基金量化定投选基系统

# <div align="center"> Sprint 4 规划会议纪要：S4 业务标签生成与绝对边界防线落地 </div>

**会议日期**：2026-04-25

**项目名称**：基金量化定投选基系统 (2026-04-11-01)

**会议目标**：锁定 M4 交付标准，对齐 S4 绝对物理隔离与防越界防线，输出 S4 架构决策记录（ADR），确立“纯净标签零穿透”的数学管线基线。

**参会角色**：项目经理（Henry Lin）、算法/研发工程师。

---

## 一、 会议确认项

1. **CONF-01 S4 内存波峰红线**：S4 处理单年数据时，由于严格过滤列（仅 4 列）且不加载 S3 特征宽表，内存波峰死锁在极低水位（预估 < 500MB）。

2. **CONF-02 S4 日志审计基线**：S4 严禁打印单条基金的标签明细（防数据泄露与日志爆炸），但必须在 `stderr` 输出每个截面的 `label > 0` 样本总量统计摘要。

3. **CONF-03 S4 数据血缘入口双重保险断言**：在按年循环读取 `s2_{year}.parquet` 时，采用读取 Parquet Footer 元数据的轻量级 Schema 校验，硬编码校验 4 个核心列，阻断脏数据流入。

4. **CONF-04 S4 净值纯净性断言全局阻断策略**：在 DCA 闭式向量化公式计算前，若触发非正数或 NaN 断言，必须抛出 `SegmentDataCorruptedError`，由统筹器捕获并执行全链路 `sys.exit(1)`，严禁局部容错继续跑残缺流水线。

---

## 二、 会议待办项

| 编号 | 责任人 | 任务描述 | 截止时间 | 验收标准 |

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

| **TODO-01** | 研发工程师 | 常量池 S4 列名补充 | Sprint 4 交付前 | 在 `src/core/constants.py` 中补充 `S4_OUTPUT_COLUMNS: list[str] = ["fund_id", "net_value_date", "segment_id", "label"]`。 |

| **TODO-02** | 研发工程师 | 全局异常类扩展 | Sprint 4 交付前 | 在 `src/core/exceptions.py` 中补充 `SegmentDataCorruptedError` 异常类，供 S4 净值纯净性断言使用。 |

---

## 三、 会议风险项

*本轮无新增风险项。*

---

## 四、 会议架构决策记录（ADR）产出要求

基于本次会议确认的 CONF-03 与 CONF-04，要求研发工程师在会后首个 PR 中，于 Gitea 仓库 `/docs/adr/` 目录下提交 `004-s4-label-generation-and-math-boundary.md`，必须固化以下两点技术选型理由：

1. 为何在已有 S2 落盘门禁的前提下，S4 仍需采用 Footer 级双重 Schema 断言。

2. 为何在遇到非法净值时，选择全局阻断而非降级输出 `label=0`。

---

## 五、 Sprint 4 交付物全景清单（已对齐）

以下为本次会议最终锁定需新增/修改的文件及核心约束简述：

| 分类 | 文件路径 | 核心约束简述 |

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

| **核心常量** | `src/core/constants.py` | 新增 `S4_OUTPUT_COLUMNS`。 |

| **核心异常** | `src/core/exceptions.py` | 新增 `SegmentDataCorruptedError`。 |

| **核心源码** | `src/pipelines/s4/step_s4_label_generation.py` | 闭式向量化公式落地，Segment 隔离，0-based 转 1-based 偏移修正。 |

| **质量保障** | `tests/src/pipelines/s4/test_step_s4_label_generation.py` | 覆盖正常达标、极长尾部未达标、第 150 周截断边界三个极值单测。 |

| **技术真相** | `docs/adr/004-s4-label-generation-and-math-boundary.md` | 记录本次会议核心工程选型。 |

---

**会议闭环状态**：✅ 全部议程结束，无遗留阻塞项。研发团队可依据本纪要启动 Sprint 4 实施。