fix(mera/backtest): свежая фикстура не реплеилась, а разрез по сегментам врал

Три связанные правки в харнесе бэктеста.

1. replay_fixture жёстко пинил estimate_dedup_analogs_enabled = False. Это верно
   только для фикстуры, захваченной до #2173, когда дедуп был выключен по
   умолчанию. Любая свежая фикстура при этом становилась нереплеибельной: с
   dedup=True на захвате часть сделок уходит под sufficiency-гейт с
   median_ppm2<=0, ratio_resolver для них не зовётся, а реплей с dedup=False их
   оценивает и падает на «control flow diverged from capture». Теперь значение
   берётся из settings_at_capture; фикстуры без этого поля ведут себя как раньше.

2. Разрез per_segment группирует ошибки по SOLD руб/м2 — по величине, которую
   движок и предсказывает. Корзины отобраны по шуму исхода, отсюда регрессия к
   среднему: даже несмещённый предиктор выглядит завышающим в дешёвых корзинах и
   занижающим в дорогих. На контрольном предикторе без перекоса по построению
   (13074 сделки ЕКБ) этот разрез даёт бизнес -17.04% и элит -30.06% — больше,
   чем наблюдавшийся перекос движка. По этому артефакту уже один раз
   откалибровали estimate_segment_multipliers (#2255). Блок оставлен для
   сравнимости с историей прогонов, но помечен предупреждением в докстринге и в
   печатном выводе.

3. Добавлен per_area_bucket — разрез по площади, независимой от исхода, с
   границами asking_to_sold_ratios (30/44/62/85). Промах конкретного бакета ratio
   виден сразу. Блок аддитивный: area_rows=None у старых вызывающих даёт пустой
   словарь, форма ответа не меняется.

Фикстура заменена на свежую (1600 сделок ЕКБ с 2025-06, 1269 оценённых, захват
после #2620) — прежняя от 2026-07-04 старше перехода ratio на area-бакеты и
показывала точность конфигурации, которой в проде уже нет. Baseline перезахвачен:
n 269 -> 1269, MAPE 12.63 -> 13.90, bias -3.74 -> -0.78, покрытие 86.13%.
Сдвиг метрик — смена измерительной выборки, а не регресс движка.

В каверзы модуля добавлен пункт (d): предсказание идёт из центроида улицы, а не
из адреса дома — в открытом датасете Росреестра нет номера дома, кадастры все
вида 66:41:0000000:0, и 65971 сделка садится в 3137 координат.

tradein-mvp/backend/scripts/backtest_estimator.py

@@ -69,6 +69,16 @@ CAVEATS (read these before trusting the numbers)
   (c) ДКП ≠ TRUE MARKET — a registered ДКП price is what the parties declared
       to rosreestr; it can diverge from the genuine transaction price (tax
       optimisation, related-party sales, etc.).
+  (d) ПРЕДСКАЗАНИЕ ИДЁТ ИЗ ЦЕНТРОИДА УЛИЦЫ, НЕ ИЗ АДРЕСА ДОМА (#3251). Открытый
+      датасет Росреестра НЕ содержит номера дома: `deals.address` выглядит как
+      «Екатеринбург, Краснолесья», кадастры приходят как `66:41:0000000:0`
+      (пригодных 0 из 108 623), а геокод сажает 65 971 сделку за 2025+ всего в
+      3 137 различных координат. Значит аналоги ищутся в радиусе от ЦЕНТРА УЛИЦЫ,
+      а `--resolve-house-id` резолвит дом лишь для ~40% выборки. Это раздувает
+      MAPE и бьёт по классам с редкой застройкой сильнее прочих: часть перекоса
+      по 4+ комнатам — цена такой привязки, а не ошибка модели. Любой замер, где
+      сделка связывается с КОНКРЕТНЫМ зданием по геометрии (материал стен,
+      этажность, цена собственного дома), этим скомпрометирован.
 
 PERFORMANCE
 -----------
@@ -541,6 +551,24 @@ def _segment_label(ppm2: float) -> str:
 def _segment_metrics(rows: list[tuple[float, float]]) -> dict[str, dict[str, Any]]:
     """Per-price-segment signed-error summary, bucketed by the SOLD ₽/m².
 
