feat: add skill opinion outcome performance statistics

[ObVious55]

PR Type

• fix
• feat
• refactor
• docs
• chore
• test

Background And Problem

#1904 P2 要求 Skill 权重只能基于真实、可归因的 outcome 样本进行校准；样本不足时必须保持 neutral / observational，不能通过其他 skill、horizon、engine version 或非 evaluated 记录拼接样本量。

父 PR #2116 已建立 individual SkillAgent outcome 的计算和持久化核心，但明确未提供表现统计、样本充足度、排名或权重调整。

本 stacked PR 在 ZhuLinsen#2116 的持久化事实之上增加只读表现统计：

• 按 skill_id + horizon + engine_version 独立聚合；
• 仅当单个 bucket 的 evaluated >= 30 时输出表现指标；
• 样本不足时继续返回计数，但表现指标保持 null；
• 不修改运行时权重，不接入 API、Pipeline、Web 或最终投资建议。

Scope Of Change

当前描述基于：

• Stacked base：PR feat: add skill opinion outcome evaluation core ZhuLinsen/daily_stock_analysis#2116 head ObVious55:1904-p2-skill-opinion-outcomes-v2
• Base SHA：94c2c6906882471331bcb66405151025c4ed29fb
• Head SHA：TODO: 提交后补充
• 文件总数：5
• 变更统计：640 insertions、0 deletions
• 当前统计包含 3 个 modified 文件和 2 个 untracked 新文件

Repository

• src/repositories/skill_opinion_outcome_repo.py
  • 新增 SkillOpinionPerformanceBucket；
  • 使用 SQLAlchemy 按 skill_id + horizon + engine_version 聚合；
  • 返回 total、pending、evaluated、observational、unable、hit、miss 和 evaluated 平均方向收益；
  • repository 仅提供原始事实，不负责样本充足度策略。

Service

• src/services/skill_opinion_performance_service.py
  • 新增只读 SkillOpinionPerformanceService；
  • 固定最低样本门槛为 30 条 evaluated outcome；
  • 每个 bucket 独立判断样本量，禁止跨 skill、horizon 或 engine version 合并；
  • 样本不足时返回 sample_status=observational，所有表现指标为 null；
  • 样本充足时：
    • hit/miss rate 使用 hit + miss 作为分母；
    • average directional return 仅使用 evaluated rows；
    • unable rate 使用 evaluated + observational + unable 作为分母，排除 pending；
  • 对空白 skill、空 horizons、非法 horizon 和空白 engine version fail closed；
  • 输出按 total 降序、skill ID、canonical horizon 顺序稳定排序。

Tests

• tests/test_skill_opinion_outcome_stats.py
  • 使用真实 SQLite 覆盖原始聚合；
  • 覆盖样本不足时指标保持 null；
  • 覆盖恰好 30 条 evaluated 时解锁指标；
  • 覆盖大量 observational、unable、pending 不能补足 evaluated 门槛；
  • 覆盖 sibling skill、horizon 和 engine version 不能拼接样本；
  • 覆盖精确筛选、非法筛选、稳定排序和空结果。

Documentation

• docs/multi-strategy-contract.md

  • 记录 bucket identity、样本门槛、指标分母和 observational 契约；
  • 明确本阶段不修改权重、API、Pipeline 或 Web。

• docs/CHANGELOG.md

  • 在 [Unreleased] 扁平列表中记录只读 Skill Opinion 表现统计能力。

Issue Link

Refs #1904

Stacked on #2116.

本 PR 只实现 P2 的只读表现统计和样本充足度契约，不声称完成保守权重接入，也不关闭整个 Issue。

Verification Commands And Results

Executed local verification

& 'D:\code\daily_stock_analysis\.venv\Scripts\python.exe' -m pytest `
  tests/test_skill_opinion_outcome_stats.py `
  tests/test_skill_opinion_outcomes.py `
  tests/test_backtest_service.py -q

结果：103 passed, 3 warnings in 68.18s。

& 'D:\code\daily_stock_analysis\.venv\Scripts\python.exe' -m py_compile `
  src/repositories/skill_opinion_outcome_repo.py `
  src/services/skill_opinion_performance_service.py `
  tests/test_skill_opinion_outcome_stats.py

