基金量化定投选基系统

# 0002-Sprint2交付物Checklist

| Story ID | 编号 | 验收标准原文 | 预期结果 | 通过状态 |

|:---|:---:|:---|:---|:---:|

| **S2-01** | ① | `config.yaml` 新增 `data.raw_paths`（字典结构）与 `duckdb.memory_limit`（默认 `"40GB"`）节点 | Settings 可解析 `data.raw_paths` 与 `storage.duckdb_memory_limit` | |

| **S2-01** | ② | DuckDB SQL 绝对禁止 `SELECT *`，对 `fund_basic_info` 必须硬编码 `SELECT fund_id, fund_name, fund_type, create_date`，对净值表仅取核心 3 列 | SQL 中无 `SELECT *`，`columns` 参数显式声明 | |

| **S2-01** | ③ | Arrow Schema 包含上述 4 列 + 净值 3 列（`fund_type` 仅作临时审计流转，严禁带入最终落盘） | 提取阶段 6 列，落盘阶段 4 列 | |

| **S2-01** | ④ | S1 遗留核销：首个 PR 必须物理删除 S1 阶段的占位 Mock 测试代码，CI 全绿 | `tests/test_sprint1_placeholder.py` 不存在 | |

| **S2-01** | ⑤ | 单测：Mock 小 CSV 验证列裁剪与 JOIN 正确性 | `test_extract_raw_to_arrow_success` 通过 | |

| **S2-02** | ① | `segment_id` 截断处严格递增，同基金内从 0 开始 | 单测验证递增与从 0 开始 | |

| **S2-02** | ② | 建仓期（12周）剔除严格锚定且仅作用于 `segment_id == 0`，segment_0 被完全吞噬后 segment_1 仍保留 | `test_s202_segment_0_erased_but_segment_1_retained` 通过 | |

| **S2-02** | ③ | `cumulative_net_value ≤ 0` 的行被剔除 | `test_s202_nav_le_zero_physical_removal` 通过 | |

| **S2-02** | ④ | 异常值（单周涨跌幅绝对值 >50%）置 NULL，判定基准基于"本周原始有值且上周原始有值"的真实相邻周，ffill 填充值不参与判定 | `test_s202_long_gap_recovery_no_false_positive` 通过 | |

| **S2-02** | ⑤ | 单测覆盖 segment_0 被建仓期完全吞噬及长缺失 ffill 恢复首周免于误杀 | 全部 TestS202 用例通过 | |

| **S2-03** | ① | 存活期计算 = 该基金所有段有效周数之和，< 52 周整体剔除 | `test_survival_filtering` 通过 | |

| **S2-03** | ② | `data/processed/` 下产出 `net_value_YYYY.parquet`，显式指定 `row_group_size=100000` | Parquet 文件存在且 row_group_size 正确 | |

| **S2-03** | ③ | 落盘 Schema 仅含 4 列 `fund_id`(String), `net_value_date`(Date), `cumulative_net_value`(Float64), `segment_id`(UInt32)，临时列 `fund_type` 落盘前必须被显式丢弃 | `test_schema_locked_and_float64` 通过 | |

| **S2-03** | ④ | `cumulative_net_value` 全链路强制映射为 `Float64`，严禁使用 Decimal | DuckDB columns 声明 DOUBLE + Arrow cast float64 | |

| **S2-03** | ⑤ | `create_duckdb_view()` 严禁依赖持久化状态，必须动态扫描年份文件拼接生成 | `test_create_duckdb_view_success` 通过 | |

| **S2-04** | ① | 落盘后即刻按年份文件逐个计算 SHA-256，产出 `data/metadata/processed_hash.json` | 各 Parquet 文件 SHA-256 已记录 | |

| **S2-04** | ② | 产出 `data/metadata/data_audit.json`，严格符合 5 大根节点 Schema，`whitelist_retention_rate` 分母取原始 CSV 物理总行数 | JSON 结构含 pipeline/input/filtering/cleaning/output | |

| **S2-04** | ③ | 压测日志包含 DuckDB/Arrow 转换/Polars 状态机三个维度的 `peak_memory_gb`，总峰值 ≤ 40GB | 真实压测总峰值 1.449 GB | |

| **S2-04** | ④ | 若 `retention_rate < 15%`，M2 标记"带风险通过"，在 Redmine 建立 High 级别 Bug 单 | 当前 retention_rate ≈ 34.17%，无需标记 | |

| **S2-05** | ① | `docs/data_contract.md` 沉淀 Parquet 4 列 Schema、审计 JSON Schema 定义及 Float64 选型依据 | 文档已落盘，Schema 引用自动生成产物 | |

| **S2-05** | ② | 产出 ADR `0003-s2-full-arrow-exception.md`，固化 FW-3 豁免边界、内存预估及下游禁用声明 | ADR 已落盘，编号 0003 | |

| **S2-05** | ③ | S2-01 至 S2-05 任务卡片在 Redmine 逐条填入验收标准 | 本 Checklist 已提供 | |

| **S2-05** | ④ | CI 软预警检查通过（`src/` 变更已同步 `docs/` 变更） | `check_src_docs_sync.sh` 已集成至 deployment.yaml | |