让调用方手写或让 Agent 编造
  （AGENT.md §24 禁止假装支持、§28 Agent 只走 Tool）。

两条纪律：
1. 所有文本只能来自 spec 与因子注册表元数据（`FactorDef.description/formula/brief/direction`，
   AGENT.md §22 因子元数据要求）；元数据缺失、字段未知、约束未建模一律进 `warnings`，
   **绝不臆造公式**，也绝不把未建模的东西写成已支持。
2. 条件渲染必须与 `app.quant.selection` 的真实求值语义一致（`_eval_condition` 的字段域与
   运算符分支），步骤必须与 `app.quant.local_engine` 的真实行为一致。两处都以代码为准。
"""

from __future__ import annotations

from collections.abc import Mapping, Sequence
from datetime import date

from pydantic import BaseModel, Field

from app.domain.entities.market import (
    DAILY_BAR_NUMERIC_FIELDS,
    DAILY_BASIC_NUMERIC_FIELDS,
)
from app.domain.entities.research import ResearchSpec
from app.domain.entities.strategy import SelectionStrategy, StrategyDefinition
from app.quant.factors import FactorDef, FactorError, get_factor

# 选股策略（SelectionStrategy）不含回测参数，走 _describe_selection_only 专用分支；
# 以下占位常量仅保留给历史 ResearchSpec 路径兼容（当前 describe_strategy 不再对
# SelectionStrategy 调用 to_research_spec）。
_PLACEHOLDER_PERIOD: tuple[date, date] = (date(1900, 1, 1), date(1900, 1, 2))
_PERIOD_UNKNOWN_TEXT = "（回测区间未指定：策略定义本身不含 period，展开回测后才确定）"

# 运算符的展示文本（键集合由 ConditionSpec 的 pattern 保证）
_OP_TEXT: dict[str, str] = {
    "gt": ">",
    "gte": ">=",
    "lt": "<",
    "lte": "<=",
    "eq": "==",
    "ne": "!=",
    "in": "∈",
    "not_in": "∉",
}

# 与 selection.build_condition_fields 一致的技术派生字段（非行情原列，需滚动窗口）
_TECH_DERIVED: tuple[str, ...] = ("ma20", "ma60")
_STATIC_PREFIX = "static."
_FUNDAMENTAL_PREFIX = "fundamental."

_ADJUST_TEXT: dict[str, str] = {
    "none": "不复权（原始收盘价；现金分红未计入收益，除权日价格下移会被计为亏损）",
    "qfq": "前复权（价格 = 原始价 × adjust_factor，以前复权归一）",
    "hfq": "后复权（价格 = 原始价 × adjust_factor，现金分红按因子隐含再投资）",
}


class StrategyDoc(BaseModel):
    """策略说明书（前端 `<pre>` 直接展示 formula；summary 兼作策略默认 description）。"""

    summary: str = Field(description="一句话功能说明（由 spec 真实推导）")
    formula: str = Field(description="计算公式（多行文本：打分/过滤/截断/成本与成交口径）")
    steps: list[str] = Field(default_factory=list, description="执行步骤（按回测引擎真实行为）")
    warnings: list[str] = Field(
        default_factory=list,
        description="需要注意的点（未建模约束 / 未知因子 / 口径近似，诚实标注）",
    )


def describe_strategy(
    spec: ResearchSpec | SelectionStrategy,
    *,
    factor_meta: Mapping[str, FactorDef] | None = None,
) -> StrategyDoc:
    """生成策略说明书。

    `spec`：ResearchSpec（回测页参数，含 period/costs/selection）或 SelectionStrategy
    （策略库资产，只有选股条件）。后者走 `_describe_selection_only`，只讲「怎么选」，
    如实声明资金/持仓/调仓/成本/区间不在策略内（在回测组合里定）。