+    ⚠ #3251 — ЧИТАТЬ ПЕРЕД ЛЮБОЙ КАЛИБРОВКОЙ ПО ЭТОМУ РАЗРЕЗУ. Корзина задаётся
+    величиной, которую движок и предсказывает, то есть ИСХОДОМ. Это отбирает корзины
+    по шуму исхода и порождает регрессию к среднему: даже идеально несмещённый
+    предиктор выглядит завышающим в дешёвых корзинах и занижающим в дорогих.
+    Монотонный спуск «чем дороже сегмент, тем сильнее занижаем» — подпись артефакта,
+    а НЕ находка.
+
+    Контрольный опыт (13 074 сделки ЕКБ, 2026-08-29): предиктор без сегментного
+    перекоса по построению даёт в этих корзинах эконом +22.28%, бизнес −17.04%,
+    элит −30.06% — БОЛЬШЕ, чем наблюдавшийся перекос движка. На этом артефакте уже
+    один раз откалибровали `estimate_segment_multipliers` (#2255, флаг с тех пор
+    выключен, см. предупреждение в config.py).
+
+    Блок оставлен для сравнимости с историей прогонов. Для калибровки пользуйся
+    `per_area_bucket` ниже — там ось (площадь) независима от исхода. Настоящий
+    ценовой бэнд требует независимого прокси (медиана объявлений собственного дома,
+    охват 74.6%), которого в офлайн-фикстуре нет.
+
     Each input row is ``(pred_ppm2, sold_ppm2)``. We bucket by the segment of the
     SOLD price (ground truth), compute signed_error_pct = 100*(pred-sold)/sold,
     and run `_errors_summary` per band. Rows with sold<=0 are dropped (can't
@@ -635,11 +663,41 @@ def _calibration_metrics(
     return out
 
 
+def _area_bucket_metrics(
+    rows: list[tuple[float, float, float]],
+) -> dict[str, dict[str, Any]]:
+    """#3251: ошибка по AREA-БАКЕТАМ — ось независима от исхода.
+
+    Каждая строка — ``(expected_sold_ppm2, sold_ppm2, area_m2)``. Бакеты те же, что
+    у `asking_to_sold_ratios` (границы 30/44/62/85, см. `app.tasks.asking_to_sold_ratio
+    .area_bucket`), поэтому разрез напрямую показывает, какой бакет ratio промахивается.
+
+    В отличие от `per_segment` здесь НЕТ регрессии к среднему: площадь известна на
+    входе и не зависит от того, что вышло. Чистая функция, без БД.
+    """
+    edges = ((30.0, "0 <30"), (44.0, "1 30-44"), (62.0, "2 44-62"), (85.0, "3 62-85"))
+
+    def label_for(area: float) -> str:
+        for upper, label in edges:
+            if area < upper:
+                return label
+        return "4 >=85"
+
+    order = [lbl for _, lbl in edges] + ["4 >=85"]
+    by: dict[str, list[float]] = {lbl: [] for lbl in order}
+    for pred, sold, area in rows:
+        if sold <= 0 or area <= 0:
+            continue
+        by[label_for(area)].append(100.0 * (pred - sold) / sold)
+    return {lbl: _errors_summary(by[lbl]) for lbl in order}
+
+
 def _expected_sold_metrics(
     rows: list[tuple[float, float, int]],
     *,
     n_no_prediction: int = 0,
     per_rooms_no_prediction: dict[int, int] | None = None,
+    area_rows: list[tuple[float, float, float]] | None = None,
 ) -> dict[str, Any]:
     """expected_sold error block: overall + per-rooms (via _compute_metrics) + per-segment.
 
@@ -654,6 +712,9 @@ def _expected_sold_metrics(
         per_rooms_no_analogs=per_rooms_no_prediction,
     )
     m["per_segment"] = _segment_metrics([(pred, sold) for pred, sold, _ in rows])
+    # #3251: независимая ось. area_rows=None (старые вызывающие) → блок пустой,
+    # форма ответа не ломается.
+    m["per_area_bucket"] = _area_bucket_metrics(area_rows or [])
     return m
 
