feat(training): 添加数据过滤器支持及 ST 股票过滤

- 新增 filters.py 模块，实现 BaseFilter 抽象类和 STFilter 过滤器
- 在 Trainer 中支持 filters 参数，可在股票池筛选之前执行数据过滤
- 更新 training/__init__.py 导出 BaseFilter 和 STFilter
- 在 regression.py 中集成 STFilter，用于过滤 ST 股票

src/training/components/filters.py

@@ -0,0 +1,142 @@
+"""数据过滤器组件
+
+提供股票数据过滤功能，在因子计算后、市值筛选前执行。
+与 Processor 不同，Filter 是无状态的筛选操作。
+"""
+
+from abc import ABC, abstractmethod
+from typing import TYPE_CHECKING, Set
+
+import polars as pl
+
+if TYPE_CHECKING:
+    from src.factors.engine.data_router import DataRouter
+
+
+class BaseFilter(ABC):
+    """数据过滤器基类
+
+    Filter 用于从数据中移除不符合条件的行（股票）。
+    与 Processor 不同：
+    - Filter 是无状态的，不需要 fit
+    - Filter 删除整行数据，而不是变换列值
+    - Filter 每日独立执行
+    """
+
+    name: str = ""
+
+    @abstractmethod
+    def filter(self, data: pl.DataFrame) -> pl.DataFrame:
+        """执行过滤
+
+        Args:
+            data: 输入数据，必须包含 ts_code 和 trade_date 列
+
+        Returns:
+            过滤后的数据
+        """
+        raise NotImplementedError
+
+
+class STFilter(BaseFilter):
+    """ST 股票过滤器
+
+    过滤掉每日的 ST 股票（包括 ST、*ST、S*ST、SST 等）。
+    从 stock_st 表获取每日 ST 股票列表进行过滤。
+
+    Attributes:
+        data_router: 数据路由器，用于获取 stock_st 表数据
+        code_col: 股票代码列名
+        date_col: 日期列名
+    """
+
+    name = "st_filter"
+
+    def __init__(
+        self,
+        data_router: "DataRouter",
+        code_col: str = "ts_code",
+        date_col: str = "trade_date",
+    ):
+        """初始化 ST 过滤器
+
+        Args:
+            data_router: 数据路由器，用于查询 stock_st 表
+            code_col: 股票代码列名
+            date_col: 日期列名
+        """
+        self.data_router = data_router
+        self.code_col = code_col
+        self.date_col = date_col
+        # 缓存：{date: set(stock_codes)}
+        self._st_cache: dict = {}
+
+    def filter(self, data: pl.DataFrame) -> pl.DataFrame:
+        """过滤 ST 股票
+
+        按日期分组，每日独立从 stock_st 表获取 ST 列表并过滤。
+
+        Args:
+            data: 因子计算后的数据，包含 ts_code 和 trade_date
+
+        Returns:
+            过滤后的数据（不含 ST 股票）
+        """
+        dates = data.select(self.date_col).unique().sort(self.date_col)
+
+        result_frames = []
+        for date in dates.to_series():
+            # 获取当日数据
+            daily_data = data.filter(pl.col(self.date_col) == date)
+            daily_codes = daily_data.select(self.code_col).to_series().to_list()
+
+            # 获取当日 ST 股票列表
+            st_codes = self._get_st_codes_for_date(date)
+
+            # 过滤掉 ST 股票
+            daily_filtered = daily_data.filter(~pl.col(self.code_col).is_in(st_codes))
+
+            result_frames.append(daily_filtered)
+
+            # 打印过滤信息
+            n_removed = len(daily_codes) - len(daily_filtered)
+            if n_removed > 0:
+                print(f"  [{date}] 过滤 {n_removed} 只 ST 股票")
+
+        return pl.concat(result_frames)
+
+    def _get_st_codes_for_date(self, date: str) -> Set[str]:
+        """从 stock_st 表获取指定日期的 ST 股票代码
+
+        Args:
+            date: 日期 "YYYYMMDD"
+
+        Returns:
+            ST 股票代码集合
+        """
+        # 检查缓存
+        if date in self._st_cache:
+            return self._st_cache[date]
+
+        try:
+            from src.factors.engine.data_spec import DataSpec
+
+            # 查询 stock_st 表获取当日所有 ST 股票
+            data_specs = [DataSpec("stock_st", [self.code_col])]
+            df = self.data_router.fetch_data(
+                data_specs=data_specs,
+                start_date=date,
+                end_date=date,
+                stock_codes=None,  # 获取当日全部 ST 股票
+            )
+
+            # 提取 ST 股票代码
+            st_codes = set(df[self.code_col].to_list()) if len(df) > 0 else set()
+
+            # 缓存结果
+            self._st_cache[date] = st_codes
+            return st_codes
+
+        except Exception as e:
+            print(f"[警告] 获取 {date} ST 股票列表失败: {e}")
+            return set()