/**
 * 数据质量层（point-in-time / 幸存者偏差 / 渠道可靠性）。
 *
 * AI-infra 视角的数据模块：不只是"序列统计"，而是回答
 * "这个数据能不能信、什么时候能用、会不会骗我"三类问题。
 * 纯函数、零依赖；对齐 dsh-quant 契约（等长 null 对齐）。
 */
/**
 * Point-in-time 校验结果。
 *
 * 核心问题：数据在"决策时点"是否可用？（避免未来函数/前视偏差）
 * - values 按时间排序（t=0 最旧）
 * - 每次决策 t 只能用到 values[0..t] 的信息
 * - 若 values[i] 的值在 i 时刻之后才被修订，则 i 时刻用它就是前视
 */
export interface PitCheckResult {
    /** 是否通过 PIT 校验 */
    pass: boolean;
    /** 发现的潜在前视点数量（索引） */
    lookAheadIndices: number[];
    /** 说明 */
    notes: string[];
}
/**
 * Point-in-time 校验：检测"未来才知道的值"在序列中出现的位置。
 *
 * 简化模型：如果某值比其前值发生"异常跳变"且之后不再回落
 * （单调台阶），可能是修订/幸存导致的断点。更严格的做法需要
 * 数据源的修订历史；此处提供可用的启发式。
 */
export declare function pitCheck(values: readonly number[]): PitCheckResult;
/** 幸存者偏差检查结果。 */
export interface SurvivorshipCheckResult {
    /** 序列是否完整（无静默缺失段） */
    continuous: boolean;
    /** 缺失段（[start, end) 索引对） */
    gaps: Array<{
        start: number;
        end: number;
    }>;
    /** 尾部是否可能截断（最后一段缺失） */
    tailTruncated: boolean;
    /** 说明 */
    notes: string[];
}
/**
 * 幸存者偏差检查：检测序列中的静默缺失段。
 *
 * 幸存者偏差 = "现在还在的标的才出现在数据里"。缺失段常由
 * 退市/停牌导致；若缺失发生在尾部，可能是"活下来的才记录"。
 */
export declare function survivorshipCheck(values: readonly (number | null)[], maxGapRatio?: number): SurvivorshipCheckResult;
/** 渠道可靠性对比条目。 */
export interface ChannelReliability {
    channel: string;
    /** 0-1，越高越可靠 */
    reliability: number;
    /** 免费/付费 */
    cost: 'free' | 'paid' | 'freemium';
    /** 已知风险 */
    risks: string[];
}
/**
 * 渠道可靠性评估：基于公开常识的启发式评分。
 *
 * 维度：数据源权威性、更新频率、是否官方、历史稳定性。
 * 纯启发式，非实测；用于给 agent 一个"先信谁"的排序。
 */
export declare function channelReliability(channels: readonly string[]): ChannelReliability[];
/** 数据质量总报告：串起 PIT / 幸存者 / 渠道。 */
export interface DataQualityReport {
    pit: PitCheckResult;
    survivorship: SurvivorshipCheckResult;
    channels: ChannelReliability[];
    /** 综合健康度 0-1 */
    healthScore: number;
}
/** 数据质量总报告。 */
export declare function dataQualityReport(values: readonly (number | null)[], channelNames?: readonly string[]): DataQualityReport;