 
@@ -688,12 +749,14 @@ def _compute_full_metrics(
     cov_by_conf: dict[str, list[tuple[float, float, float]]] = {b: [] for b in conf_order}
     sharp_rows: list[tuple[float, float, float]] = []  # (point, range_low, range_high)
     calib_rows: list[tuple[str, float | None, bool | None]] = []
+    es_area_rows: list[tuple[float, float, float]] = []  # #3251 (pred, sold, area)
 
     for p in predictions:
         signed: float | None = None
         if p.expected_sold_ppm2 is not None and p.sold_ppm2 > 0:
             signed = 100.0 * (p.expected_sold_ppm2 - p.sold_ppm2) / p.sold_ppm2
             es_rows.append((p.expected_sold_ppm2, p.sold_ppm2, p.rooms))
+            es_area_rows.append((p.expected_sold_ppm2, p.sold_ppm2, p.area_m2))
 
         covered: bool | None = None
         if p.range_low is not None and p.range_high is not None:
@@ -712,6 +775,7 @@ def _compute_full_metrics(
             es_rows,
             n_no_prediction=n_no_prediction,
             per_rooms_no_prediction=per_rooms_no_prediction,
+            area_rows=es_area_rows,
         ),
         "range_coverage": {
             "overall": _range_coverage(cov_rows),
@@ -882,6 +946,9 @@ def _render_full_table(metrics: dict[str, Any]) -> str:
     lines.extend(_render_metrics_block("[EXPECTED_SOLD] per-rooms", es, no_col="no_pred"))
     lines.append("")
     lines.extend(_render_segment_block(es["per_segment"]))
+    if es.get("per_area_bucket"):
+        lines.append("")
+        lines.extend(_render_area_bucket_block(es["per_area_bucket"]))
 
     conf_order = metrics.get("confidence_order") or list(CONFIDENCE_BUCKETS)
     lines.append("")
@@ -909,6 +976,9 @@ def _render_segment_block(per_segment: dict[str, Any]) -> list[str]:
     header = f"  {'segment':<10} {'n':>5} {'bias%':>8} {'MAPE%':>8} {'p25%':>8} {'p75%':>8}"
     out: list[str] = [
         "[EXPECTED_SOLD] per price-segment (band by SOLD ₽/m²):",
+        "  ⚠ корзина задана ИСХОДОМ → регрессия к среднему. Монотонный спуск здесь",
+        "    появляется и у несмещённого предиктора. НЕ калибровать по этому блоку",
+        "    (#3251) — бери per area-bucket ниже.",
         header,
         "  " + "-" * (len(header) - 2),
     ]
@@ -923,6 +993,25 @@ def _render_segment_block(per_segment: dict[str, Any]) -> list[str]:
     return out
 
 
+def _render_area_bucket_block(per_area: dict[str, Any]) -> list[str]:
+    """#3251: таблица ошибки по area-бакетам (ось независима от исхода)."""
+    header = f"  {'area bucket':<12} {'n':>5} {'bias%':>8} {'MAPE%':>8} {'p25%':>8} {'p75%':>8}"
+    out: list[str] = [
+        "[EXPECTED_SOLD] per area-bucket (ось НЕЗАВИСИМА от исхода — калибруй здесь):",
+        "    бакеты = границы asking_to_sold_ratios (30/44/62/85), промах видно",
+        "    сразу по конкретному бакету ratio.",
+        header,
+        "  " + "-" * (len(header) - 2),
+    ]
+    for label, m in per_area.items():
+        out.append(
+            f"  {label:<12} {m.get('n', 0):>5} "
+            f"{_fmt_pct(m.get('median_bias_pct')):>8} {_fmt_pct(m.get('mape_pct')):>8} "
+            f"{_fmt_pct(m.get('p25_pct')):>8} {_fmt_pct(m.get('p75_pct')):>8}"
+        )
+    return out
+
+
 # --------------------------------------------------------------------------- #
 # #2255 --calibrate-segments — per-segment multiplier proposal (PRINT-ONLY)
 # --------------------------------------------------------------------------- #
@@ -1575,8 +1664,18 @@ def replay_fixture(fixture: dict[str, Any]) -> dict[str, Any]:
     # вызовов разъехалась бы. Пин ЗДЕСЬ, а не только в CI-гейте: гейт монкипатчил флаг
     # сам, а документированная регенерация baseline (--from-fixture --update-baseline)
     # — нет, и с #2173 писала baseline, который тест не совпал бы НИКОГДА.
+    # #3251: РАНЬШЕ здесь стоял жёсткий `= False`. Это верно только для фикстуры,
+    # захваченной ДО #2173 (когда дедуп был выключен по умолчанию), и делает
+    # НЕРЕПЛЕИБЕЛЬНОЙ любую свежую фикстуру: при dedup=True на захвате часть сделок
+    # уходит под sufficiency-гейт с median_ppm2<=0 и ratio_resolver для них не
+    # вызывается, а реплей с dedup=False их оценивает и упирается в
+    # «control flow diverged from capture». Берём значение ИЗ ФИКСТУРЫ (fallback
+    # False — для старых фикстур без settings_at_capture поведение прежнее).
+    _dedup_capture = bool(
+        (fixture.get("settings_at_capture") or {}).get("estimate_dedup_analogs_enabled", False)
+    )
     _dedup_saved = m.settings.estimate_dedup_analogs_enabled
-    m.settings.estimate_dedup_analogs_enabled = False
+    m.settings.estimate_dedup_analogs_enabled = _dedup_capture
     try:
         for rec in deals:
             kw = dict(rec["kwargs"])

