docs: 补充实证文档头部Git版本元信息

docs/experiments/20260429_ETF轮动深度分析.md

@@ -1,7 +1,8 @@
 # ETF轮动策略深度分析报告
 
-> 生成日期：2025年4月  
-> 分析范围：全球市场.py（聚宽移植版）与原始4只ETF对比实验
+> **分析日期**：2026-04-29
+> **Git Commit**：`48cd6dd5`（docs(analysis): ETF轮动策略深度分析报告）
+> **分析范围**：全球市场.py（聚宽移植版）与原始4只ETF对比实验
 
 ---
 

docs/experiments/20260429_动态ETF池筛选引擎调研与方案.md

@@ -1,5 +1,10 @@
 # 动态ETF池自动化筛选引擎 — 调研与方案
 
+> **调研日期**：2026-04-29
+> **Git Commit**：`2829f80`（feat(backtest): 消除前视偏差，实现动态ETF池重建）
+
+---
+
 ## 1. 问题背景
 
 当前ETF轮动策略的标的池是人工预选的，存在严重的**幸存者偏差**。回测对比实验显示：

docs/experiments/20260430_策略演进报告.md

@@ -1,6 +1,7 @@
 # ETF全球轮动策略：演进与深度实验报告
 
 > **生成日期**：2026-04-30
+> **Git Commit**：`c1fbd2c7`（feat(strategy): finalize global rotation system）
 > **研究对象**：基于动量因子的全球资产配置策略
 > **核心目标**：消除后视镜偏差，构建稳健的实盘配置方案
 

docs/experiments/20260507_通用数据源测试报告.md

@@ -1,7 +1,10 @@
 # 统一数据获取接口 - 测试报告
 
-## 测试时间
-2026-05-07
+> **测试日期**：2026-05-07
+> **Git Commit**：`0e531a18`（docs: 添加完整项目文档）
+> **测试模块**：`datasource/universal_fetcher.py`
+
+---
 
 ## 测试环境
 - Python 3.12

docs/experiments/20260519_V3动态阈值实施方案.md

@@ -1,5 +1,12 @@
 # V3 动态阈值实施方案
 
+> **方案日期**：2026-05-19
+> **Git Commit**：`957769b5`（docs: 添加V3动态阈值实施方案文档）
+> **验证脚本**：`scripts/generate_bond_threshold_report.py`
+> **预期效果**：CAGR 28.17%, 回撤 -24.35%
+
+---
+
 ## 目标
 
 将 `generate_bond_threshold_report.py` 中验证的动态阈值逻辑落地到正式策略代码，使 `RotationStrategy.run_backtest()` 直接产出 V3 效果（CAGR 28.17%, 回撤 -24.35%）。

docs/experiments/20260621_greedy与rank对比分析.md

@@ -1,5 +1,12 @@
 # select_num=1 模式下 greedy 与 rank 策略对比分析
 
+> **分析日期**：2026-06-21
+> **Git Commit**：`2716eec5`（feat(config): select_num从3调整为1）
+> **配置文件**：`rotation/config_simple.yaml`
+> **回测区间**：2020-01-10 ~ 2026-06-18
+
+---
+
 ## 1. 问题背景
 
 在 ETF 全球资产轮动策略中，`select_num=1` 配置理论上应该产生最集中的投资组合，从而获得最高收益。然而在实际测试中发现：

docs/experiments/20260621_全球资产大类轮动策略实验报告.md

@@ -1,5 +1,11 @@
 # 全球资产大类轮动策略实验报告
 
+> **实验日期**：2026-06-21
+> **Git Commit**：`2716eec5`（feat(config): select_num从3调整为1）
+> **策略框架**：framework_v2
+
+---
+
 ## 1. 问题背景
 
 ### 1.1 研究动机