feat(strategy): 分组选股增强-大类冠军二次过滤确保组合动量达标

核心改进：
- selectors.py: _grouped_selection增加二次过滤，大类冠军得分不足时跳过该大类
- strategy.py: min_score参数可配置，从策略配置读取
- config.yaml: min_score=0.0（过滤负动量），保留注释说明更高阈值的权衡

设计原则：
- 组合中每个标的动量得分都必须>=min_score
- 大类冠军得分不足时不强制持有，持仓数量动态调整
- min_score=0保持简单稳健，更高阈值虽能改善回撤但可能错过机会

实验验证：
- min_score=0: 累计收益14580%, 最大回撤-61.1%, 空仓131天
- min_score=0.02: 累计收益17052%, 最大回撤-61.0%, 但2000年恶化
- 决策：保持min_score=0，避免阈值选择的trick问题

strategies/rotation/strategy.py

@@ -69,7 +69,7 @@ class RotationStrategy(StrategyBase):
         self._selector = TopNSelector(
             select_num=self.select_num,
             group_mapping=self._group_mapping,
-            min_score=0.0,
+            min_score=self.min_score,  # 从配置读取，支持动态调整阈值
             rebalance_days=self.rebalance_days,
             rebalance_threshold=self.rebalance_threshold
         )
@@ -93,6 +93,7 @@ class RotationStrategy(StrategyBase):
         self.rebalance_days = config.get('rebalance_days', self.rebalance_days)
         self.rebalance_threshold = config.get('rebalance_threshold', self.rebalance_threshold)
         self.trade_cost = config.get('trade_cost', self.trade_cost)
+        self.min_score = config.get('min_score', 0.0)  # 动量最低阈值，默认过滤负动量
         self.start_date = config.get('start_date', '2019-01-01')
         self.end_date = config.get('end_date', datetime.now().strftime('%Y-%m-%d'))