fix(backtest): 策略参数加跨语义约束，杜绝寻优选出快慢倒挂组合（issue #39）

寻优器网格探索不区分语义：ma_cross 的 fast∈[5..60] × slow∈[10..250]
笛卡尔积包含 {"fast":30,"slow":20} 这类倒挂组合，倒挂的双均线交叉
本质是反向策略，回测成绩可能反而突出，从而被选为"最优参数"展示
（即 issue #39 截图中 {"fast":30,"slow":20} 的来源）。presets.py 的
注释"快线<慢线才有意义；去重无效组合"早已写下意图但从未实现。

根因是参数校验只有单参数 min/max，缺跨参数语义约束：

- ParametrizedStrategy 新增 param_constraints 类属性 [(a,b), ...]
  表示要求 a<b，在 __init__ 解析后统一校验，报错带中文标签；
  语义约束不受 skip_bounds 影响（寻优跳过的只是数值边界）
- 7 个策略声明约束：ma_cross/ema_cross（fast<slow）、macd
  （short<long）、triple_ma（short<mid<long）、rsi_reversal/cci/
  wr_reversal（oversold<overbought）
- 寻优器 build 阶段的 ValueError 降为 info 级跳过（无堆栈噪音），
  回测异常仍走 warning；预设网格 36 组合 → 有效 25 个
- 新增 10 个回归测试（旧代码全失败、新代码全通过）

tests/unit/test_optimizer.py

@@ -79,7 +79,8 @@ class TestParamGridOptimizer:
         assert result.heatmap["y_name"] == "slow"
         assert len(result.heatmap["x"]) == 3
         assert len(result.heatmap["y"]) == 3
-        assert len(result.heatmap["data"]) == 9  # 3×3
+        # 3×3=9 中 fast=20×slow=15（倒挂）与 20×20（相等）被语义约束跳过（issue #39）
+        assert len(result.heatmap["data"]) == 7
 
     def test_no_heatmap_for_single_param(self) -> None:
         """1 参数时 heatmap 应为 None。"""
@@ -92,6 +93,20 @@ class TestParamGridOptimizer:
         assert result.heatmap is None
         assert len(result.results) == 3
 
+    def test_inverted_combos_skipped(self) -> None:
+        """网格含倒挂组合（fast≥slow）时应全部跳过，best 不可能是倒挂（issue #39）。"""
+        opt = ParamGridOptimizer(
+            strategy_name="ma_cross",
+            param_grid={"fast": [5, 20, 30], "slow": [10, 20]},
+            df=_make_df(),
+        )
+        result = opt.run()
+        # 6 组合中仅 (5,10) 与 (5,20) 语义有效
+        assert len(result.results) == 2
+        assert all(r.params["fast"] < r.params["slow"] for r in result.results)
+        assert result.best is not None
+        assert result.best.params["fast"] < result.best.params["slow"]
+
     def test_grid_size_limit_exceeded(self) -> None:
         """超过 MAX_GRID_POINTS 应抛 ValueError。"""
         big_grid = {f"p{i}": list(range(5)) for i in range(6)}  # 5^6 = 15625