    `factor_meta`：可选的因子元数据覆盖/补充（如内置注册表之外的实验因子）。
    查找顺序为 `factor_meta` → `app.quant.factors.get_factor`；两处都没有则记入
    warnings（说明该因子的含义/公式/方向未知，执行期会直接报错）。
    """
    coerced = _coerce_spec(spec)
    # 选股策略（无回测参数）走专用说明；回测 spec 走原有完整路径
    if isinstance(coerced, (SelectionStrategy, StrategyDefinition)) and not isinstance(coerced, ResearchSpec):
        return _describe_selection_only(coerced, factor_meta)
    rspec, period_text, period_known = coerced
    warnings: list[str] = []
    factors = _describe_factors(rspec, factor_meta, warnings)
    conditions = _describe_conditions(rspec, warnings)

    summary = _build_summary(rspec, factors)
    formula = _build_formula(rspec, factors, conditions, period_text)
    steps = _build_steps(rspec, period_text)
    warnings.extend(_collect_warnings(rspec, period_known))
    return StrategyDoc(summary=summary, formula=formula, steps=steps, warnings=warnings)


def _describe_selection_only(st, factor_meta) -> StrategyDoc:
    """选股策略的说明：只讲「怎么选」（股票池 + 因子 + 条件），不涉及回测执行参数。

    资金 / 持仓数 / 持仓时间 / 调仓时机 / 费率 / 复权 / 区间都不属于选股策略，
    在回测组合里才确定 —— 这里如实声明，避免读者以为策略自带这些口径。
    """
    warnings: list[str] = []
    factors = _describe_factors_from_specs(st.factors, factor_meta, warnings)
    pool = _universe_text(st.universe)
    cond_lines = _condition_lines(st.conditions, warnings) if st.conditions else []

    factor_names = "、".join(f["name"] for f in factors) or "（无）"
    pool_desc = _short_pool(st.universe)
    summary = (
        f"选股策略「{st.name}」：在{pool_desc}内"
        + (f"先通过 {len(st.conditions)} 条过滤条件，再" if st.conditions else "")
        + f"按因子（{factor_names}）打分排序，供回测组合取 TopN 持仓。"
    )
    formula_lines = [
        "【选股口径】（仅定义「怎么选」，不含回测执行参数）",
        f"  股票池：{pool}",
        "  打分：score = Σ 权重 × 因子值（截面 z-score 标准化后加权，越大越优先）",
    ]
    for f in factors:
        formula_lines.append(f"    · {f['line']}")
    if cond_lines:
        formula_lines.append("  过滤条件（AND，先于打分执行）：")
        formula_lines.extend(f"    · {ln}" for ln in cond_lines)
    formula_lines.append(
        "  ⚠ 持仓数量 / 持仓天数区间 / 调仓时机 / 起始资金 / 费率 / 复权口径 / 回测区间"
        "均不在本策略内 —— 它们在「回测组合」中指定，运行时与公共配置合并。"
    )
    steps = [
        "1. 按股票池口径筛出候选 universe（市场 / 剔 ST / 上市天数 / 指数成分）。",
        "2." + (" 逐条求值过滤条件（AND），剔除不满足者。" if st.conditions else " （未设过滤条件，候选 = universe。）"),
        "3. 对剩余股票按上述因子打分并降序排列 → 得到候选排名（TopN 在回测组合里截取）。",
    ]
    warnings.append(
        "本说明只覆盖选股口径；回测的资金/持仓/调仓/成本/区间由「回测组合」+「公共配置」决定，"
        "此处无法给出收益公式与成交口径。"
    )
    return StrategyDoc(summary=summary, formula="\n".join(formula_lines), steps=steps, warnings=warnings)


def _short_pool(universe) -> str:
    parts = []
    if universe.index_code:
        parts.append(f"{universe.index_code} 成分股")
    elif universe.symbols:
        parts.append(f"指定的 {len(universe.symbols)} 只白名单股票")
    else:
        parts.append("全市场 A 股")
    if universe.exclude_st:
        parts.append("剔除 ST ")
    return "、".join(parts)


