research: 低滞后+质量过滤组合失败，过滤器符号翻转，一类线关闭

把 step62 的 ext_run 质量过滤接到 step56 的低滞后版上——两者各解决一半约束，
是唯一同时处理滞后和识别精度的路径。

失败，且失败方式本身是判据：过滤器符号反了。5m 上延伸度分档在滞后版是
Q1 0.12 / Q4 0.46（越延伸越好），在低滞后版是 Q1 0.58 / Q4 0.33（越短越好）。
叠加后 PF 从 0.37 掉到 0.30~0.33，比不过滤更差。div 同样翻转。

同一批信号、同一个特征，换个入场时点最优方向就反过来，说明这些过滤效果是
入场时点的交互产物而非信号的稳定属性，继续挑阈值就是拟合噪声。

一类线六次独立进攻全部止步 1.0 以下：引擎原生 0.24、反手 0.92（因果回放后）、
实时重写 0.41、结构止损 0.36、用未来函数选样 0.83、质量过滤 0.54、
低滞后+过滤 0.33。第五项尤其说明问题——即使选样做到完美也只到 0.83。

判定关闭。病根是入场价已在结构底上方 2.9 ATR、实盘再晚 15 根，来自「等笔确认」
机制本身而非参数。识别可以优化（精度能翻倍），但识别从来不是瓶颈。

fast_bsp1 顺带补 ext_atr 字段，用 ATR 归一才与 step62 的 ext_run 同口径。

Co-authored-by: Cursor <cursoragent@cursor.com>

research/step56_fast_bsp1.py

@@ -134,6 +134,36 @@ def report(d: pd.DataFrame) -> None:
         print("  15m  B1 PF 0.21 t −18.9 ｜ S1 PF 0.23 t −15.9")
 
         f1 = x[x.kind == "fastB1"]
+        if len(f1) >= 120 and "ext_atr" in f1.columns:
+            y = f1.dropna(subset=["ext_atr"])
+            print("\n延伸度分档（ext_atr，step62 在滞后版上实测的唯一单调特征："
+                  "\n命中线段顶点的比例 12%→44%，PF 0.12→0.46）：")
+            q = pd.qcut(y["ext_atr"], 4,
+                        labels=["Q1最短", "Q2", "Q3", "Q4最延伸"],
+                        duplicates="drop")
+            print(pd.DataFrame([{"档": k, **stats(v)}
+                                for k, v in y.groupby(q, observed=True)
+                                if len(v) >= 30]).to_string(index=False))
+
+            print("\n⭐ 组合：低滞后（本模块）+ 延伸过滤（step62）—— "
+                  "唯一同时处理两个约束的路径")
+            p50, p75 = y["ext_atr"].quantile(.50), y["ext_atr"].quantile(.75)
+            dm = y["div"].median()
+            rows = [{"过滤器": "无", **stats(y)}]
+            for nm, g in [
+                (f"ext≥P50({p50:.1f})", y[y["ext_atr"] >= p50]),
+                (f"ext≥P75({p75:.1f})", y[y["ext_atr"] >= p75]),
+                (f"ext≥P75 且 div≥中位", y[(y["ext_atr"] >= p75)
+                                          & (y["div"] >= dm)]),
+                (f"ext≥P50 且 div≥中位", y[(y["ext_atr"] >= p50)
+                                          & (y["div"] >= dm)]),
+            ]:
+                if len(g) >= 30:
+                    rows.append({"过滤器": nm, **stats(g)})
+            print(pd.DataFrame(rows).to_string(index=False))
+            print("对照 · 同过滤器在滞后版（step62，5m）：无 PF 0.22 → "
+                  "ext≥P75且div≥中位 PF 0.54")
+
         if len(f1) >= 60:
             print("\n背驰强度分档（div = 离开段面积/进入段面积，越小背驰越强）：")
             q = pd.qcut(f1["div"], 4, labels=["Q1最强", "Q2", "Q3", "Q4最弱"],