知识库

此笔记本用六个手工构造的案例评估基于文档的金融助手安全规则。案例涵盖提示注入、不可信材料中的虚构数字、尝试执行的操作，以及引用未检索到的内容。它比较两种作答策略：一种是不加甄别地使用检索内容的基准策略，另一种则结合基于短语的注入检测、信任过滤和证据核查。…

本笔记使用小型、带情感标签的金融新闻语料训练Skip-gram Word2Vec模型，并考察其近邻词揭示的内容。该方法根据词语出现时的上下文来表示词语。示例中，profit（盈利）和loss（亏损）成为近邻，是因为金融报告常在相似句式中使用这两个词，尽管它们的含义在情感极性上相反。笔记还指出，简单分词时保留数字词元，可能会使数字和货币符号片段成为某个词的近邻。…

本笔记介绍将S&P 500公司的季度MD&A披露转化为交易特征的流程。它以申报文件的受理日期作为时点锚点；若一家公司在同一天提交多份申报文件，则保留其中对应期间最新的申报文件。笔记构建两种信号：将FinBERT分块级情绪汇总为文档均值和离散度，以及基于句子转换器嵌入计算的季度间语义变化。笔记还解释了年度报告所在季度为何会造成10-Q覆盖的季节性缺口。…

本笔记说明如何从10-K和10-Q申报文件中提取叙述章节，用于后续文本分析。笔记根据申报表类型映射项目编号，将申报文件HTML转换为文本，同时保留段落边界；它还会清理页面杂项，并识别章节的起止位置，即使目录和正文交叉引用中反复出现项目编号也能处理。笔记还强调保留申报编号和受理时间戳，以识别申报文件并确定信息的可用时间。…

本笔记本比较三种将财经新闻句子分类为正面、中性或负面的方法：使用TF-IDF词语及词对特征的逻辑回归、使用预训练GloVe词向量均值的逻辑回归，以及预训练FinBERT情绪分类器。它采用Financial PhraseBank中一致标签子集的分层训练集和测试集划分。两种词汇方法使用相同划分进行训练；FinBERT则作为预训练模型应用，因此其得分同时反映学习到的表示和此前的任务训练，并非单独的特征比较。…

本笔记解释如何合并多个智能体的概率预测，以及如何校准合并后的概率。笔记介绍Neyman极值化方法：根据面板规模和假设的成对相关性，将平均预测值从基准率向外推移。假设相关性较低时，会将面板视为多个证据来源并赋予更大权重；相关性较高时，则认为这些智能体更相似。示例和模拟图表显示，随着这一假设变化，汇总结果可能发生显著偏移。该方法没有考虑预测之间的分歧，即使平均值相同的面板也可能具有非常不同的离散程度。…

本笔记本展示一种交易级诊断工作流，将实际亏损与模型的 SHAP 解释联系起来。它使用滞后价格和波动率特征及宏观输入训练 LightGBM 模型，以预测下一交易时段的 SPY 收益。固定预测阈值决定开立哪些单时段多头交易；随后选出实际结果最差的交易，对齐其 SHAP 向量并进行聚类，再将所得模式转化为审查模型或特征的假设。 笔记本强调应解读聚类内 SHAP 贡献的分布和方向，而不能只依赖平均归因。SHAP…

本笔记组装了一个研究智能体，它搜索证据并针对二元问题返回结构化概率。笔记介绍了动作解析与验证、回合预算，以及记录理由和运行详情的已保存预测产物。无效回复会被退回修正；未完成预测便耗尽回合的智能体，也会与给出概率的智能体区分开来。 模型提供预测及理由；代码则生成情绪、信心、证据类别和关键发现等字段。笔记强调这些指标只是启发式：基于概率与五五开距离计算的信心，并不能衡量证据质量；统计文档数量也无法判断其独立性或可信度。固定的轨迹支持在不发起新的 API…

本模块介绍多智能体预测流程中的两个组件。辩论智能体轮流提出看涨和看跌论点，要求双方回应对方的主张，并提供有证据支持的概率估计。它会记录每一轮；当双方估计值落在预先设定的一致范围内时，可以提前结束，但轮数不得超过上限。…

本笔记微调三个 Transformer 检查点，用于金融句子的三分类情绪分析，并比较准确率、宏平均 F1、混淆矩阵、参数数量和训练时间。它对 Financial PhraseBank 进行分层训练集、验证集和测试集划分，为通用随机性和 Trainer 随机性设置种子，并采用动态批次填充。模型包括领域专用的 FinBERT 检查点和两个通用检查点。 核心经验是：解读测试分数前，先检查检查点的训练历史。FinBERT…

本笔记研究基于关键词的 ESG 标题处理流程，并将结构化分类器输出与检索增强生成助手需要满足的要求进行对比。第一组关键词用于筛选标题，第二组用于标注环境、社会或治理类别。对整个筛选池应用分类器后，结果显示环境类别占比明显偏高。笔记将这种不均衡追溯至筛选词表中更容易使用的环境术语，以及分类顺序优先将重叠匹配归为环境类别。 随后，笔记使用分层抽样进行 FinBERT 情绪分类，区分模型加载时间和推理时间，并介绍要求引用原文片段且在无法回答时弃答的 RAG 证据约定。笔记没有生成任何 RAG…

本笔记使用 SHAP 在令牌层面解释 FinBERT 的三分类金融情绪概率。它固定模型检查点，明确对齐输出标签，随后分析若干构造标题中的哪些词会提高或降低预测类别概率。受控比较中仅将“narrowed”改为“widened”，以说明某个词的归因取决于完整句子语境，而非表达固定的独立情绪。…

该笔记本构建了一个预测智能体，使其在ReAct循环中交替进行推理和行动。它的可选行动经过刻意精简：智能体可以搜索证据，也可以提交概率预测。统一的双方法接口让循环能够使用不同的语言模型提供商；模式校验则会在模型响应触发行动前检查其是否符合要求。无效回复会被送回修正，步骤预算会限制智能体在提交预测前可继续执行的步数。…

本指南介绍公开的CFTC交易者持仓报告，将其作为每周期货持仓数据来源。报告分为金融期货交易者报告和商品期货分类报告：前者按交易商、资产管理机构和杠杆资金等类别划分参与者；后者包含商业交易者、管理资金和掉期交易商等类别。产品级文件包含报告日期、未平仓合约量，以及交易者的多头、空头和净头寸。本文将持仓分析、z分数、反向信号和期货策略特征列为可能的用途，但没有提供经过测试的交易规则或表现证据。…

本章介绍如何通过检索增强生成，让语言模型更适用于开放式金融研究；在这类研究中，缺乏依据的说法和幻觉可能造成高昂代价。本章依次讲解从文档导入、保留结构的分块，到元数据、领域专用嵌入、词法与语义混合检索、重排序以及以证据为依据的生成。文中还介绍了引用约束和经工具验证的计算，以提高可追溯性和数值可靠性。…

本文介绍如何获取选定期货品种的每周CFTC交易者持仓报告数据，并将各品种的历史记录保存为Parquet文件。COT报告记录周二的持仓情况，并于周五发布；金融期货与大宗商品的交易者分类有所不同。生成的数据包括报告日期、未平仓合约数，以及多头、空头和净持仓，可用于期货研究流程中的持仓或情绪特征。…