def _describe_factors_from_specs(factor_specs, factor_meta, warnings) -> list[dict]:
    """从 FactorSpec 列表生成 [{label, line}]（复用既有因子元数据查找逻辑）。"""
    out: list[dict] = []
    for fs in factor_specs:
        meta = _lookup_factor(fs.name, factor_meta)
        label = fs.name
        direction = "越高越好"
        formula_hint = ""
        if meta is None:
            warnings.append(
                f"因子 {fs.name} 未在注册表中找到元数据：含义/公式/方向未知，"
                "执行期会报错；说明里只能给出名字与权重。"
            )
        else:
            label = meta.brief or meta.description or fs.name
            direction = "越低越好" if meta.direction == "lower_is_better" else "越高越好"
            formula_hint = f"（{meta.formula}）" if meta.formula else ""
        out.append({
            "name": fs.name,
            "label": label if label != fs.name else fs.name,
            "line": f"{fs.name}{formula_hint}，权重 {fs.weight}，{direction}",
        })
    return out


def _condition_lines(conditions, warnings) -> list[str]:
    """把 ConditionSpec 列表渲染成可读行（复用既有字段域校验逻辑）。"""
    lines: list[str] = []
    for c in conditions:
        op = _OP_TEXT.get(c.op, c.op)
        right = f"字段 {c.ref}" if c.ref else f"{c.value}"
        lines.append(f"{c.field} {op} {right}")
    return lines


# ---------- 入参归一化 ----------


def _coerce_spec(spec):
    """归一化输入。

    - ResearchSpec（回测页参数，含 period/costs/selection）→ (ResearchSpec, 区间文本, True)，
      走完整回测说明书路径。
    - SelectionStrategy（策略库资产，**只有选股条件**，无 period/costs/selection）→
      直接返回该对象，由 `describe_selection_strategy` 生成「选股口径」说明。
      重构后策略库不再持有回测执行参数，故不能也不应假装展开成 ResearchSpec。
    """
    if isinstance(spec, ResearchSpec):
        start, end = spec.period
        return (spec, f"{start.isoformat()} ~ {end.isoformat()}", True)
    if isinstance(spec, (SelectionStrategy, StrategyDefinition)):
        return spec  # 选股策略：单独处理
    raise TypeError(
        "describe_strategy 只接受 ResearchSpec 或 SelectionStrategy，"
        f"收到 {type(spec).__name__}"
    )


# ---------- 因子元数据 ----------


def _lookup_factor(
    name: str, factor_meta: Mapping[str, FactorDef] | None
) -> FactorDef | None:
    """按 name 取因子元数据：先查传入覆盖，再查内置注册表；都取不到返回 None。"""
    if factor_meta is not None and name in factor_meta:
        return factor_meta[name]
    try:
        defn, _fn = get_factor(name)
    except FactorError:
        return None
    return defn


def _describe_factors(
    spec: ResearchSpec,
    factor_meta: Mapping[str, FactorDef] | None,
    warnings: list[str],
) -> list[tuple[str, float, FactorDef | None]]:
    """返回 [(因子名, 权重, 元数据|None)]；元数据缺失的因子记入 warnings。"""
    out: list[tuple[str, float, FactorDef | None]] = []
    for fs in spec.factors:
        defn = _lookup_factor(fs.name, factor_meta)
        if defn is None:
            warnings.append(
                f"未知因子 {fs.name}（权重 {fs.weight:g}）：未在因子注册表中登记，"
                "无法给出含义/公式/方向；回测执行时会直接报错（不会静默忽略该因子）"
            )
        out.append((fs.name, float(fs.weight), defn))
    return out


def _direction_text(defn: FactorDef | None) -> str:
    if defn is None:
        return "方向未知"
    return "越高越好" if defn.direction == "higher_is_better" else "越低越好"


