基金量化定投选基系统

### Sprint 5 规划会议 Agenda

**会议主题**：Sprint 5 规划会议 —— S5 标准化与 Spearman 降维防线落地

**参会角色**：架构师、研发工程师、QA

**会议基调**：锁定“空间换时间”全局原则与“内存防爆”底线，确立 S5 阶段的物理拓扑与数据契约。

**范围熔断声明**：本次 Sprint 严格止步于特征降维，产出最终特征子集与双形态参数，**绝对不包含 LightGBM 训练逻辑**。

---

#### 议题 1：架构基线修正决议（DRY 原则向内存红线让步）（5 分钟）

*   **决议宣告**：基于企业级 50GB cgroup 内存硬限制，正式批准 S5 标准化 Apply 阶段**豁免**复用 `core.standardization_math`（纯 NumPy 算子）。

*   **执行路径锁定**：S5 必须强制采用 Polars 表达式原地 Apply 拓扑（即规约 7.4 骨架），利用 Arrow 广播机制在 3000 万行宽表上直接计算，严禁触发 3000 万行转 NumPy 导致的 8GB+ 内存膨胀。

*   **文档更新待办**：作为通过此项豁免的强制义务，S5 交付前必须完成对 `2-dry_module_list.md` 中 `core.standardization_math` 模块“被依赖方”说明的修正，明确标注“S5 训练阶段因内存红线豁免复用，仅作为 S6 推理单一真实来源”。

#### 议题 2：数据流加载边界与配置契约（5 分钟）

*   **动态时间窗口锁定**：确立从 `config.yaml` 中动态读取 `s5.train_start_year` 与 `s5.train_end_year` 作为全量数据加载边界的强制约束，由 `core.config_loader.py` 启动时加载并强校验。

*   **DRY 模块接入点**：确认 Spearman 阶段必须复用 `core.stream_engine`（按年流式加载标准化后特征，强制 3GB 内存峰值断言）。

#### 议题 3：S5.1 截面聚合与双形态参数物理时序隔离拓扑（15 分钟）

*   **纯横截面聚合**：对齐按 `net_value_date` 分组计算 38 维的 `mean, std, median, mad` 的数学动作，确认 MAD 裁剪上下界的推导逻辑。

*   **路径 A（训练宽表）T-1 对齐**：确认在宽表实体上直接执行 `.shift(1)` 的物理时机，保证与后续训练 Join 的绝对对齐。

*   **路径 B（推理长表）日历表关联**：锁定在 S5.1 阶段基于全量 S3 数据时间极值，动态生成绝对自然日频日历表，并落盘为 `calendar_dim.parquet`。长表必须通过关联此日历表执行 Forward Fill 至每日连续状态。

*   **长表物理排序死锁**：确认推理长表落盘前，必须强制注入 `.sort(["feature_name", "date"])`，对齐 `asof_join` 底层 C++ 的局部单调性要求。

*   **生产就绪哨兵生成**：确认 `std==0` 或 `mad==0` 时，强制置 `is_production_ready=False` 的防御逻辑。

#### 议题 4：S5.2 标准化 Apply 物理防线（10 分钟）

*   **“死刑级”封杀重申**：全员对齐“严禁 3000 万行宽表 Unpivot 成 11.4 亿行”的绝对红线。

*   **Polars 原地 Apply 执行**：基于议题 1 的豁免决议，确认读取 `standardization_params_wide.parquet` 与 3000 万行实体表执行等值 Join 后，原地构建 Polars 表达式的实施细节。

*   **IEEE 754 除零拦截**：审查标准化 Apply 表达式，确认 `pl.when(std==0).then(None)` 拦截器的强制注入，封杀隐式除零产生 `Inf` 击穿下游。

#### 议题 5：S5.3 训练 Join 三键死锁与毒样本截断（10 分钟）

*   **三键强锁 Join**：确认特征宽表与标签表关联时，必须且只能使用 `["fund_id", "net_value_date", "segment_id"]`，严禁遗漏 `segment_id` 导致笛卡尔积爆炸。

*   **毒样本物理截断点**：确认基于 `is_feature_complete == False` 将 `label` 强制覆写为 `0` 的动作必须发生在 Join 之后，且必须作为标准化后、Spearman 计算前的绝对前置步骤。

#### 议题 6：S5.4 Spearman 秩相关内存防爆防线（15 分钟）

*   **分块物理标尺具象化**：确认严格按自然年分块加载标准化特征，严禁按固定行数分块，确认 `core.stream_engine` 的接入方式。

*   **环境自适应开关对齐**：确认 `config.yaml` 中 `spearman.load_mode` 配置项的读取逻辑，锁定生产环境默认强制走 `yearly_chunked` 模式。

*   **防漂移与数学等价防线审查**：确认 `scipy.stats.rankdata` 必须显式传入 `method="average"`；确认“算秩后立即减均值（中心化）” -> “Pearson 展开项联合累加” -> “动态有效样本量联合累加” -> “对称化强制截断 `(matrix + matrix.T) / 2`”的算法链路不可裁剪。

*   **降维产物契约**：确认基于 `config.yaml` 中的 `0.90` 阈值剔除共线性特征后，输出 `final_feature_list.json` 的物理落盘动作。

#### 议题 7：交付物全景清单与 CI 验收标准对齐（5 分钟）

*   输出 Sprint 5 必须新增的物理文件清单及其 Schema 约束（对齐 `2-dry_module_list.md` 模型与参数层要求）。

*   确认针对双形态参数文件、日历表文件及特征列表 JSON 的单测覆盖策略（如 Pydantic 结构校验、对称性矩阵断言、排序键断言等）。