结果：通过，无输出。

& 'D:\code\daily_stock_analysis\.venv\Scripts\python.exe' -m flake8 `
  src/repositories/skill_opinion_outcome_repo.py `
  src/services/skill_opinion_performance_service.py `
  tests/test_skill_opinion_outcome_stats.py

结果：通过，无输出。

git diff --check

结果：已跟踪文件通过，无 whitespace error；Git 仅提示部分文件未来可能执行 LF → CRLF 转换。

Full-suite note

曾启动：

& 'D:\code\daily_stock_analysis\.venv\Scripts\python.exe' -m pytest -m 'not network'

该命令选择了 5056 个测试。本地运行至约 10% 时，tests/test_agent_backend_status_service.py 附近出现与本机 Codex app-server / protocol 环境相关的失败，随后停止执行；该命令未完成，不能记为通过。

CI status

当前分支尚未 push，PR 尚未创建，因此当前 Head CI 不可用：

• ai-governance：TODO
• backend-gate：TODO
• docker-build：TODO
• web-gate：TODO（按改动路径预计不触发，仍以实际 CI 为准）

Visual Evidence (if applicable)

不适用。

本 PR 只修改后端 repository/service、测试和专题文档，不修改报告格式、报告渲染、Web UI、Web 设置或桌面端界面。

Compatibility And Risk

• 不新增或修改公共 API、Schema、认证或 OpenAPI。
• 不修改数据库 schema，不迁移、改写或 backfill 既有数据。
• 不新增运行时配置或第三方依赖。
• 不变更 provider、model、base URL 或配置迁移语义。
• 不修改 BacktestService.get_skill_summary()、AgentMemory、SkillAggregator 或最终投资建议。
• 新 service 尚未接入主 Pipeline；在后续权重 PR 合入前，运行时继续保持现有中性权重。
• 统计结果依赖 feat: add skill opinion outcome evaluation core ZhuLinsen/daily_stock_analysis#2116 的 outcome 表、状态和 engine version 契约，因此必须在 feat: add skill opinion outcome evaluation core ZhuLinsen/daily_stock_analysis#2116 之后合入。
• 固定门槛 30 是当前保守策略；未来调整门槛或指标口径时需要同步测试和契约文档。

Rollback Plan

最小回滚方式：

1. revert 本 PR；
2. 重新部署或重启相关服务。

本 PR 不涉及数据库迁移、数据写入入口或运行时配置，因此无需额外的数据和配置回滚。父 PR ZhuLinsen#2116 的 outcome 数据可以继续保留。

EXTRACT_PROMPT Change (if applicable)

不适用：本 PR 未修改 src/services/image_stock_extractor.py 或 EXTRACT_PROMPT。

Checklist

• 本 PR 有明确动机和业务价值 / This PR has a clear motivation and value
• 已提供可复现的验证命令与真实结果 / Reproducible verification commands and results are included
• 已评估兼容性与风险 / Compatibility and risk have been assessed
• 已提供回滚方案 / A rollback plan is provided
• 本 PR 未修改报告格式或 Web UI，无需截图
• 本 PR 未修改 Web 设置字段，无需设置页截图
• 已同步更新专题文档与 docs/CHANGELOG.md
• 当前 Head 的阻断型 CI 已确认通过

[github-actions]

🤖 自动审查报告

项目	结果
📊 变更文件	10 个
➕ 新增行数	870 行
➖ 删除行数	14 行
🔍 静态检查	✅ 通过
🧠 AI 审查	✅ 已完成

📁 修改的文件

• 📝 docs/CHANGELOG.md (+3/-0)
• 📝 docs/multi-strategy-contract.md (+11/-3)
• 📝 src/repositories/skill_opinion_outcome_repo.py (+93/-5)
• 📝 src/services/backtest_service.py (+1/-4)
• 📝 src/services/skill_opinion_outcome_service.py (+25/-0)
• 🆕 src/services/skill_opinion_performance_service.py (+153/-0)
• 📝 src/services/stock_daily_start_resolver.py (+8/-2)
• 📝 tests/test_backtest_service.py (+85/-0)
• 🆕 tests/test_skill_opinion_outcome_stats.py (+386/-0)
• 📝 tests/test_skill_opinion_outcomes.py (+105/-0)

---

💡 提示: 请确保代码已通过本地测试，并遵循项目代码规范。