2020 年 4 月 20 日，原油期货结算价为负。Jane Street 的系统里写死了一条假设：价格永远为正。那天，这条假设击穿了订单入口。
讲另类数据之前，先讲这件事，因为它定义了这篇文章的全部主题。
Eric Mannes 在 Jane Street 做了十多年大宗商品交易员，如今协助领导公司的另类数据团队。2026 年 9 月 2 日，他坐上公司官方播客《Signals & Threads》第 29 期，节目名字叫得很直白：Wrestling the World into Rows，把世界拧进行里。
七十多分钟，从负油价讲到一个跑在 Excel 里的风控系统，讲到「公司到底是什么」，讲到厂商半夜改标签，讲到 LLM 为什么不能碰旧数据。
听完你会发现一句话反复出现，它也是全文的题眼：
「用厂商修正后的历史回测，你研究的不是当时能做什么交易——你在模拟一台时间机器。」
三秒版：
一，另类数据不是数据种类，是位置。离你的交易系统越远、越需要「拧」，就越另类。
二，真实数据里的时间机器不藏在数字里。它藏在日历、披露滞后、重叠期间和厂商改标签里。我们抓了真数据验证。
三，大模型爆发让能加工的模态暴增。但加工的核心不是模型，是 schema、vintage 和评估。我们在真实 8-K 上亲眼看到：LLM 抽对了数，错的是我们自己的标签。
四，2026 年的前沿不是更大的模型，是密封的评估器。LLM 读过未来，它不配当裁判。
一句话总结：这篇讲的，就是时间机器怎么被装进你的另类数据管线——以及拒绝它的人靠什么防守。
01｜另类数据到底是什么？
先给一个几乎循环论证的定义，再看它为什么好用。
Mannes 的说法是：另类数据，就是投资流程里本来不用的数据。
主持人立刻戳中要害——用的人足够多之后，它还算「另类」吗？
他承认，然后补了一句让 vendor 不舒服的话：在 Jane Street 的内部口径里，卫星数据是另类数据，SEC 财报也是另类数据。真正「传统」的只有两样：交易所实时行情，和跑交易、风控必需的合约元数据。
这个边界有组织架构背书。市场数据团队、元数据团队，以及收编「其余一切信息」的另类数据团队。
所以判断一份数据另类不另类，别问它新不新，问两个问题：
它在你的组织里离交易有多远？
它在时间上是否「当时可知」？
下面是这期节目的地图。注意它从哪里开始——不是数据，是负油价那天崩掉的系统假设。
▲ 十六个章节，直接谈另类数据的只有后半段。前半段是期货乘数、元数据、和一个跑在 Excel 里的风控系统。
把视野拉开，业界通常把另类数据分成八个家族。
▲ 按「观测的是什么」排开。注意 horizon 一列：有研究说多数另类信号的信息集中在未来 1–5 天。这一条，决定了后文所有建模讨论的形状。
02｜案例画廊：谁有硬证据，谁只有故事
按证据强度排，不按热度排。
卫星和遥感，有一个顶刊级的锚。 Katona 与 Painter 发现，卫星停车场数据加快了盈利信息进入股价的速度——首先是价格效率的证据，其次才是 alpha 的证据。Mannes 对「数 Walmart 停车场的车」这个经典案例的评价很冷静：照片噪、拍得稀、Walmart 两成销售在线上、纽约购物者不开车。而且它测的是「来了多少人」，不是「花了多少钱」。
消费面板，最硬的验证在宏观，不在交易。 Chetty 等用 Paychex-Earnin 的工资数据追踪疫情冲击，与官方统计高度吻合。但那是总量冲击，不是截面 alpha。商业侧的结局是：Second Measure 被 Bloomberg 以逾 1 亿美元收购。
地理定位，一场隐私清算改变了供给。 FTC 诉 Kochava，2026 年 5 月和解，首例敏感位置数据禁售令。苹果 ATT 之后只有约 35% 的用户 opt-in——位置面板从全量观测退化为小样本外推，外推模型本身成了新的偏差来源。
