当数据库已经公开了同一事件的关键数字,LLM 读公告正文还能多告诉我们什么? 以 A 股业绩预告为检验场 —— 增量存在与否,两个方向都是结论。
持有 60 天、用 20 日前向收益,相邻交易日的 IC 高度重叠,朴素 t 值把显著性夸大了三到四倍——同一组数据,Newey-West 修正后 t 从 5.93 掉到 1.60,直接从「极显著」变成「不显著」。
重叠是怎么发生的 t 日 ├──── 未来 20 日收益 ────┤ t+1 日 ├──── 未来 20 日收益 ────┤ ← 与上一行重叠 19 天 t+2 日 ├──── 未来 20 日收益 ────┤ ← 又重叠 19 天 → IC 序列严重自相关 → 有效样本量远小于观测天数 → 朴素 t = mean / (std / √n) 里的 n 是虚高的 同一组数据,两种口径 t (朴素) 5.93 ████████████ 「极显著」 t (Newey-West, lag=20) 1.60 ███ 连 5% 都过不了
留一个问题你们报 IC 显著性时用的是哪种口径?持有期和前向收益期重叠的话,lag 取多少?
2021 年申万改版把「采掘」拆成「煤炭 / 石油石化」、「化工」更名「基础化工」——拿改版后的标签去中性化 2016 年的横截面,等于提前知道了分类结果。行业分类不是静态属性,是带生效区间的时序数据。
✗ 快照式:取最新一版分类,回填全历史 2016 ────────────────────────── 2021 │ 基础化工 基础化工 基础化工 │ ← 2016 年根本不存在这个分类 └──────────────────────────────┘ ✓ 点时间:只在生效区间内赋值 ├── 化工 ──────────┼── 基础化工 ──┤ info_publ_date cancel_date 验证:同一只股票 2020-06-01 横截面 → 「化工」 (申万 2014 版) 2021-12-01 横截面 → 「基础化工」 (申万 2021 改版后)
留一个问题除了行业分类,还有哪些「看起来是静态属性」的字段其实会随时间被追溯修改?(股票简称?ST 状态?所属指数?)
一个事件驱动因子,做完市值中性看着很漂亮;再加行业中性,Rank IC 直接掉了约四成——说明近一半的「预测力」其实来自行业轮动,不是事件本身。
逐步加修正,看每一步吃掉多少(IC 相对值)
A 未复权 ████████▊ (基准)
B 复权 █████████▋ ↑ 略升
C 复权 + 市值中性 █████████▍ ≈ 持平,但 ICIR 明显改善
D 复权 + 市值 + 行业 █████▍ ↓ 削去约四成
⚠ A→C 一路看涨,很容易就停在 C 收工
D 才是该报的那个数留一个问题你们的因子做完行业中性化之后,IC 掉了多少?如果没掉,是不是该检查一下行业分布?
导出 SQL 里 adj_factor 被写死成 1.0,价格实际从未复权——只有 0.31% 的日观测受影响,可那些日子的收益率偏差最大到 189%,而除权日恰好扎堆在预告季之后,正落在待检验的持有窗口里。
未复权 close 序列(送转当日)
10.2 10.3 10.1 ──▼── 5.1 5.2
↑
看起来「一天跌 50%」
实际是 10 送 10,财富没变
受影响面(A股 2015–2021,580 万日观测)
受影响观测 0.31% ▏
偏差中位 1.08% ▏
偏差均值 8.60% ▍
偏差 90 分位 34.3% ██
偏差最大 189% ████████
偏差 > 5pt 的观测:4029 个留一个问题你们的数据落地脚本里,有没有哪一列是「先填个默认值占位、打算以后再补」但一直没补上的?
先把「防未来数据 + 样本外划分 + 纯代码回测」做成有测试的可信底座,再让 LLM 提因子——没有可靠回测,生成再多因子也没意义。
M0 数据契约 → M1 PIT 对齐 → M2 因子引擎 → M3 回测(纯代码)
└── 可信底座到此 ✔ 全部有 pytest
M4 LLM 封装 → M5 三 Agent 闭环 → M6 汇总与可解释性留一个问题你们组把「防 look-ahead」放在管线的哪一步做验证?
