CR-014：截面标准化引擎规约补全与工程执行顺序修正¶

1. 变更描述¶

原规约 4.3 存在数学逻辑矛盾及工程边界模糊，现予以刚性修正：

1. MAD 去极值与 Z-Score 执行顺序倒置
   • 原规约：先算 Z-Score，再用原始值的 Median/MAD 裁剪 Z-Score。
   • 变更为：先基于原始值计算 Median/MAD 并裁剪原始值，再用裁剪后的原始值计算 Mean/Std，最后执行 Z-Score。
   • 修正后四步走：
     1. 计算截面原始值的 mean, std, median, mad。
     2. 时间对齐：整体 shift(1)。
     3. MAD 去极值：raw_clipped = clip(raw_feature, T1_median - 3*T1_mad, T1_median + 3*T1_mad)。
     4. Z-Score：z_score = (raw_clipped - T1_mean_clipped_adjusted) / T1_std。（注：工程实现中，为保持极高向量化性能且误差可控，T1_mean 与 T1_std 仍使用步骤 1 基于未裁剪值计算的统计量）。
2. 引入 segment_id 分组维度
   • 截面统计量计算必须严格按 ["net_value_date", "segment_id"] 分组，防止清盘重启等异质生命周期段污染统计分布。
3. 除零防御显式化
   • 当 T1_std == 0.0 时（截面内所有基金特征值完全一致），该特征当期 Z-Score 强制输出 NULL，严禁产出 inf。
4. “首日”严格物理定义
   • “首日”定义为全局数据集按时间排序后的绝对第一天截面（非单基金成立日）。
   • 工程约束：严禁按 fund_id 做 shift。必须按 net_value_date 聚合计算统计量，执行全局 shift(1)，最后 Join 回主表。新成立基金通过 Join 自然获取上一期全市场参数，不输出 NULL。仅全局绝对首日因无 T-1 而输出 NULL。
5. 持久化 Schema 强制长表
   • standardization_params.parquet 必须严格采用长表 EAV 形态（Schema: date, segment_id, feature_name, mean, std, median, mad）。严禁转宽表存储。

2. 变更原因（根因追溯）¶

1. 数学矛盾（致命）：原规约步骤 4 直接用原始值量纲的区间去裁剪无量纲的 Z-Score，会导致 100% 的 Z-Score 被截断为边界常数，模型彻底失效。
2. 同质性污染：如果不按 segment_id 分组，不同生命周期段的基金（如成立初期 vs 稳定期）会被混在一起计算均值，破坏截面同质性假设。
3. 数值稳定性：停牌或极端行情下 std=0 产生的 inf 会绕过 LightGBM 的缺失值处理机制，导致预测崩溃。

3. 影响分析¶