Add Direction label and PM probe diagnostics

training/trader_training/pm.py

@@ -165,7 +165,8 @@ def integrated_backtest(args: Any) -> None:
         price_plan,
     )
     stress_trades["eval_split"] = LATEST_STRESS_SPLIT
-    trades = pd.concat([tune_trades, validation_locked_trades, stress_trades], ignore_index=True)
+    trade_parts = [part for part in (tune_trades, validation_locked_trades, stress_trades) if not part.empty]
+    trades = pd.concat(trade_parts, ignore_index=True) if trade_parts else _empty_trade_frame()
     metrics = {
         TUNE_SPLIT: _trade_metrics(tune_trades),
         VALIDATION_LOCKED_SPLIT: _trade_metrics(validation_locked_trades),
@@ -281,7 +282,7 @@ def _probability_implied_edge(entry_prob: pd.Series, price_plan: dict[str, Any])
         price_plan.get("costBps", DEFAULT_BACKTEST_PRICE_PLAN["costBps"])
     )
     probability = pd.to_numeric(entry_prob, errors="coerce").fillna(0.0).clip(lower=0.0, upper=1.0)
-    # Entry 的概率头比收益回归头稳定。这里用固定止盈止损的盈亏比把概率换成期望收益，
+    # Entry 的概率头比收益回归头稳定。这里用当前价格计划的盈亏比把概率换成期望收益，
     # 让低命中、高赔率计划也能被 PM 正常搜索；真实结果仍由标签里的实际路径收益评估。
     return probability * target_net_bps + (1.0 - probability) * stop_net_bps
 
@@ -690,7 +691,7 @@ def _write_pm_report(path, candidates: pd.DataFrame, best_thresholds: dict[str,
     lines = [
         "# PM Threshold Report",
         "",
-        "本次不是固定写死阈值，而是在调参集上试一组可复现的阈值。PM 回测使用固定止盈止损后的真实净收益，并且开仓后按持仓结束时间加冷却时间阻止重叠开仓。",
+        "本次不是固定写死阈值，而是在调参集上试一组可复现的阈值。PM 回测使用当前价格计划的真实净收益，并且开仓后按持仓结束时间加冷却时间阻止重叠开仓。",
         "",
         "## Best Thresholds",
         "",
@@ -716,7 +717,7 @@ def _write_backtest_report(path, result: dict[str, Any]) -> None:
     lines = [
         "# Integrated Backtest Report",
         "",
-        "这里用验证集模型输出和 PM 阈值生成交易明细，统计净收益、胜率、回撤和分段表现。收益按固定止盈止损计划的真实净收益计算，不使用窗口内最大可拿收益。",
+        "这里用验证集模型输出和 PM 阈值生成交易明细，统计净收益、胜率、回撤和分段表现。收益按当前价格计划的真实净收益计算，不使用窗口内最大可拿收益。",
         "",
         "```json",
         str(result).replace("'", '"'),