feat(v0.2): 市场阶段与主线识别 + 因子挖掘全链路 + 数据层完善

- 市场环境: 新增情绪周期6阶段(冰点/启动/主升/高潮/退潮/修复, 连板梯队驱动,
  EMA平滑+2日确认+弱档否决, 平均段长9.7天)与概念/行业主线排名(涨停梯队聚合,
  可配置宽基/风格标签过滤); 市场环境页重构, regime 透明加列, 与5档state并存
- 挖掘: 因子与策略挖掘全链路(API/worker/进程锁/候选库/前端工作台/文档),
  周度调度默认关闭且永不自动发布
- 回测: 财务快照因子(点时口径), 批量回测预计算共享下期收益,
  信号路径矩阵列依赖展开修复(consecutive_limit_ups 缺列报错)
- 数据/性能: enriched 生成与预热治理, 重任务限流, 行情/K线缓存复用, 时区修复
- 测试: 后端全量 914 通过; GUI 黑盒验证截图存证 gui-test-screenshots/

backend/tests/test_price_limits.py

@@ -200,6 +200,7 @@ def test_realtime_limit_prices_ignore_stale_instrument_date():
         "close": [9.10],
         "raw_close": [9.10],
         "raw_high": [9.10],
+        "raw_low": [9.10],
         "_prev_close_raw": [10.0],
         "volume": [1000.0],
     })
@@ -215,3 +216,41 @@ def test_realtime_limit_prices_ignore_stale_instrument_date():
 
     assert result["signal_limit_down"][0] is False
     assert "_instrument_as_of" not in result.columns
+
+
+def test_limit_down_recovery_uses_raw_low_under_later_ex_div():
+    """除权事件之后重算历史时, 跌停翘板"曾触及跌停"必须用原始价 low 判断。
+
+    day2 (历史日): 原始 low 9.30 未触及跌停价 9.00, 不应触发翘板;
+    但 day3 除权 (ex_factor=2) 使 day2 前复权 low 变为 4.65,
+    若误用复权 low 对比原始口径跌停价会误报翘板。
+    day3 (除权日, 最新日不复权): 涨跌停基准切换为前复权昨收 4.825 → 跌停价 4.34,
+    原始 low 4.34 触及且收阳未封死 → 真翘板。
+    """
+    raw = pl.DataFrame({
+        "symbol": ["600001.SH"] * 3,
+        "date": [date(2024, 1, 2), date(2024, 1, 3), date(2024, 1, 4)],
+        "open": [10.00, 9.60, 4.30],
+        "high": [10.10, 9.70, 4.45],
+        "low": [9.90, 9.30, 4.34],
+        "close": [10.00, 9.65, 4.42],
+        "volume": [10000.0, 10000.0, 10000.0],
+        "amount": [1.0e7, 1.0e7, 1.0e7],
+    })
+    factors = pl.DataFrame({
+        "symbol": ["600001.SH"],
+        "trade_date": [date(2024, 1, 4)],
+        "ex_factor": [2.0],
+    })
+    instruments = pl.DataFrame({
+        "symbol": ["600001.SH"],
+        "name": ["普通股"],
+        "float_shares": [1.0e8],
+    })
+
+    df = pipeline.compute_enriched(raw, factors=factors, instruments=instruments)
+
+    day2 = df.filter(pl.col("date") == date(2024, 1, 3))
+    assert day2["signal_limit_down_recovery"][0] is False
+    day3 = df.filter(pl.col("date") == date(2024, 1, 4))
+    assert day3["signal_limit_down_recovery"][0] is True