原六个加脑机接口、氢能、深海科技、固态电池；太空光伏收进商业航空航天

config.py

@@ -114,3 +114,8 @@ UPSTREAM_MEMBER_CAP = int(os.environ.get("UPSTREAM_MEMBER_CAP", "600"))
 # 再交赛道成员，观察档的产业链锚也并入赛道成员。
 TRACKS_YML = os.environ.get("TRACKS_YML", "config/frontier_tracks.yml")
 ENABLE_TRACK_GATE = os.environ.get("ENABLE_TRACK_GATE", "0") == "1"
+
+# --- 重大风险股闸（07-31 拍板：默认杜绝）-------------------------------------
+# ST / *ST / S(S)T / 退市族按证券简称识别，默认挡在档位之外——gate 记 0（不采纳），
+# 因此不进主榜、观察档、计划与升降档。研究口径想看全貌时置 0 关闭。
+EXCLUDE_RISK_NAMES = os.environ.get("EXCLUDE_RISK_NAMES", "1") == "1"

config/frontier_tracks.yml

@@ -2,7 +2,9 @@
 # 十五五前沿赛道 · 产业链映射（硬门槛 C 的唯一事实源）
 # 规格出处：《量化因子导出与合成设计》v2.0 §3.2（tracks.py + config/frontier_tracks.yml）
 #
-# 版本：v0.2 草案（2026-07-30 晚：按环节投影首跑的链名清单补图谱双轨；待逐条 review 转正）
+# 版本：v1.0 转正（2026-07-31 用户批：13 条拍板"全按建议"——太空光伏收进商业
+#         航空航天，其余边界主题/链维持不收；四个候选赛道全部转正。§9-2 关闭，
+#         赛道清单 = 十个 confirmed。行内"已拍"注释即拍板记录，勿删。）
 # 映射源：industry_pools 07-29 快照（317 池）+ G1 覆盖初判（07-27）
 #         + segment_members_projection 首跑链名清单（07-30，用户实测回传）
 # 行尾注释里的数字 = 主题成员数（池口径）或链/环节的上市成员数（投影口径），会随涌现增长
@@ -13,7 +15,7 @@
 #   kg_segments 环节名 → 图谱环节（强锚，graph_segment；环节层碎，平均 2.2 成员/组，
 #               所以以链名为主、环节名点睛）
 #   kg_concepts 概念标签——等 claims 口径体检后再启用，暂全空。
-#   status: confirmed = §3.2 已明确 | candidate = 覆盖非空、待 §9-2 定夺
+#   status: 全部 confirmed（07-31 起；曾有 candidate 一档，§9-2 关闭后不再使用）
 #   layer（材料→设备→制造→应用）按评审结论不阻塞 G2，本版不标。
 # 数据卫生备忘：投影里有 578 条空串链名（抽取时未写链修饰的边）——映射侧已忽略。
 # =============================================================================
@@ -47,10 +49,11 @@ tracks:
       - 低轨卫星产业链              # 18
       - 卫星导航                    # 5
       - 卫星终端                    # 4
+      - 太空光伏                    # 23【已拍 07-31：收——航天应用属性明确】
     kg_chains: [商业航天, 卫星, 卫星互联网, 航天]   # 36/31/17/14
     kg_segments: []
     kg_concepts: []
-    # TODO(拍板): 太空光伏(23) 归航天还是能源？大飞机(11) 属航空非航天，本版未收。
+    # 已拍(07-31): 大飞机(11) 不收——民航制造，航天与低空都不贴。
 
   - name: 通信
     status: confirmed
@@ -67,7 +70,7 @@ tracks:
     kg_chains: [光通信, 通信, 光模块]               # 68/38/15
     kg_segments: []
     kg_concepts: []
-    # TODO(拍板): 网络端(15 主题/14 链)、ICT(6) 名称含混，两侧均未收。
+    # 已拍(07-31): 网络端(15 主题/14 链)、ICT(6) 不收——名称含混。
 
