fix(data): 修复财务因子计算非确定性问题

重构 financial_loader 的去重逻辑，确保截面排名计算的股票集合一致：
- 引入"高水位线"算法剔除陈旧历史财报（解决2026年发布2021年财报的问题）
- 改变去重策略：按报告期(end_date)而非更新标识(update_flag)保留最新数据
- 扩展回看期从1年到2年，防止ST/停牌公司财报缺失
- 确保相同交易日在不同查询范围下返回一致的财务数据

src/data/financial_loader.py

@@ -49,7 +49,13 @@ class FinancialLoader:
             清洗后的 Polars DataFrame，已排序，f_ann_date 为 pl.Date 类型
         """
         # 确保包含必要字段
-        required_cols = {"ts_code", "f_ann_date", "report_type", "update_flag"}
+        required_cols = {
+            "ts_code",
+            "f_ann_date",
+            "report_type",
+            "update_flag",
+            "end_date",
+        }
         query_cols = list(set(columns) | required_cols)
 
         # 从数据库加载原始数据
@@ -61,32 +67,51 @@ class FinancialLoader:
         # 步骤1: 仅保留合并报表 (report_type 可能是字符串或整数)
         df = df.filter(pl.col("report_type") == 1)
 
-        # 步骤2: 按 update_flag 降序排列后去重
+        # 步骤2: 添加辅助列用于排序和过滤
         df = df.with_columns(
-            [pl.col("update_flag").cast(pl.Int32).alias("update_flag_int")]
+            [
+                # 将报告期 20231231 转为整数
+                pl.col("end_date").cast(pl.Int32).alias("end_date_int"),
+                # 将更新标识转为整数，容错处理 null 和空字符串
+                pl.col("update_flag")
+                .fill_null("0")
+                .cast(pl.Int32, strict=False)
+                .fill_null(0)
+                .alias("update_flag_int"),
+            ]
         )
 
-        # 排序：ts_code, f_ann_date 升序；update_flag 降序
-        df = df.sort(
-            ["ts_code", "f_ann_date", "update_flag_int"],
-            descending=[False, False, True],
+        # 步骤3: 绝对确定性排序
+        # 按照: 股票代码(升序) -> 公告日(升序) -> 报告期(升序) -> 更新标识(升序)
+        # 这样排序后，同一天发布的多份报表中，end_date最大、update_flag最新的，
+        # 必然排在这一天的最后面
+        df = df.sort(["ts_code", "f_ann_date", "end_date_int", "update_flag_int"])
+
+        # 步骤4: 核心算法 - 计算截至每一个公告日，市场"见过的"最新报告期（最高水位线）
+        df = df.with_columns(
+            pl.col("end_date_int").cum_max().over("ts_code").alias("max_end_date_seen")
         )
 
-        # 去重：保留每个 (ts_code, f_ann_date) 的第一条（update_flag 最高的）
-        df = df.unique(subset=["ts_code", "f_ann_date"], keep="first")
+        # 步骤5: 剔除"历史包袱"（解决2026年发2021年财报的问题）
+        # 如果今天发布的财报，它的 end_date 小于我们之前已经见过的最大值，
+        # 说明它是陈旧的追溯调整，直接抛弃！
+        df = df.filter(pl.col("end_date_int") == pl.col("max_end_date_seen"))
 
-        # 移除临时列
-        df = df.drop("update_flag_int")
+        # 步骤6: 唯一化处理：满足 join_asof 的前置要求
+        # 经过上述处理后，同一个 f_ann_date 的最后一行，必定是 end_date 最大的那一份
+        # 我们只保留这最后一行，确保每个 f_ann_date 只有唯一的一条记录暴露给行情去 join
+        df = df.unique(subset=["ts_code", "f_ann_date"], keep="last")
 
-        # 步骤3: 确保 f_ann_date 是 Date 类型并排序
-        # 数据库返回的必须是 Date 类型，如果不是则报错
+        # 步骤7: 清理临时辅助列
+        df = df.drop(["end_date_int", "update_flag_int", "max_end_date_seen"])
+
+        # 步骤8: 确保 f_ann_date 是 Date 类型并排序（join_asof 要求）
         if df["f_ann_date"].dtype != pl.Date:
             raise TypeError(
                 f"f_ann_date 必须是 Date 类型，实际类型为 {df['f_ann_date'].dtype}. "
                 f"请检查数据库表结构，确保日期字段为 DATE 类型。"
             )
 
-        # 最终排序（join_asof 要求）
         df = df.sort(["ts_code", "f_ann_date"])
 
         return df
@@ -168,14 +193,14 @@ class FinancialLoader:
         self,
         start_date: str,
         end_date: str,
-        lookback_years: int = 1,
+        lookback_years: int = 2,
     ) -> tuple[str, str]:
         """计算包含回看期的日期范围。
 
         Args:
             start_date: 原始开始日期（YYYYMMDD）
             end_date: 原始结束日期（YYYYMMDD）
-            lookback_years: 回看年数（默认1年）
+            lookback_years: 回看年数（默认2年，防止ST/停牌公司财报缺失）
 
         Returns:
             (扩展后的开始日期, 结束日期)