# ---------- summary ----------


def _build_summary(
    spec: ResearchSpec, factors: list[tuple[str, float, FactorDef | None]]
) -> str:
    """一句话说明：股票池 + 排序依据 + 两级截断 + 择股/调仓周期 + 口径与成本。"""
    sel = spec.selection
    x = sel.x
    pool = _universe_text(spec.universe)
    cond_text = f"，并先通过 {len(spec.conditions)} 条过滤条件" if spec.conditions else ""
    rank_text = _rank_text(factors)
    cycle_select, cycle_rebal = _cycle_text(spec)
    hold_text = (
        f"先筛出前 {sel.top_n} 只候选池、再持有其中前 {x} 只等权"
        if x != sel.top_n
        else f"按复合分取出前 {sel.top_n} 只等权持有"
    )
    # 买不进的处置直接决定「实际持有什么」，必须进一句话说明（不能只写在公式里）
    hold_text += f"（{_buy_mode_short(sel)}）"
    adjust = spec.price_adjustment
    adjust_text = {"none": "不复权", "qfq": "前复权", "hfq": "后复权"}[adjust]
    type_prefix = "" if spec.type == "backtest" else "单因子测试（非组合回测）："
    return (
        f"{type_prefix}{pool}{cond_text}，{rank_text}，{hold_text}，"
        f"{cycle_select}、{cycle_rebal}，{adjust_text}口径、按调仓日收盘价成交"
        f"（含佣金 {_pct(spec.costs.commission_rate)}／印花税 {_pct(spec.costs.stamp_tax_rate)}"
        f"／滑点 {_pct(spec.costs.slippage_rate)}）。"
    )


def _universe_text(universe) -> str:
    """股票池口径（只写**实际生效**的过滤；未建模项只进 warnings，不在这里冒充生效）。"""
    if universe.index_code:
        base = f"{universe.index_code} 指数成分（按择股日历史成分）"
    else:
        base = "全市场"
    filters: list[str] = []
    if universe.symbols:
        filters.append(f"限定白名单 {len(universe.symbols)} 只")
    if universe.exclude_st:
        filters.append("剔除名称含 ST 的股票")
    if universe.min_listing_days:
        filters.append(f"上市满 {universe.min_listing_days} 个自然日")
    # 括号内只放结束句号外的短过滤项，避免出现「（…（…）…）」的嵌套括号
    return f"{base}（{'，'.join(filters)}）" if filters else base


def _rank_text(factors: list[tuple[str, float, FactorDef | None]]) -> str:
    """排序依据文案：单因子按该因子方向，多因子按复合分（截面 z-score 加权和）。"""
    names = "、".join(name for name, _w, _defn in factors)
    if len(factors) == 1:
        name, _w, defn = factors[0]
        label = defn.description if defn is not None else name
        # 方向未知时不猜方向：按「复合分从高到低」描述（复合分本身就是降序取头部）
        lower = defn is not None and defn.direction == "lower_is_better"
        direction = "从低到高" if lower else "从高到低"
        return f"按 {label}{direction}排序（因子 {name}）"
    return f"按多因子复合分（截面 z-score 加权和）从高到低排序（因子 {names}）"


def _cycle_text(spec: ResearchSpec) -> tuple[str, str]:
    """(择股周期文案, 调仓周期文案)，与 ResearchSpec.effective_* / local_engine 一致。"""
    m = spec.effective_selection_months
    y = spec.effective_rebalance_months
    select_text = f"每 {m} 个月重新择股" if m is not None else "每次调仓都重新择股"
    if y is not None:
        rebal_text = f"每 {y} 个月调仓"
    else:
        rebal_text = "按月度调仓" if spec.rebalance == "monthly" else "按周度调仓"
    return select_text, rebal_text


def _months_text(months: int | None, fallback: str) -> str:
    """「每 n 个月」/ 回退文案（月数为 None 时用 fallback），避免散落的 % 格式化。"""
    return f"每 {months} 个月" if months is not None else fallback