   - name: 算力
     status: confirmed
@@ -96,9 +99,10 @@ tracks:
     kg_chains: [AIDC, AI 服务器, AI 基础设施, 先进封装]   # 28/15/15/18
     kg_segments: []
     kg_concepts: []
-    # TODO(拍板): PCB(67 主题/24 链) 偏泛收不收；散热材料(14)/热管理(14)/柴油发电机组(9,备电) 是否入链。
+    # 已拍(07-31): PCB(67 主题/24 链) 不收——AIPCB 已收够用；散热材料(14)/
-    # TODO(拍板): 泛半导体链（半导体117/集成电路32/封测25/半导体设备16）收不收——
+    # 热管理(14)/柴油发电机组(9) 不收——混消费电子与通用工业。
-    # 收了"算力"会宽成"半导体"，且十五五清单里半导体不是独立赛道，先未收。
+    # 已拍(07-31): 泛半导体链（半导体117/集成电路32/封测25/半导体设备16）不收——
+    # 收了"算力"会宽成"半导体"，且十五五清单里半导体不是独立赛道。
 
   - name: 人工智能
     status: confirmed
@@ -116,8 +120,8 @@ tracks:
     kg_chains: [人形机器人]                          # 78
     kg_segments: []
     kg_concepts: []
-    # TODO(拍板): 机器人(212 主题/86 链) 含大量工业机器人存量，偏泛——两侧均未收。
+    # 已拍(07-31): 机器人(212 主题/86 链) 不收——工业机器人存量大，人形机器人已收。
-    # TODO(拍板): 与"算力"的边界：AI 基础设施类主题本版归算力，AI 应用类归本赛道。
+    # 边界口径：AI 基础设施类主题归算力，AI 应用类归本赛道（v0.1 起沿用）。
 
   - name: 低空经济
     status: confirmed
@@ -128,12 +132,12 @@ tracks:
     kg_chains: [低空经济]                            # 24
     kg_segments: []
     kg_concepts: []
-    # TODO(拍板): 大飞机(11) 通用航空口径是否入。
+    # 已拍(07-31): 大飞机(11) 不收（同商业航空航天条目的拍板）。
 
-  # ---- 以下 candidate：G1 初判覆盖非空，进不进清单等 §9-2 拍板 ----
+  # ---- 以下四个赛道 07-31 由 candidate 转正（用户批"全按建议"）----
 
   - name: 脑机接口
-    status: candidate
+    status: confirmed
     aliases: []
     kg_themes:
       - 脑机接口                    # 51
@@ -142,7 +146,7 @@ tracks:
     kg_concepts: []
 
   - name: 氢能
-    status: candidate
+    status: confirmed
     aliases: []
     kg_themes:
       - 氢能                        # 68
@@ -150,10 +154,10 @@ tracks:
     kg_chains: [SOFC]                                # 20
     kg_segments: []
     kg_concepts: []
-    # TODO(拍板): 绿色甲醇(31 主题/18 链) 绿色燃料口径是否并入。
+    # 已拍(07-31): 绿色甲醇(31 主题/18 链) 不收——保持氢能纯度，将来可单列绿色燃料。
 
   - name: 深海科技
-    status: candidate
+    status: confirmed
     aliases: []
     kg_themes:
       - 深海科技                    # 20
@@ -164,7 +168,7 @@ tracks:
     # LIKE '%深海%' 对 chain 和 segment_name 各查一次再补。
 
   - name: 固态电池
-    status: candidate
+    status: confirmed
     aliases: []
     kg_themes:
       - 固态电池                    # 93
@@ -172,8 +176,8 @@ tracks:
     kg_chains: [固态电池]                            # 41
     kg_segments: []
     kg_concepts: []
-    # 备注：是否算"十五五前沿"待 §9-2；若不算独立赛道可并入新能源体系不进 C。
+    # 已拍(07-31): 作为独立赛道转正；锂电池(63)/锂电(52)/锂离子电池(14)/
-    # TODO(拍板): 锂电池(63)/锂电(52)/锂离子电池(14)/电池(38) 等链名太宽，均未收。
+    # 电池(38) 等链名太宽，均不收——保持固态电池纯度。
 