点击流，是被监管直接抹掉供给的家族。 Jumpshot 2020 年 1 月 30 日关停，Hitwise 不到一个月跟进，Avast 2024 年被罚 1650 万美元并禁售浏览数据。学术锚点反而更老：谷歌搜索量能预测短周期收益、约一个月内衰减。
社会情绪，一个著名正结果，和一堆没能复现的追随者。 2011 年那个「推特情绪预测道指 86.7% 方向准确率」此后复现普遍失败。要引用，引 Seeking Alpha 情绪那篇，别引它。
物流与天气，独立学术证据稀薄。 多数「案例」停留在厂商口径。本文不把它们当证据使用。
每个家族的加工管线、失败模式与评估方式，在第 05 部分按模态逐一拆开。
03｜清洗：三个坑，和一门科学
Mannes 用三个具体的坑，讲清了这门科学。
坑一，公司到底是什么。 双重上市公司算一个实体还是两个？数据对应公司、share class、ISIN 还是某个 listing？公司会改财政日历、会重述报表。他的原话是：你必须时刻想清楚，什么数据在什么时间点可知。
坑二，样本里人变多了，不等于人们花得多了。 面板不是随机样本。信用 unions 持卡人和 Chase Sapphire Reserve 持卡人消费行为不同；有人进出面板。不回答构成问题，面板总支出增速就不是任何经济学量。
坑三，厂商修正，就是时间机器。 厂商会改历史：列口径变更、商户标签事后修正。「原先归到 A 品牌的交易，其实属于 B。」
Jane Street 的做法朴素而强硬：
保存每份数据，连同我方收到它的时间戳。无论厂商怎么改自己的时间戳，「我们何时收到」永远可重建当时可知的数据面。
这和他们对交易所行情的态度同源：更信自己网卡落包的纳秒，而不是交易所时间戳。
整条流水线长这样。关键不在方框，在两条回边。
▲ 厂商修正只追加新 vintage、永不覆盖旧版；评估不通过回整理层，而不是硬上模型。
这个机制的合成版本长这样（实验 2，合成数据）：厂商实时交付 s+噪声，90 天后交付「修正版」s+0.25×噪声。同一条策略、两份历史，回测 IC 0.022 对 0.049——放大 2.3 倍。
▲ 红色那条净值曲线，在任何一个「当下」都不存在。
但合成演示不够说服力。我们去抓了真数据。
04｜真数据实验：EDGAR 是一块时间机器化石层
我们从 data.sec.gov 抓了四家公司的原始记录：AAPL、COST、TGT、WMT。每条记录自带「哪份表格、何时提交」的时间戳。
先说一个诚实的负结果：约四十个公司-年度里，年度收入的重述次数为 0。 蓝筹的数字本身极稳。
那么时间机器在哪？在三处更隐蔽的地方。
第一副面孔，披露滞后：34 到 46 天。 10-K 首次提交减去财年末的中位数：AAPL 34 天、COST 38 天、TGT 39 天、WMT 46 天。把年报收入对齐到财年末做回测，等于平均偷看一个多月未来。这是初学者最常犯、也最沉默的前视偏差。
第二副面孔，53 周财年：不归一化，最多扭曲 2.1 个百分点。 Costco FY2023 是 53 周年：原始同比 6.8%，按天数归一后 4.7%。AAPL FY2023、TGT FY2024 同病，各扭曲 1.8pp。Costco 的 53 周年是业界著名陷阱——真实数字就在这里。WMT 没有 53 周年，对照组同样重要。
第三副面孔，重叠期间：每家约 450 到 490 对。 10-Q 的累计期和 FY 并存。朴素拼接，就是重复计数。
还有一份活化石，藏在文档内部。
同一份沃尔玛 FY27-Q2 新闻稿里，自带一张带 as-of 日期的指引修订表：
2026-02-19，净销售（恒定汇率）+3.5% 到 4.5%。
2026-05-21，不变。
