否掉 bis[2]：修右边缘重画会把 alpha 打成零，重画是必付代价

§5.41 发现 available_ts 取「中枢最后一笔」是右边缘重画的根因，改取「第三笔」
能把重画率从 6.5% 压到 1.2%，当时据此判断它是「唯一可能同时改善收益与稳定性」
的改动。那个判断只测了稳定性，过早了。

8 个样本外币 × 30 万根 1m，两组共用同一个 TF_DF，只切 available_ts 的取法。
实盘口径（深色 ∧ ATR≥8bp，955 vs 989 笔）：

  毛 R      0.933 → -0.000
  净均 R    0.798 → -0.147
  PF        3.22  → 0.80
  滑点余量  15.07 → -2.20 bp

判决依据是毛 R 那一行：扣任何费用之前 edge 就没了，所以不是成本、门控或出场
参数的问题，是信号本身不再有预测力。逐币 8/8 全部变差。滞后确实降了
（2.16 → 2.01），但换来的是另一批交易——两组重合度只有约 30%。

原因是中枢没发育完就下注，支撑/压力还没立住。「等中枢最后一笔」那段等待不是
可以优化掉的延迟，它就是 alpha 本身。由此得一条一般规则：任何以「让信号更早
确定」为目标的改动，先测毛 R，不能只看重画率和滞后。

开关 AVAIL_BI_INDEX 保留只为可复现该 A/B，默认 -1 维持现行口径。环境变量在
调用时解析而非 import 时——fork 启动的子进程会继承已 import 的模块，import
时读会固化成父进程的值。

顺带交叉验证：现行口径本次算出滑点余量 15.07bp，与用优化前代码算的同组同期
15.19bp 吻合。

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

chanlun/analysis/fast_bsp.py

@@ -44,6 +44,27 @@ import pandas as pd
 
 from chanlun.core.ChanEnum import Chan_FX_TYPE
 
+# 中枢的「可用时刻」取第几笔的确认时间。
+#   -1  = 最后一笔（历史默认）。中枢每吸收一根K线，最后一笔就可能后移，
+#         于是 available_ts 跟着漂——这是右边缘重画的根因（见 HANDOFF §5.41）。
+#    2  = 第三笔。三笔重叠即中枢成立，此后不再变，理论上更早也更稳。
+# ⛔ step47 已判定 bis[2] 作废（毛 R 0.933 → −0.000，见 HANDOFF §5.42）。
+# 开关保留只为可复现那次 A/B，**不要改默认值**。
+import os as _os
+
+AVAIL_BI_INDEX = -1
+
+
+def _resolve_avail_bi(avail_bi: int | None) -> int:
+    """优先级：显式入参 > 环境变量 CHAN_AVAIL_BI > 模块默认。
+
+    环境变量在调用时读取而非 import 时——ProcessPoolExecutor 在 fork 启动方式下
+    子进程会继承已 import 的模块，import 时读就固化成父进程的值了。
+    """
+    if avail_bi is not None:
+        return avail_bi
+    return int(_os.environ.get("CHAN_AVAIL_BI", AVAIL_BI_INDEX))
+
 
 def timestamps_ms(src: pd.DataFrame) -> np.ndarray:
     """取毫秒时间戳。研究侧的 df 自带 timestamp，web 侧的不一定，故按 date 回退。
@@ -69,7 +90,7 @@ def ensure_timestamp(df: pd.DataFrame) -> pd.DataFrame:
     return out
 
 
-def build_htf_zones(df_htf: pd.DataFrame, tf: str, chan=None) -> pd.DataFrame:
+def build_htf_zones(df_htf: pd.DataFrame, tf: str, chan=None, avail_bi: int | None = None) -> pd.DataFrame:
     """算 pure 笔中枢，返回带生效时间的区间表。
 
     available_ts —— 该中枢最早可被使用的时间戳（其确认时刻）。
@@ -82,26 +103,28 @@ def build_htf_zones(df_htf: pd.DataFrame, tf: str, chan=None) -> pd.DataFrame:
     zs_list = chan.cal_bi_zs_list_pure(chan.bi_list)
     # 用引擎自己的 dataframe 对齐，避免调用方传入的 df 与引擎内部行数不一致
     src = chan.dataframe if getattr(chan, "dataframe", None) is not None else df_htf
-    return zones_from_zs_list(zs_list, src)
+    return zones_from_zs_list(zs_list, src, avail_bi=avail_bi)
 
 
-def zones_from_zs_list(zs_list, src: pd.DataFrame) -> pd.DataFrame:
+def zones_from_zs_list(zs_list, src: pd.DataFrame, avail_bi: int | None = None) -> pd.DataFrame:
     """把已算好的 pure 笔中枢转成区间表。
 
     调用方手工跑过 cal_bi_zs_list_pure 时走这里，免得再算一遍（web 的 analyze_chan
     就是这种用法）。
     """
     ts_of = dict(zip(src["date"].dt.strftime("%Y-%m-%d %H:%M:%S"), timestamps_ms(src)))
+    # 中枢可用时刻取第几笔。在循环外解析一次，别让每个中枢都去读一遍环境变量。
+    i = _resolve_avail_bi(avail_bi)
 
     rows = []
     for zs in zs_list:
         bis = getattr(zs, "bi_list", [])
         if not bis:
             continue
-        # 中枢可用时刻：构成它的最后一笔被确认之时
-        last_bi = bis[-1]
-        sure_key = str(getattr(last_bi, "sure_time", "") or "")
-        end_key = str(getattr(last_bi, "end_time", "") or "")
+        # 笔数不够时退回最后一笔（i=2 需要至少 3 笔才成立）
+        key_bi = bis[i] if (i == -1 or len(bis) > i) else bis[-1]
+        sure_key = str(getattr(key_bi, "sure_time", "") or "")
+        end_key = str(getattr(key_bi, "end_time", "") or "")
         avail = ts_of.get(sure_key) or ts_of.get(end_key)
         if avail is None:
             continue