feat(experiment): 添加模型保存功能及因子信息持久化

- 新增 SAVE_MODEL 配置控制是否保存模型
- 新增 get_model_save_path() 生成模型保存路径
- 新增 save_model_with_factors() 保存模型及关联因子信息
- 新增 load_model_factors() 加载因子信息用于模型复现
- 更新训练脚本使用新的模型保存方式
- 清理 data/sync.py 中的废弃代码

src/experiment/regression.py

@@ -37,10 +37,15 @@ from src.experiment.common import (
     STOCK_FILTER_REQUIRED_COLUMNS,
     OUTPUT_DIR,
     SAVE_PREDICTIONS,
-    PERSIST_MODEL,
+    SAVE_MODEL,
+    get_model_save_path,
+    save_model_with_factors,
     TOP_N,
 )
 
+# 训练类型标识
+TRAINING_TYPE = "regression"
+
 
 # %% md
 # ## 2. 配置参数
@@ -153,7 +158,7 @@ st_filter = STFilter(
     data_router=engine.router,
 )
 
-# 10. 创建训练器
+# 10. 创建训练器（禁用自动保存，我们将在训练后手动保存以包含因子信息）
 trainer = Trainer(
     model=model,
     pool_manager=pool_manager,
@@ -162,7 +167,7 @@ trainer = Trainer(
     splitter=splitter,
     target_col=target_col,
     feature_cols=feature_cols,
-    persist_model=PERSIST_MODEL,
+    persist_model=False,  # 禁用自动保存，手动保存以包含因子信息
 )
 # %% md
 # ### 4.2 执行训练
@@ -577,3 +582,17 @@ if zero_importance:
         print(f"  - {feat}")
 else:
     print("\n所有特征都有一定重要性")
+
+# 保存模型和因子信息（如果启用）
+if SAVE_MODEL:
+    print("\n" + "=" * 80)
+    print("保存模型和因子信息")
+    print("=" * 80)
+    model_save_path = get_model_save_path(TRAINING_TYPE)
+    if model_save_path:
+        save_model_with_factors(
+            model=model,
+            model_path=model_save_path,
+            selected_factors=SELECTED_FACTORS,
+            factor_definitions=FACTOR_DEFINITIONS,
+        )