tradein-mvp/backend/tests/fixtures/backtest_baseline.json

@@ -1,22 +1,22 @@
 {
   "calibration": {
     "high": {
-      "coverage_pct": null,
-      "mape_pct": null,
-      "n": 0,
-      "n_covered": 0
+      "coverage_pct": 50.0,
+      "mape_pct": 27.87,
+      "n": 8,
+      "n_covered": 4
     },
     "low": {
-      "coverage_pct": 82.09,
-      "mape_pct": 12.67,
-      "n": 276,
-      "n_covered": 220
+      "coverage_pct": 86.68,
+      "mape_pct": 13.76,
+      "n": 1562,
+      "n_covered": 1067
     },
     "medium": {
-      "coverage_pct": 100.0,
-      "mape_pct": 6.99,
-      "n": 1,
-      "n_covered": 1
+      "coverage_pct": 73.33,
+      "mape_pct": 17.91,
+      "n": 30,
+      "n_covered": 22
     }
   },
   "confidence_order": [
@@ -26,130 +26,167 @@
   ],
   "expected_sold": {
     "overall": {
-      "mape_pct": 12.63,
-      "median_bias_pct": -3.74,
-      "n": 269,
+      "mape_pct": 13.9,
+      "median_bias_pct": -0.78,
+      "n": 1269,
       "n_no_analogs": 0,
-      "p25_pct": -15.17,
-      "p75_pct": 8.67
+      "p25_pct": -13.39,
+      "p75_pct": 14.46
+    },
+    "per_area_bucket": {
+      "0 <30": {
+        "mape_pct": 14.55,
+        "median_bias_pct": 7.59,
+        "n": 161,
+        "p25_pct": -4.16,
+        "p75_pct": 29.4
+      },
+      "1 30-44": {
+        "mape_pct": 13.12,
+        "median_bias_pct": -0.51,
+        "n": 503,
+        "p25_pct": -11.98,
+        "p75_pct": 14.88
+      },
+      "2 44-62": {
+        "mape_pct": 12.99,
+        "median_bias_pct": -2.82,
+        "n": 379,
+        "p25_pct": -14.44,
+        "p75_pct": 10.26
+      },
+      "3 62-85": {
+        "mape_pct": 15.32,
+        "median_bias_pct": -5.33,
+        "n": 179,
+        "p25_pct": -18.99,
+        "p75_pct": 7.16
+      },
+      "4 >=85": {
+        "mape_pct": 23.21,
+        "median_bias_pct": -21.36,
+        "n": 47,
+        "p25_pct": -29.97,
+        "p75_pct": 6.3
+      }
     },
     "per_rooms": {
       "0": {
         "label": "студия",
-        "mape_pct": 16.96,
-        "median_bias_pct": 16.96,
-        "n": 35,
+        "mape_pct": 14.55,
+        "median_bias_pct": 7.59,
+        "n": 161,
         "n_no_analogs": 0,
-        "p25_pct": 1.5,
-        "p75_pct": 38.82
+        "p25_pct": -4.16,
+        "p75_pct": 29.4
       },
       "1": {
         "label": "1к",
-        "mape_pct": 11.06,
-        "median_bias_pct": -4.61,
-        "n": 93,
+        "mape_pct": 13.12,
+        "median_bias_pct": -0.51,
+        "n": 503,
         "n_no_analogs": 0,
-        "p25_pct": -14.43,
-        "p75_pct": 8.15
+        "p25_pct": -11.98,
+        "p75_pct": 14.88
       },
       "2": {
         "label": "2к",
-        "mape_pct": 17.39,
-        "median_bias_pct": -11.71,
-        "n": 74,
+        "mape_pct": 12.99,
+        "median_bias_pct": -2.82,
+        "n": 379,
         "n_no_analogs": 0,
-        "p25_pct": -23.07,
-        "p75_pct": -0.36
+        "p25_pct": -14.44,
+        "p75_pct": 10.26
       },
       "3": {
         "label": "3к",
-        "mape_pct": 7.79,
-        "median_bias_pct": -4.05,
-        "n": 43,
+        "mape_pct": 15.32,