# ---------- formula ----------


def _build_formula(
    spec: ResearchSpec,
    factors: list[tuple[str, float, FactorDef | None]],
    conditions: list[str],
    period_text: str,
) -> str:
    lines: list[str] = [f"# 策略计算公式（由 spec 真实推导；回测区间：{period_text}）", ""]
    lines += _formula_scoring(spec, factors)
    lines += _formula_conditions(conditions)
    lines += _formula_truncation(spec)
    lines += _formula_costs(spec)
    return "\n".join(lines)


def _formula_scoring(
    spec: ResearchSpec, factors: list[tuple[str, float, FactorDef | None]]
) -> list[str]:
    lines = [
        "【1】候选池打分（每个择股日在股票池内做横截面标准化，加权求和）",
        "  z_f,i = (x_f,i - mean_i(x_f)) / std_i(x_f)        # 因子 f 在当日截面上的 z-score",
        "  d_f    = -1（方向 lower_is_better）/ +1（higher_is_better）",
        "  score_i = Σ_f  w_f × d_f × z_f,i                  # 按 score 降序取候选池",
        "  权重与因子明细：",
    ]
    for name, weight, defn in factors:
        if defn is None:
            lines.append(f"  - {name}  w = {weight:g}  方向：未知（元数据缺失，见 warnings）")
            continue
        lines += [
            f"  - {name}  w = {weight:g}  方向：{_direction_text(defn)}"
            f"（{defn.direction}）  频率：{defn.frequency}  回看：{defn.lookback} 个交易日"
            f"  输入列：{', '.join(defn.requires)}",
            f"      含义：{defn.description}",
            f"      公式：{defn.formula}",
        ]
        if defn.brief:
            lines.append(f"      用法：{defn.brief}")
    lines += [
        "  说明：因子值缺失（NaN）的标的当日不可评分，不进入候选池；",
        "        单只股票池（截面不足 2 只）时 z-score 退化为 0，仍保留为可候选值。",
        "",
    ]
    return lines


def _formula_conditions(conditions: list[str]) -> list[str]:
    lines = ["【2】过滤条件（全部 AND；universe 之后、因子排序之前逐股求值）"]
    if not conditions:
        lines += ["  （无）候选池仅由 universe + 因子排序决定。"]
    else:
        lines += [f"  {text}" for text in conditions]
    lines += [
        "  字段域（与选股 /api/selections 使用同一求值器，逐字段语义如下）：",
        "    · static.<字段>：股票基础信息（industry / market / area / exchange / status …）",
        "    · fundamental.<字段>：announce_date <= 择股日 的最新**已公告**值（防未来函数）",
        "    · 其它：当日行情列（close/open/high/low/volume/amount）、ma20 / ma60、",
        "            每日指标列（dv_ratio / pe / pb / total_mv …）或已注册因子",
        "  缺失值语义：字段取不到（None/NaN）时，除 != 外一律判为「未通过」；",
        "              != 在缺失时按「不等于字面量」通过（真实求值器行为）。",
        "",
    ]
    return lines


def _formula_truncation(spec: ResearchSpec) -> list[str]:
    sel = spec.selection
    x = sel.x
    m = spec.effective_selection_months
    y = spec.effective_rebalance_months
    lines = [
        "【3】两级截断与择股 / 调仓周期",
        f"  候选池：n = {sel.top_n}（按 score 降序取前 n；池内可评分股票不足 n 时以实际数量为准）",
        f"  实际持仓：x = {x}"
        + ("（未显式给出 hold_top_x，取 x = n）" if sel.hold_top_x is None else ""),
        f"  择股日：{_months_text(m, '每次调仓日')}（月序号锚定回测起始月）",
        f"  调仓日：{_months_text(y, '每月' if spec.rebalance == 'monthly' else '每周')}的首个交易日",
        "  资金分配：" + (
            f"等权（可用现金 / 目标持仓数）；设置了单股上限 {spec.portfolio.max_position_pct:.0%}，"
            "超出部分按上限分配并留作现金"
            if spec.portfolio.max_position_pct is not None
            else "等权（可用现金 / 目标持仓数）"
        ),
        "  买不进的处理：" + _buy_fallback_text(sel),
        "",
    ]
    return lines


