feat(framework_v2): 创建框架V2骨架 - 三层架构+因子验证通过

## 架构设计
- 三层架构：core(抽象接口) → shared(通用实现) → tests(验证测试)
- 5个核心抽象基类：StrategyBase, FactorBase, SignalGenerator, Executor, DataFetcher
- 零侵入：与现有框架并行开发，不修改生产代码

## 已完成
✓ 核心接口层（5个ABC类）
✓ 通用因子层（MomentumFactor完全复制现有逻辑）
✓ 对比验证测试（新旧因子输出差异=0，测试通过）

## 验证结果
- 最大差异: 0.000000e+00
- 平均差异: 0.000000e+00
- 容差: < 1e-10

## 下一步
- 阶段3: 信号层迁移（TopNSelector, DynamicThreshold, RebalanceController）
- 阶段4: 执行层迁移（BacktestRunner）
- 阶段5: 数据层迁移（DataFetcher实现）
- 阶段6: 完整策略对比验证

## 设计原则
- 按需抽象，不预先设计
- 职责分离，避免框架膨胀
- 测试驱动，每个组件必须有对比测试
- 渐进式迁移，验证通过再替换

framework_v2/core/signal.py

@@ -0,0 +1,57 @@
+"""
+信号生成器抽象基类
+"""
+
+from abc import ABC, abstractmethod
+import pandas as pd
+
+
+class SignalGenerator(ABC):
+    """
+    信号生成器抽象基类
+    
+    所有信号生成器必须实现 generate 方法
+    """
+    
+    mode: str = "base"
+    
+    def __init__(self, **params):
+        """
+        初始化信号生成器参数
+        
+        Args:
+            **params: 信号参数（如 select_num, rebalance_days 等）
+        """
+        self._params = params
+    
+    @abstractmethod
+    def generate(self, factor_data: pd.DataFrame) -> pd.DataFrame:
+        """
+        生成交易信号
+        
+        Args:
+            factor_data: 因子数据 DataFrame
+        
+        Returns:
+            信号 DataFrame，必须包含 'signal' 列
+        """
+        pass
+    
+    def validate_factor_data(self, factor_data: pd.DataFrame) -> bool:
+        """
+        验证因子数据是否有效
+        
+        Args:
+            factor_data: 因子数据
+        
+        Returns:
+            True 如果数据有效
+        """
+        if factor_data.empty:
+            return False
+        
+        return True
+    
+    def __repr__(self) -> str:
+        params_str = ', '.join([f"{k}={v}" for k, v in self._params.items()])
+        return f"{self.__class__.__name__}({params_str})"