القائمة
为 SignalAgent 生成时间序列训练集、验证集和 walk-forward 验证切分，供参数搜索、遗传算法评估、复盘和稳健性检查使用。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | data-split |
| description | 为 SignalAgent 生成时间序列训练集、验证集和 walk-forward 验证切分，供参数搜索、遗传算法评估、复盘和稳健性检查使用。 |
| license | Proprietary project skill |
当 SignalAgent 已经拿到目标资产的 OHLCV 主数据文件后，应先生成标准数据切分，再进入策略参数搜索或遗传算法评估。后续服务应读取同一份 split_manifest.json，避免各环节自行切分导致口径不一致。
python -m strategy_lab.cli signal split-data [DATA_PATH] --run-state-path RUN_STATE_PATH [OPTIONS]
如果传了 DATA_PATH，服务使用该文件作为源数据；如果不传 DATA_PATH，服务从 run_state.json 的 steps.data_acquisition.primary_dataset 读取主数据文件。
常用参数：
--run-state-path
signal run 的 run_state.json。推荐传入。
--output-dir
切分产物输出目录。不传且提供 run_state_path 时，默认写入 artifacts/signal_runs/{run_id}/data/splits。
--train-ratio
全样本 train/validation 切分中的训练集比例，默认 0.70。
--fold-count
walk-forward fold 数量，默认 3。
--fold-train-ratio
walk-forward 中每个 fold 的最小训练窗口比例，默认 0.60。
--fold-validation-ratio
walk-forward 中每个 fold 的验证窗口比例，默认 0.20。
--min-train-rows
每个训练窗口最少行数，默认 60。
--min-validation-rows
每个验证窗口最少行数，默认 20。
默认输出目录：
artifacts/signal_runs/{run_id}/data/splits/
train.parquet
validation.parquet
split_manifest.json
walk_forward/
fold_001/
context.parquet
train.parquet
validation.parquet
fold_002/
context.parquet
train.parquet
validation.parquet
context.parquet = train + validation。它用于 walk-forward 回测：训练段数据只作为策略计算指标的历史上下文，真正下单和计分只发生在 evaluation_start 到 evaluation_end。
split_manifest.json 会记录源数据、切分参数、每个数据文件路径、每段日期范围、行数、字段列表、context_path、evaluation_start 和 evaluation_end。后续参数搜索服务应优先读取这个 manifest。
datetime 升序执行，不随机打乱。train.parquet 和 validation.parquet 是全样本的一次性训练/验证切分。walk_forward 使用扩展训练窗口：越往后的 fold 使用越长的历史训练区间，并用随后的连续区间做验证。context.parquet，用于避免均线、RSI、波动率等指标在验证段开头缺少历史。只传 run_state.json，让服务自动读取主数据并写入标准目录：
python -m strategy_lab.cli signal split-data --run-state-path artifacts/signal_runs/signal_000300_20260506_210000/run_state.json
显式指定源数据和 fold 数：
python -m strategy_lab.cli signal split-data artifacts/signal_runs/signal_000300_20260506_210000/data/000300.parquet --run-state-path artifacts/signal_runs/signal_000300_20260506_210000/run_state.json --fold-count 5
为 BudgetAgent 汇总已登记的信号层资产行情数据，生成预算层统一 OHLCV 面板、收益率宽表和数据清单。
为 BudgetAgent 基于预算层统一多资产行情面板生成 train、validation 和 walk-forward 数据切分。
指导 BudgetAgent 在预算层训练结束时登记最终选择的预算策略，生成最终选择报告并更新 budget_run_state.json。
指导 BudgetAgent 按结构化预算策略规范生成 budget_policy_config.json、budget_policy_spec.md、param_space.json 和 budget_policy_meta.json。
指导 BudgetAgent 一次性评估单个或多个预算层策略，生成参数搜索、回测摘要、阶段归因和横向排名产物。
为 BudgetAgent 生成预算层资产池画像；第一步自动补全资产简称、类型、市场、行业/主题等元数据。