时间序列里随机划分训练/测试等于用未来教过去——样本外必须严格按日期切,train_end 之后的每一天都是「当时不可见」的检验区。
|<──── 训练区 (≤ train_end) ────>|<──── 样本外区 (> train_end) ────>|
时间轴 ─────────────────────────●─────────────────────────────────▶
train_end
✗ 随机 shuffle 后再切:测试点可能早于训练点 → 信息泄漏
✓ 只按日期切:测试永远在训练之后留一个问题除了单次切分,你们会用滚动 / 扩展窗口(walk-forward)吗?窗口多长?
财报要用「公告日 ann_date」对齐,而不是「报告期 report_period」——T 日的因子只能看见 ann_date ≤ T 的数据,否则就偷看了未来。
报告期 2026Q1 (report_period = 2026-03-31)
│
│ 真空期:季报还没公布,这段时间不能用 Q1 数据
▼
公告日 ann_date = 2026-04-28 ← 从这天起,因子才允许引用 Q1 财报
│
▼
可用区间 [ann_date, +∞) → pit_merge 只并入 ann_date ≤ 当日 的最新一期留一个问题除了财报公告日,你还会给哪些字段单独设「可得日」?(如分析师预期、指数调仓)
在拿到聚源数据前,先把输入表结构写死成契约——尤其把「历史成分股」单列一张表,不然回测会只看今天还活着的股票,天然偏乐观。
prices date, code, open/high/low/close, vol, amount, adj_factor
fundamentals code, report_period, ann_date, <财务字段…> ← ann_date 用于时间对齐
universe date, code ← 历史成分股,防幸存者偏差
└── 回测只在「当日在册」的股票上做横截面留一个问题你们做 A 股回测时,退市 / 停牌的股票是怎么处理进 universe 的?
论文说因子的可解释性"可一路回溯到具体字段与有限算子"。点任意节点(含右上角的评价指标),看它的完整上游链路 —— 这张图就是那句话的证据。
← 左右滑动查看完整图 →
方法与系统已就位，真结果在路上。以下链接均指向仓库最新版本。
选一只股票,把业绩预告披露日标在复权 K 线上,再观察下一交易日起的市场反应; 也可以构建组合、浏览公开基线因子结果,或用预设问题切换研究视图。
所有市场数值由 Python 在构建期确定性计算并导成 JSON。披露标记使用 publ_date, “若当时买入”只从 usable_from 起算;真实因子表达式与调优参数不进入公开产物。
研究面板与想法流独立构建、独立部署。原站只提供入口,不共享组件,也不依赖 panel 的运行状态。
问一个可证伪的问题:当结构化数据已经公开了同一事件的关键数字时,LLM 读文本还能多告诉我们什么? 以 A 股业绩预告为检验场,让 LLM 提假设、让确定性代码裁决真伪 —— 增量存在与否,两个方向都是结论。
实验用聚源 JYDB 真实数据,窗口已由 2020–2021 扩至 2015–2021。此前版本存在两处已修正的缺陷: 复权因子被写死为 1.0(价格实为未复权),以及缺少行业分类因而无法做行业中性化。 统计口径改用 Newey-West 修正 t 值 —— 持有期重叠会把朴素 t 值高估三到四倍(实测 5.93 → 1.60)。 尚未纳入停牌涨跌停 ST 过滤。结果定位为「初步实证与系统验收」,不是稳健的 alpha 发现。
站内是我选定的快照版本;论文在仓库里持续追加,想看最新进展的直接进仓库。
在这里直接提交,系统会用项目账号同步成一条 GitHub Issue —— 你不需要 GitHub 账号。仓库公开,请勿填敏感数据。
正在读取...
没有符合筛选条件的工单。