 # =============================================================================
 # 排除清单

docs/选股说明_下游对接.md

@@ -0,0 +1,58 @@
+# 每日选股计划 · 下游对接说明
+
+（akg-factor-bridge 产出，2026-07-31 版）
+
+## 系统逻辑，一句话
+
+基于 A 股产业知识图谱的"景气度漏斗"：每个交易日早晨，从约 2400 只覆盖股中找出
+**被前一交易日异动板块沿产业链指向、自身还没动、热度还低、券商预期仍有空间**的
+标的，按置信度分档，给出全局可排序的名单。
+
+核心信号是"传导"：某板块昨日异动，知识图谱知道它的上下游与供应链，顺着链找到
+"下一个"还没动的环节及其成员。热度与估值只做组内排序，不喧宾夺主。
+
+## 节奏与获取
+
+- 生成时间：每个交易日早晨约 07:15 前就绪（周二至周六晨跑；周一盘前读周六那期）。
+- 数据基准：上一交易日收盘的行情与资金热度、截至当日凌晨的券商一致预期与公告图谱。
+- 获取（桥机 8300 端口，局域网 HTTP）：
+  - `GET /plan` —— 最新一期，JSON（main / observe / changes 三段）；
+  - `GET /plan?format=md` —— 同内容 Markdown，浏览器可读；
+  - `GET /plan?date=YYYY-MM-DD` —— 指定期。**日期 = 数据日（上一交易日）**，
+    例如周五早晨这期的日期是周四；查不到返回 404；
+  - `GET /plan/dates` —— 可取日期列表；`GET /health` —— 存活探测。
+- 展示默认：主榜前 20、观察档前 10、每个传导主题最多 5 只（防单板块刷屏）。
+  JSON 的 counts 字段给全量规模；要更长名单可带参数（top / obs_top / theme_cap），
+  或直接读平台因子表 t_factor_akg_score / t_factor_akg_gate 取全量。
+
+## 三档结构与数量预期
+
+| 档位 | 判据 | 分数区间 | 典型规模 |
+|---|---|---|---|
+| 主榜 | 有券商一致预期，且目标价不低于现价 | 190~250 | 950~1000 只 |
+| 观察档 | 无券商覆盖，但在图谱传导链上（无估值锚，置信度低） | 90~110 | 80~110 只 |
+| 不采纳 | 两类锚都没有，或目标价低于现价 | 不出行 | 其余 |
+
+- 分数全局可排序，150 为主榜与观察档的天然分界。
+- 主榜内部 = 200 + 传导档位×20 + 组内分：强传导（多个异动源指向、强度高）>
+  弱传导 > 无传导，同档内按"还没热、还便宜"排。
+- **强传导档的规模随市场结构波动**：取决于前一交易日有几个板块异动并有效传导，
+  典型 1~5 个主题、合计几只到几十只；无板块传导的日子主榜靠"冷+便宜"排序。
+- 每只候选带证据：传导主题（几个异动源、同板块已动比例）、热度（0~1）、预期空间。
+- changes 段（升降档）：覆盖新增、估值闸翻转、传导链进出引起的档位变动，每日
+  几十只量级——"首次覆盖 / 新进传导链"本身是有信息量的事件。
+
+## 口径须知
+
+- **预期空间的绝对值偏高**（一致预期取 90 天内全部研报的简单平均，且券商研报
+  报喜不报忧），请当**相对排序**用，不要当收益预测读。
+- 热度是生态内日频资金热度分（0~1），次日到达，系统已按可得的最新日对齐。
+- **ST / *ST / 退市族默认已被重大风险闸挡在名单之外**（按证券简称识别，系统
+  参数可关——关了才会出现）。
+- 升降档每条带原因标注：首次覆盖 / 估值转正 / 新进传导链 / 估值转负 /
+  离开传导链等（启发式归类，精确审计以档位表与因子表为准）。
+- 赛道硬门槛（十五五前沿产业链：核聚变、商业航天、通信、算力、人工智能、
+  低空经济等）已建成、暂未启用。启用后主榜将收窄为"赛道内"子集（按当前
+  测算约为现规模的三分之一），届时另行通知。
+- 传导史自 2026-07 起为纯实时积累，无回填历史；系统各环节的判定依据均可
+  审计（每只候选可回溯到具体的图谱边、异动台账与研报行）。

factors.py

@@ -347,6 +347,38 @@ def _panel(ds: str) -> pd.DataFrame:
     return pd.concat([up, ht, tr], axis=1)
 