2026-08-20，上调至 +4.0% 到 5.0%。
一份文档里躺着三个 vintage。用 8 月的表回测 2 月的决策，就是时间机器。
下面这个动图把它演出来。
▲ as-of 日期推进时，增速信号只在披露日跳变，从不在财年末跳变。任何在财年末「看见」当年增速的回测，都在用一份不存在的文件。
05｜怎么加工：六种模态的完整解剖
这是大模型爆发真正改变的地方。
以前处理不了的模态——电话会音频、卫星影像、非结构化披露——现在都能进管线了。Mannes 的描述很克制：
「一部分是机械的，但我们造工具把机械部分尽量自动化。剩下的部分，是思考这个字段到底是什么意思。」
把六种模态摊开，每张管线的形状都一样：输入、转换、行 schema、失败模式、评估。LLM 只出现在「转换」那一列；纪律在 schema、vintage 和评估列。
▲ LLM 是提取器，不是纪律。纪律是：每行都带 vintage 和 source_span；每个失败模式都有对应的监控或审计。
文本与披露：我们在真实 8-K 上踩到的坑
先看难度从哪来（实验 6，合成语料）。当四分之一的句子含否定、一部分含「although」式转折、双重否定、否定作用域陷阱（「did not show growth」）时，朴素词典计数的情绪准确率只有 61.2%，加否定词规则升到 82.2%。剩下的缺口，才是 LLM 声称要填的部分。
文本族的难度是结构性的，不是词表问题。
再上真实句子（实验 8，16 句真实沃尔玛 8-K）。朴素词典 10/16，加否定规则 10/16，LLM 12/16。
LLM 赢，但不神奇。它的 4 个错判全落在同一类分歧上：非 GAAP 的 boilerplate 句子，算中性还是轻褒？
在 boilerplate 上，连 ground truth 都不唯一。
然后做字段抽取（实验 9）。这里发生了全文最重要的一次翻车——翻的是我们自己的车。
我们让 regex 和 LLM 从同一份新闻稿里抽 8 个字段。人工标注的「真相」里写着：Q2 净销售 125.2、经营利润 8.1。
LLM 交回来：186.1 和 9.383。
第一反应是模型幻觉。然后我们去查 XBRL——机器可读层里，2026-05-01 到 07-31 的三个月记录明明白白：合并净销售 186.1、合并经营利润 9.383，10-Q，2026-08-28 提交。
而 125.2 和 8.1，是新闻稿里 Walmart U.S. 分部那张表。
LLM 抽对了。错的是我们的标签：字段没有做实体限定。
▲ regex 拿到分部表，LLM 拿到合并口径（与 XBRL 一致），XBRL 只有被标签化的概念——指引、同店、电商增速不在机器可读层。三种方法各覆盖一片，谁都不是全集。
这就是 Mannes 那句「公司到底是什么」的现场版：不写清 entity 的字段，连 ground truth 都是歧义的。
生产管线的正确形态由此浮现：XBRL 做骨架，LLM 补未标签字段，regex 兜底，三方互验。 不一致即告警。
抽取流的完整形态，包括那道必须有的漏门：
▲ schema 受限、每行 stamped vintage、带 source_span；混入「未来知识」的行被泄漏门拒绝入库。
泄漏不是比喻。用任何一个训练截止晚于任务文档的模型处理旧数据，语气和字段都会被未来污染。
▲ Mannes 的原话版本：「LLM 知道 Enron 怎么了。」正确设计有四条：cutoff 早于任务期间的模型、point-in-time prompt、post-release 评估样本、把标签留在模型够不到处。
表格与 XBRL：权威，但窄
机器可读层的三件事在第 04 部分已经验过：52/53 周按天归一、重叠期间去重、重述只追加。