def _buy_fallback_text(sel) -> str:
    """与 local_engine._rebalance/_fill_pending 的真实分支一一对应。"""
    if sel.defer_buy:
        return (
            "不替补（顺延买入）：涨停/停牌买不进的标的把买单顺延到之后首个可成交交易日、"
            "按当日收盘价买入；到下一次调仓仍未成交则作废，资金留作现金"
        )
    if sel.allow_substitute:
        return (
            "替补买入：从候选池之外继续按复合分往下找可买标的，补足 x 只"
            "（池内被跳过的标的也会在 signal_history 中留下未成交原因）"
        )
    return "不替补也不顺延：买不进则放弃该标的，资金留作现金"


def _buy_mode_short(sel) -> str:
    """一句话说明里的买不进处置短语（与 _buy_fallback_text 同源、同分支）。"""
    if sel.defer_buy:
        return "买不进则顺延买入"
    if sel.allow_substitute:
        return "买不进时从候选池之外替补"
    return "买不进则放弃"


def _target_text(sel) -> str:
    """调仓日「目标名单」如何产生 —— 与 local_engine._rebalance 的分支一一对应。"""
    if sel.allow_substitute:
        # 引擎从 current_ranked（全市场排序）往下扫描，而不是 picks[:x]
        return (
            f"替补买入：按复合分排序从头扫描（含候选池之外），"
            f"买得进的依次入选直到凑满 {sel.x} 只"
        )
    return f"取候选池前 {sel.x} 只为目标名单（{_buy_mode_short(sel)}）"


def _universe_step(spec: ResearchSpec) -> str:
    """股票池装配步骤（与 service._load_daily / universe.filter_stocks 的真实口径一致）。

    时点必须写准：universe 过滤只在**回测起始日**执行一次（filter_stocks(as_of=start)），
    之后每个择股日仅按**当日名称**重判 exclude_st；不能写成「每日对全池重新过滤」。
    """
    u = spec.universe
    filters = ["已退市标的排除"]
    if u.exclude_st:
        filters.append("名称含 ST 的标的排除")
    if u.min_listing_days:
        filters.append(f"上市不足 {u.min_listing_days} 个自然日的排除")
    if u.symbols:
        filters.append(f"限定为白名单 {len(u.symbols)} 只")
    if u.index_code:
        filters.append(f"限定为 {u.index_code} 的当日历史成分")
    text = "股票池：在回测起始日按 universe 过滤一次（" + "，".join(filters) + "）。"
    if u.exclude_st:
        text += (
            "此后每个择股日再按**当日名称**判定 exclude_st"
            "（名称变更历史未同步时回退最新名称快照）。"
        )
    return text


def _formula_costs(spec: ResearchSpec) -> list[str]:
    c = spec.costs
    min_comm = (
        f"最低佣金 {c.min_commission:g} 元/笔"
        if c.min_commission > 0
        else "最低佣金 0（未启用）"
    )
    return [
        "【4】成本与成交价口径",
        f"  行情口径：{_ADJUST_TEXT[spec.price_adjustment]}",
        "  成交时点：调仓日收盘（调仓在当日收盘生效，自次日起计收益）",
        f"  买入：成交价 = 收盘价 × (1 + 滑点 {_pct(c.slippage_rate)})；"
        f"佣金 = max(投入资金 × {_pct(c.commission_rate)}, {min_comm})，从投入资金中扣除",
        f"  卖出：成交金额 = 数量 × 收盘价 × (1 - 滑点 {_pct(c.slippage_rate)})；"
        f"费用 = max(成交金额 × {_pct(c.commission_rate)}, {min_comm})"
        f" + 成交金额 × 印花税 {_pct(c.stamp_tax_rate)}（仅卖出）",
        f"  初始资金：{spec.initial_capital:,.0f} 元；对照基准：{c.benchmark}（仅展示，不参与交易）",
    ]