 
+_RISK_PREFIXES = ("*ST", "ST", "SST", "S*ST", "退市")
+
+
+def _risk_set() -> set:
+    """重大风险名单（07-31 拍板：默认杜绝）：按证券简称识别 ST/*ST/退市族。
+
+    名称来自 industry_pools 成员表；开关 config.EXCLUDE_RISK_NAMES（默认开）。
+    加载失败只告警不中止——宁可当天不过滤，也不让计划断产。"""
+    if not config.EXCLUDE_RISK_NAMES:
+        return set()
+    import json
+    try:
+        pools = db.read_pg("SELECT members FROM industry_pools")
+    except Exception as e:  # noqa: BLE001
+        print(f"  ⚠️ 风险名单加载失败（本轮不过滤）: {e!r}")
+        return set()
+    out = set()
+    for _, r in pools.iterrows():
+        ms = r["members"]
+        if isinstance(ms, str):
+            ms = json.loads(ms)
+        for m in ms or []:
+            ts = (m or {}).get("ts_code")
+            name = str((m or {}).get("name") or "").replace(" ", "")
+            if ts and (name.startswith(_RISK_PREFIXES) or name.endswith("退")):
+                out.add(common.to_prefix(ts))
+    if out:
+        print(f"  (重大风险闸: {len(out)} 只 ST/退市族挡在档位外，"
+              f"EXCLUDE_RISK_NAMES=0 可关)")
+    return out
+
+
 def _track_set():
     """已转正赛道的成员集合（前缀码）。C 闸未启用时返回 None。"""
     if not config.ENABLE_TRACK_GATE:
@@ -360,11 +392,12 @@ def _track_set():
         return None
 
 
-def _gate_of(p: pd.DataFrame, track_set) -> pd.Series:
+def _gate_of(p: pd.DataFrame, track_set, risk_set=None) -> pd.Series:
     """三档（07-30 拍板）：
     2 = 主榜：有业绩锚（券商覆盖且 upside>=0）；C 闸开启后再交赛道成员；
     1 = 观察档：无业绩锚但有产业链锚（当前=在传导链上；C 转正后并入赛道成员）；
-    0 = 不采纳：两锚皆无，或有覆盖但 upside<0（贵了不买是绝对下限）。"""
+    0 = 不采纳：两锚皆无，有覆盖但 upside<0（贵了不买是绝对下限），
+        或命中重大风险闸（ST/退市族，07-31 拍板默认杜绝）。"""
     covered = p["upside"].notna()
     chain = p["transmission"].fillna(0.0) > 0
     if track_set:
@@ -376,6 +409,8 @@ def _gate_of(p: pd.DataFrame, track_set) -> pd.Series:
         main = main & in_track
     g[main] = 2.0
     g[(~covered) & chain] = 1.0
+    if risk_set:
+        g[p.index.isin(risk_set)] = 0.0
     return g
 
 
@@ -391,12 +426,13 @@ def build_gate(start, end):
     """akg_gate ∈ {0,1,2}：全池出行——让平台看得见门槛本身，不只是池内排序。
     history 模式逐日重算三路子因子，区间大会慢；建议 daily / 短区间。"""
     ts = _track_set()
+    rs = _risk_set()
     rows = []
     for ds in _days_of(start, end):
         p = _panel(ds)
         if p.empty:
             continue
-        g = _gate_of(p, ts)
+        g = _gate_of(p, ts, rs)
         rows.append(pd.DataFrame({"trade_date": ds, "stock_code": g.index,
                                   "factor_value": g.values}))
     return pd.concat(rows, ignore_index=True) if rows else _EMPTY
@@ -405,19 +441,20 @@ def build_gate(start, end):
 def build_score(start, end):
     """akg_score：先档后分，仅 gate>0 出行，数值直接可排序。
 
