src/training/components/selectors.py

"""股票池选择器配置

此模块目前为空，股票池筛选功能已迁移到 StockPoolManager。
所有筛选逻辑通过传入自定义函数实现。
"""

# 旧配置类已删除：
# - StockFilterConfig (使用 filter_func 替代)
# - MarketCapSelectorConfig (使用 filter_func + required_factors 替代)
#
# 新的使用方式：
# from src.training import StockPoolManager
#
# def my_filter(df: pl.DataFrame) -> pl.Series:
#     return df["total_mv"] > 1e9
#
# pool_manager = StockPoolManager(
#     filter_func=my_filter,
#     required_columns=["total_mv"],
# )
-												feat(training): 实现股票池选择器配置
- 新增 StockFilterConfig：支持按代码前缀过滤创业板/科创板/北交所
- 新增 MarketCapSelectorConfig：配置市值选择参数（数量、排序、列名）
- 添加参数验证（n>0, 列名非空）
- 在 components 模块导出配置类
- 添加 15 个单元测试覆盖各种场景

											
										
										
											2026-03-03 22:10:36 +08:00
+								"""股票池选择器配置
-												refactor(training): 重构股票池管理 API 并更新训练流程
- 移除 StockFilterConfig/MarketCapSelectorConfig，改用 StockPoolManager + filter_func
- Trainer 支持 train/val/test 三分法划分
- 更新 regression.ipynb 适配新 API
- 删除已弃用的 test_selectors.py，后续补充 StockPoolManager 测试

											
										
										
											2026-03-09 22:33:41 +08:00
+								此模块目前为空，股票池筛选功能已迁移到 StockPoolManager。
 								所有筛选逻辑通过传入自定义函数实现。
-												feat(training): 实现股票池选择器配置
- 新增 StockFilterConfig：支持按代码前缀过滤创业板/科创板/北交所
- 新增 MarketCapSelectorConfig：配置市值选择参数（数量、排序、列名）
- 添加参数验证（n>0, 列名非空）
- 在 components 模块导出配置类
- 添加 15 个单元测试覆盖各种场景

											
										
										
											2026-03-03 22:10:36 +08:00
+								"""
-												refactor(training): 重构股票池管理 API 并更新训练流程
- 移除 StockFilterConfig/MarketCapSelectorConfig，改用 StockPoolManager + filter_func
- Trainer 支持 train/val/test 三分法划分
- 更新 regression.ipynb 适配新 API
- 删除已弃用的 test_selectors.py，后续补充 StockPoolManager 测试

											
										
										
											2026-03-09 22:33:41 +08:00
+								# 旧配置类已删除：
 								# - StockFilterConfig (使用 filter_func 替代)
 								# - MarketCapSelectorConfig (使用 filter_func + required_factors 替代)
 								#
 								# 新的使用方式：
 								# from src.training import StockPoolManager
 								#
 								# def my_filter(df: pl.DataFrame) -> pl.Series:
 								#     return df["total_mv"] > 1e9
 								#
 								# pool_manager = StockPoolManager(
 								#     filter_func=my_filter,
 								#     required_columns=["total_mv"],
 								# )