# ---------- steps ----------


def _build_steps(spec: ResearchSpec, period_text: str) -> list[str]:
    """按 local_engine.TopKBacktestRunner.run 的真实流程写（顺序、时序口径都以代码为准）。"""
    sel = spec.selection
    m = spec.effective_selection_months
    y = spec.effective_rebalance_months
    warmup = (
        "数据装配：自回测起始日往前 300 个自然日起装配行情/指标（覆盖因子预热窗口）；"
        f"回测区间 {period_text}。所有截面只使用 <= 当日的数据（无未来函数）。"
    )
    cond_step = (
        f"先跑 {len(spec.conditions)} 条过滤条件（AND）"
        if spec.conditions
        else "无过滤条件，直接按复合分排序"
    )
    steps = [
        warmup,
        _universe_step(spec),
        (
            f"择股日（每 {m} 个月的首个交易日，锚定起始月）" if m is not None
            else "择股日（未配置 m：每次调仓日都重新择股）"
        )
        + f"：{cond_step}，再按复合分降序取前 "
        + f"{sel.top_n} 只作为候选池，逐条写入 selection_history（含 rank 与 score）。",
        (
            f"调仓日（每 {y} 个月的首个交易日）" if y is not None
            else ("调仓日（每月首个交易日）" if spec.rebalance == "monthly" else "调仓日（每周首个交易日）")
        )
        + "：在**当日收盘**执行调仓。",
        "调仓第一步：卖出全部当前持仓（跌停、无行情/停牌时不成交并保留该持仓到下一次调仓），"
        "逐笔记入 signal_history。",
        f"调仓第二步：{_target_text(sel)}；"
        "把可用现金等权分配到目标名单，按收盘价 + 滑点买入，佣金（含最低佣金）从投入资金中扣除。",
        "买入约束：涨停（收盘价/上一有效收盘 >= 板块涨停系数）或当日无行情（停牌）时不可买入。",
        "收益结算：每日先用**上一交易日收盘持仓**结算个股收益"
        "（建仓当日不计收益、卖出当日仍有收益），因此调仓日收盘生效、次日起计收益。",
        "期末：不强制平仓 —— 最后一次调仓之后的持仓一直保留，按最后一个交易日收盘估值；"
        "Trade 只记录「已卖出」的完整买卖往返。",
    ]
    if spec.type != "backtest":
        steps.insert(0, "本 spec 的 type 为 factor_test：只计算因子 IC/分层收益，"
                        "不执行选股、调仓与成本（下列步骤仅在转为 backtest 后生效）。")
    return steps


# ---------- conditions ----------


def _describe_conditions(spec: ResearchSpec, warnings: list[str]) -> list[str]:
    """渲染过滤条件为可读表达式，并对未识别字段给出 warnings（不静默）。"""
    out: list[str] = []
    for cond in spec.conditions:
        out.append(_render_condition(cond))
        for field in (cond.field, cond.ref):
            if field and not _is_known_field(field):
                warnings.append(
                    f"条件字段 {field} 未识别（不在行情列 / ma20 / ma60 / 每日指标列 / "
                    "已注册因子 / static.* / fundamental.* 之内）：回测装配列时会直接报错，"
                    "该条件不会生效"
                )
    return out


def _render_condition(cond) -> str:
    """单条条件 → 可读表达式（语义与 selection._eval_condition 一一对应）。

    `ref` 非空时右操作数是**另一个字段**（同一股票同一日的取值），否则是字面量；
    in/not_in 的 value 是列表。
    """
    op = _OP_TEXT.get(cond.op, cond.op)
    if cond.ref is not None:
        right = cond.ref
    elif cond.op in ("in", "not_in"):
        items = cond.value if isinstance(cond.value, Sequence) else [cond.value]
        right = "[" + ", ".join(_fmt_value(v) for v in items) + "]"
    else:
        right = _fmt_value(cond.value)
    return f"{cond.field} {op} {right}"