-    主榜 = 200 + 传导档位×10 + 组内分：传导票按 log 传导分的组内中位数分成
+    主榜 = 200 + 传导档位×20 + 组内分：传导票按 log 传导分的组内中位数分成
     强(2)/弱(1)两档，无传导 0 档；组内分 = 0.6·z(−热度) + 0.4·z(upside)，
     即"还没热、还便宜"。观察档 = 100 + 0.6·z(传导) + 0.4·z(−热度)——无估值锚，
     低置信。**档位步长 20、组内分夹 ±9.9**：组内分全幅 19.8 小于步长，
     先档后分的词典序才真正成立（步长 10 会档间重叠，07-30 交付当天修正）。
     z 都在各自档内算；缺失处置同设计 §3.4：传导缺=0，热度缺=档内中位数。"""
     ts = _track_set()
+    rs = _risk_set()
     out = []
     for ds in _days_of(start, end):
         p = _panel(ds)
         if p.empty:
             continue
-        g = _gate_of(p, ts)
+        g = _gate_of(p, ts, rs)
 
         P = p[g == 2.0].copy()                       # ---- 主榜
         if not P.empty:

plan.py

@@ -158,9 +158,44 @@ def collect(date: str | None = None, top: int = 20, obs_top: int = 10,
         up_df = both[both["cur"] > both["prev"]].sort_values("cur", ascending=False)
         down_df = both[both["cur"] < both["prev"]].sort_values("prev", ascending=False)
 
+        # ---- 升降原因（07-31 加）：区分首次覆盖 / 估值转正 / 新进传导链等。
+        # 依据前一日的 upside / 传导因子表；表空时现算兜底。原因是启发式归类
+        # （取最主要的一条），精确审计以档位表与因子表为准。
+        prev_up = _factor("t_factor_akg_upside", prev_ds)
+        if prev_up.empty:
+            try:
+                import factors
+                dfu = factors.build_upside(prev_ds, prev_ds)
+                if dfu is not None and not dfu.empty:
+                    x = dfu.copy()
+                    x["k"] = x["stock_code"].map(common.to_prefix)
+                    prev_up = x.groupby("k")["factor_value"].max().astype(float)
+            except Exception:  # noqa: BLE001 —— 兜底失败则原因退化为通用文案
+                pass
+        prev_tr = _factor("t_factor_akg_transmission", prev_ds)
+
+        def _why(k: str, pg: float, cg: float) -> str:
+            if cg == 2.0:                              # 升入主榜
+                pu = _val(prev_up, k)
+                if pu is None:
+                    return "首次覆盖"
+                return "估值转正" if pu < 0 else "重获资格"
+            if cg == 1.0:                              # 升入观察档
+                pt = _val(prev_tr, k)
+                return "新进传导链" if pt is None or pt <= 0 else "档位调整"
+            if pg == 2.0:                              # 从主榜降出
+                cu = _val(upside, k)
+                if cu is None:
+                    return "覆盖脱落"
+                return "估值转负" if cu < 0 else "风险闸/档位调整"
+            if pg == 1.0:                              # 从观察档降出
+                return "离开传导链" if k not in ev else "风险闸/档位调整"
+            return "出入面板"
+
         def _mv(d: pd.DataFrame):
             return [{"code": k, "name": names.get(k),
-                     "from": lab.get(r["prev"], "?"), "to": lab.get(r["cur"], "?")}
+                     "from": lab.get(r["prev"], "?"), "to": lab.get(r["cur"], "?"),
+                     "reason": _why(k, r["prev"], r["cur"])}
                     for k, r in d.iterrows()]
 
         changes = {"base_date": prev_ds,
@@ -245,6 +280,7 @@ def render_md(d: dict) -> str:
             L.append("")
             L.append("**升档**：")
             L += [f"- {m['code']} {m['name'] or ''}：{m['from']} → {m['to']}"
+                  f"（{m.get('reason', '—')}）"
                   for m in ch["upgrades"]]
             if ch["upgrades_total"] > len(ch["upgrades"]):
                 L.append(f"- ……共 {ch['upgrades_total']} 只，其余见档位表")
@@ -252,6 +288,7 @@ def render_md(d: dict) -> str:
             L.append("")
             L.append("**降档**：")
             L += [f"- {m['code']} {m['name'] or ''}：{m['from']} → {m['to']}"
+                  f"（{m.get('reason', '—')}）"
                   for m in ch["downgrades"]]
             if ch["downgrades_total"] > len(ch["downgrades"]):
                 L.append(f"- ……共 {ch['downgrades_total']} 只，其余见档位表")