+        "median_bias_pct": -5.33,
+        "n": 179,
         "n_no_analogs": 0,
-        "p25_pct": -10.26,
-        "p75_pct": 3.82
+        "p25_pct": -18.99,
+        "p75_pct": 7.16
       },
       "4": {
         "label": "4+",
-        "mape_pct": 16.38,
-        "median_bias_pct": -1.32,
-        "n": 24,
+        "mape_pct": 23.21,
+        "median_bias_pct": -21.36,
+        "n": 47,
         "n_no_analogs": 0,
-        "p25_pct": -14.91,
-        "p75_pct": 15.41
+        "p25_pct": -29.97,
+        "p75_pct": 6.3
       }
     },
     "per_segment": {
       "бизнес": {
-        "mape_pct": 13.65,
-        "median_bias_pct": -10.54,
-        "n": 46,
-        "p25_pct": -27.15,
-        "p75_pct": -1.31
+        "mape_pct": 11.85,
+        "median_bias_pct": -9.98,
+        "n": 144,
+        "p25_pct": -20.69,
+        "p75_pct": -1.72
       },
       "комфорт": {
-        "mape_pct": 10.14,
-        "median_bias_pct": -5.01,
-        "n": 101,
-        "p25_pct": -15.49,
-        "p75_pct": 4.37
+        "mape_pct": 12.71,
+        "median_bias_pct": -2.39,
+        "n": 425,
+        "p25_pct": -16.15,
+        "p75_pct": 9.46
       },
       "премиум": {
-        "mape_pct": 68.92,
-        "median_bias_pct": -68.92,
-        "n": 1,
-        "p25_pct": -68.92,
-        "p75_pct": -68.92
+        "mape_pct": null,
+        "median_bias_pct": null,
+        "n": 0,
+        "p25_pct": null,
+        "p75_pct": null
       },
       "эконом": {
-        "mape_pct": 14.2,
-        "median_bias_pct": 3.33,
-        "n": 115,
-        "p25_pct": -8.69,
-        "p75_pct": 27.3
+        "mape_pct": 14.98,
+        "median_bias_pct": 2.46,
+        "n": 697,
+        "p25_pct": -9.54,
+        "p75_pct": 26.95
       },
       "элит": {
-        "mape_pct": 33.2,
-        "median_bias_pct": -33.2,
-        "n": 6,
-        "p25_pct": -42.75,
-        "p75_pct": -22.4
+        "mape_pct": 18.45,
+        "median_bias_pct": -18.45,
+        "n": 3,
+        "p25_pct": -40.32,
+        "p75_pct": -15.7
       }
     }
   },
   "headline": {
-    "ask_median_ppm2": 145883.6593586467,
-    "deal_median_ppm2": 125063.0,
-    "spread_pct": 16.65
+    "ask_median_ppm2": 136721.80831284,
+    "deal_median_ppm2": 115770.5,
+    "spread_pct": 18.1
   },
   "range_coverage": {
     "overall": {
-      "coverage_pct": 82.16,
-      "n": 269,
-      "n_covered": 221
+      "coverage_pct": 86.13,
+      "n": 1269,
+      "n_covered": 1093
     },
     "per_confidence": {
       "high": {
-        "coverage_pct": null,
-        "n": 0,
-        "n_covered": 0
+        "coverage_pct": 50.0,
+        "n": 8,
+        "n_covered": 4
       },
       "low": {
-        "coverage_pct": 82.09,
-        "n": 268,
-        "n_covered": 220
+        "coverage_pct": 86.68,
+        "n": 1231,
+        "n_covered": 1067
       },
       "medium": {
-        "coverage_pct": 100.0,
-        "n": 1,
-        "n_covered": 1
+        "coverage_pct": 73.33,
+        "n": 30,
+        "n_covered": 22
       }
     }
   },
   "sharpness": {
     "median_rel_width": 0.743,
-    "n": 269
+    "n": 1269
   },
   "unrecorded_lookup_calls": 0
 }