def _is_known_field(field: str) -> bool:
    """字段是否属于已知域（与 selection.condition_needed_columns 的识别范围一致）。"""
    if field.startswith((_STATIC_PREFIX, _FUNDAMENTAL_PREFIX)):
        return True
    if field in DAILY_BAR_NUMERIC_FIELDS or field in DAILY_BASIC_NUMERIC_FIELDS:
        return True
    if field in _TECH_DERIVED:
        return True
    try:
        get_factor(field)
    except FactorError:
        return False
    return True


def _fmt_value(value) -> str:
    if isinstance(value, bool):  # bool 是 int 子类，先判
        return "true" if value else "false"
    if isinstance(value, (int, float)):
        return f"{value:g}"
    if isinstance(value, str):
        return f'"{value}"'
    return str(value)


def _pct(rate: float) -> str:
    return f"{rate * 100:g}%"


# ---------- warnings ----------


def _collect_warnings(spec: ResearchSpec, period_known: bool) -> list[str]:
    """诚实标注「未建模 / 近似 / 口径依赖」项（AGENT.md §24：禁止假装支持）。"""
    warnings: list[str] = []
    if not period_known:
        warnings.append(
            "入参为策略定义（无回测区间）：说明中的区间为占位文本，"
            "实际回测区间在展开为 ResearchSpec 时确定"
        )
    if spec.type != "backtest":
        warnings.append(
            f"spec.type={spec.type}：这是因子测试而非组合回测，"
            "择股/调仓/成本/成交价等说明不适用于本次执行"
        )
    if spec.universe.exclude_st:
        warnings.append(
            "exclude_st 依据股票名称判定：若未同步名称变更历史（stock_name_history，"
            "python -m app.cli.sync namechange），则回退**最新名称快照**，"
            "「曾为高股息、后来才变 ST」的标的会被整段排除（收益可能被高估）；"
            "实际口径见回测结果 config_snapshot.price_basis.name_basis"
        )
    if spec.universe.exclude_suspended:
        warnings.append(
            "exclude_suspended=True 但**停牌数据未建模**：universe 过滤不会剔除停牌股"
            "（仅有「当日无行情时不成交」的撮合近似）"
        )
    if spec.universe.index_code:
        warnings.append(
            f"指数成分过滤（{spec.universe.index_code}）依赖本地指数成分表："
            "该指数历史成分未同步时，候选池可能为空或偏小"
        )
    if spec.portfolio.max_industry_weight_pct is not None:
        warnings.append(
            f"最大行业权重 {spec.portfolio.max_industry_weight_pct:.0%} **未建模**"
            "（需行业元数据注入），结果中会列在 unimplemented"
        )
    if spec.price_adjustment == "none":
        warnings.append(
            "行情口径为不复权：现金分红未计入收益，除权日价格下移会被计为亏损；"
            "股息类策略建议 price_adjustment=hfq"
        )
    if not spec.conditions:
        warnings.append("未配置过滤条件（conditions）：候选池仅由 universe + 因子排序决定")
    m = spec.effective_selection_months
    y = spec.effective_rebalance_months
    if m is not None and y is not None and y < m:
        warnings.append(
            f"调仓间隔 y={y} 个月 < 择股间隔 m={m} 个月：两次择股之间复用同一候选池"
            "（池子陈旧），并非每次调仓都重新择股"
        )
    warnings += [
        "涨跌停按「收盘价 / 上一有效收盘」近似判定，未建模开盘一字板、集合竞价与盘中价格路径",
        "成交假设发生在调仓日收盘，未建模流动性冲击与冲击成本",
        "调仓为「全部卖出 → 按目标等权重新买入」：保留在目标名单中的股票也会产生一次完整买卖往返，成本估计偏保守",
        "股票池来自本地行情表（含 2019-12 之后退市的标的）：更早退市者无行情数据，存在残余幸存者偏差",
        "期末不强制平仓：最后持仓按最后一个交易日收盘估值，浮盈浮亏计入净值但不产生 Trade 记录",
    ]
    return warnings