run.py

@@ -206,7 +206,11 @@ def main():
         print(f"\nconfirmed 成员表快照: {out}"
               f"（{df['ts_code'].nunique()} 只，{len(df)} 行 股票×赛道）")
         if missing:
-            print(f"⚠️ {len(missing)} 个主题在 industry_pools 里没找到（见体检表）")
+            print(f"⚠️ {len(missing)} 个映射键未命中（明细见体检表各行）")
+        try:
+            tracks.gate_simulation()
+        except Exception as e:  # noqa: BLE001 —— 演算失败不影响体检本体
+            print(f"（赛道闸演算失败: {e!r}）")
     elif a.cmd == "build":
         cmd_build(a.factor, a.mode, a.start, a.end, a.date, do_freeze=not a.no_freeze)
 

tracks.py

@@ -166,3 +166,53 @@ def coverage_report(path: str | None = None) -> pd.DataFrame:
     n_conf_graph = conf[conf["source_rule"] != "pool_theme"]["ts_code"].nunique()
     print(f"  —— confirmed 合计（去重）: {n_conf} 只，其中带图谱锚 {n_conf_graph} 只")
     return df
+
+
+def gate_simulation(path: str | None = None) -> None:
+    """赛道闸演算（只读）：若 ENABLE_TRACK_GATE 置 1，主榜/观察档变成什么规模。
+
+    口径与开闸后的 factors._gate_of 一致：
+      主榜'   = 现主榜 ∩ 赛道成员；
+      观察档' = 现观察档 ∪（无券商预期 ∧ 在赛道 ∧ 现为不采纳 ∧ 非风险股）。
+    读最新档位 / upside 因子表与 confirmed 成员表，不写任何东西。"""
+    import common
+
+    d = db.read_mysql("factor", "SELECT MAX(trade_date) d FROM t_factor_akg_gate")
+    v = None if d.empty else d.iloc[0, 0]
+    if v is None or pd.isna(v):
+        print("（尚无档位表，跳过赛道闸演算）")
+        return
+    ds = pd.Timestamp(v).date().isoformat()
+    g = db.read_mysql("factor", "SELECT stock_code, factor_value "
+                                "FROM t_factor_akg_gate WHERE trade_date = %s", (ds,))
+    up = db.read_mysql("factor", "SELECT stock_code FROM t_factor_akg_upside "
+                                 "WHERE trade_date = %s", (ds,))
+    gate = g.set_index("stock_code")["factor_value"].astype(float)
+    covered = set(up["stock_code"]) if not up.empty else set()
+    df, _missing = resolve_members(only_confirmed=True, path=path)
+    if df.empty:
+        print("（赛道成员表为空，跳过演算）")
+        return
+    by_track = {t: {common.to_prefix(x) for x in sub["ts_code"]}
+                for t, sub in df.groupby("track")}
+    tset = set().union(*by_track.values())
+    try:
+        import factors
+        risk = factors._risk_set()  # noqa: SLF001 —— 同仓自用
+    except Exception:  # noqa: BLE001 —— 风险名单拿不到时演算照做
+        risk = set()
+    main_now = set(gate[gate == 2.0].index)
+    obs_now = set(gate[gate == 1.0].index)
+    main_after = main_now & tset
+    obs_extra = {k for k in tset
+                 if k not in covered and gate.get(k) == 0.0 and k not in risk}
+    obs_after = obs_now | obs_extra
+    print(f"\n赛道闸演算（截面 {ds}，假想 ENABLE_TRACK_GATE=1）：")
+    print(f"  主榜: {len(main_now)} → {len(main_after)}"
+          f"（保留 {len(main_after) / max(1, len(main_now)):.0%}）")
+    print(f"  观察档: {len(obs_now)} → {len(obs_after)}"
+          f"（并入赛道内无覆盖股 +{len(obs_extra)}）")
+    parts = [f"{t} {len(main_now & s)}"
+             for t, s in sorted(by_track.items(),
+                                key=lambda kv: -len(main_now & kv[1]))]
+    print(f"  逐赛道主榜贡献（跨赛道有重叠）: {' | '.join(parts)}")