docs(spec): §19.11 P1支持决策记录+可选backlog三项设计(vb2026H1回补/forecast-express补史/dividend年度收编) [nas]

docs/superpowers/specs/2026-07-21-data-source-fusion-design.md

@@ -908,6 +908,42 @@ NAS 空目录) ②257bd3b 引入注释断行语法死(裸引号未闭合致整
 7195aa6 修回)——**shell 改完必跑 bash -n,CI 只覆盖 pytest 救不了 shell** ③skip-if-exists
 (期文件 write-once,53 文件无需每日重拉)。
 
+### 19.11 P1 支持决策记录 + 可选 backlog 设计(2026-09-08 晚,用户拍板 compact 后执行)
+
+**决策记录(factor×data 双方落定)**:
+- gdhs 补史=做,已落地(§19.10);源头边界 2013Q1 实测钉死,更早无免费方案,如实记档
+- dividend 2027 增量=当期不做(YAGNI),方案留 backlog-c
+- E08 CCC=三表自算(DSO+DIO−DPO,复用 NOTICE_DATE PIT);financial_abstract 不作因子源
+  (转置宽表无披露日,直接用有前视风险),降级为对账源
+- E12 gdhs=消费方自建事件表 (代码,统计截止日-本次)→股东户数-本次,PIT=公告日期,自算相邻
+  Δln——现成「增减比例」列因本次/上次截止日不规则(每股不同)不能当统一季环比
+- 派生聚合边界: **static 树只由采集层写**;下游预聚合(如 top_holders 十大占比)一律落消费方
+  独立目录(factor_cache 类),绝不写 static 树
+- parquet 日线 lane(data/{raw,qfq},daily_update_xtdata.py)07-22 方案A 定稿日退役:
+  dbbardata 唯一行情表;脚本保留作工具、无 schtask(09-08 勘误定性,迁移文档 §6.5 同步)
+
+**可选 backlog(已设计,执行序 a→b,c 轻量收编)**:
+
+a. **valuation_baostock 2026 H1 回补**: 2026.parquet 仅 08-13 起(bs 日喂起点),H1 靠基线层
+   em valuation 覆盖(异源口径)。方案=baostock query_history_k_data_plus 按 (股,
+   2026-01-01→08-12) 拉 10 列估值字段→与现有 2026.parquet concat+drop_duplicates(symbol,date)
+   →原子写回(窗止 08-12 与现有段零重叠,不用 keep-last 仲裁);股票名单=当前全列表∪
+   query_all_stock(2026-06-30) 时点列表(保 H1 退市股)。成本≈5200 发(48000/天预算内,
+   单连接单线程≈2-3h)。验收=行数≈5211×H1 交易日+600519 抽锚+(symbol,date) 键唯一。
+   价值=D14 长史 EP/BP 的 baostock 统一口径跨 2026 连续。
+
+b. **forecast/express 2020 前历史**: 现状 26 期(2020Q1 起)。方案=fundamentals_dmsk_download.py
+   DOMAINS 扩 forecast/express 两域(同 datacenter 骨架:pageNumber 翻页+按期 marker+账本,
+   族内扩展不破单脚本红线),backfill 补可得最早期→2019Q4。**先探源头边界再定回补深度**
+   (同 gdhs 2013Q1 探法);早期预告披露规则不同(主板触线才强制)行数天然少=正常,空期判定
+   走次新期金丝雀同款(空≠契约漂移须区分)。成本≈50 期×3-5 页≈250 发。验收=有货期行数>0+
+   键唯一+披露日列非空;落 NAS dmsk 树(forecast/express 子域)与基线层按期文件并存,读法
+   =基线层为主、dmsk 层补缺(与三表同款双层口径)。
+
+c. **dividend 增量收编(轻量)**: legacy Day2b 快照(2020→2026-07)继续用;分红事件低频且
+   年度集中(4-7 月),**年度刷新比每日增量合身**——2027-01 再议把年度刷新挂进 baostock
+   年度任务;当期零动作。
+
 ## 参考(调查来源)
 
 - xtdata 官方:https://dict.thinktrader.net/nativeApi/xtdata.html