这里补一条加工纪律：XBRL 的 concept 也有口径。 同一个收入 concept，三个月记录和六个月记录并存（361.8 对 186.1）。period 的 start 和 end 必须一起进 schema，只存 end 就是埋雷。
卫星与视觉：从像素到面板要过四道关
目标检测出计数，拼成店-日面板，校准到地面真值，才轮到建模。
四道关各自会死。云遮：计数缺失不是零。重访周期稀：周频影像做日频信号是自欺。间接性：车数不等于消费额，这是 Mannes 的批评。检测置信度漂移：模型升级后历史计数不可比——又一类 vintage 问题。
评估只做一件事：抽子样本人工数一遍，与检测值对拍。没有这一步，后面全是信仰。
地理定位：重加权不是可选项
面板、人口加权外推、POI 周度到访。ATT 之后面板更小，外推模型更深，偏差更隐蔽。
下面这个动图是实验 1 的动态版：面板每个月在换人，朴素口径的偏差在复利。
▲ 蓝线是真实总体人均，红线是面板人均（朴素），青线是分群重加权。红线偏离蓝线的速度，就是构成偏差的复利速度。
静态版本把三种口径并排：面板人均 4 年累计偏 -6.1pp；分群人均加按总体结构重加权后偏 -0.2pp。人均化不够，重加权才够。
音频：电话会是最被低估的模态
ASR、说话人分离、语气与问答抽取。失败模式很具体：ASR 把「basis points」听成别的、把数字听错一位；管理层话术逐年漂移；反讽与回避——「we're pleased」后面跟一个下调的指引。
评估靠跨 ASR 引擎一致性加人工标注子样本。单引擎的输出不是数据，是假设。
网页抓取：漂移监控比解析器重要
快照哈希、schema 映射、漂移监控。解析器写得再好，页面一改版就是垃圾进垃圾出——而且垃圾会安静地流进你的面板。
▲ 批次 32 页面改版，空值率从 2% 跳到 60%，监控击穿阈值、管线 halted。没有这条监控线，改版日的垃圾会以「真实数据」的身份活在你的回测里。
而厂商送来的文件，本身就是需要解剖的对象。
▲ 缺失不等于 0；rev 列就是 vintage；面板进出是构成偏差；没有币种单位列就是元数据风险——期货乘数的教训。
加工的公共骨架
六种模态摊开之后，公共骨架只有四条。
每行带 vintage 与 source_span。 没有出处的行不是数据。
数据管道是代码。 Mannes 的原话：data pipelines are code。要 code review、要测试、要版本控制。Jane Street 用 dbt 的原因很具体：在每一阶段测试数据的性质，这样你才敢依赖它——而不是 300 行的 Postgres view。
监控先于模型。 空值率、漂移告警、面板构成仪表盘、vendor 变更通知。模型发现问题太晚，监控发现问题在当天。
评估留在确定性层。 字段级精确匹配、与 XBRL 勾稽、与普查对拍、人工审计子样本。LLM 可以生产行，但不能验收行。
06｜稀缺：一门会折旧的生意
先看价格。行业报道给出的年费区间，从窄数据集的 0.5–2.5 万美元，到中位的 5–10 万，到 premium 的 10–50 万，再到机构级安排的 50–250 万。
Neudata 2026 年报告估计：平均买方年支出约 160 万美元、覆盖约 20 家 vendor；2025 年买方总支出 28 亿美元，同比加 17%；2026 年调查里 94% 的买方声称在用。
独家授权的溢价倍数传闻是 3 到 10 倍。没有核实来源，本文只作传闻引用。
再看折旧。独家的意义，在于折旧速度。三块学术拼图：
Katona 与 Painter 说，另类数据加快信息入价——它的使用本身在消灭它。
INSEAD 的工作论文说，价值随信息吸收衰减，且主要作用于短期。
Lee 给出双曲线衰减的形式，并发现「机械型」因子拥挤快、「判断型」因子慢。
▲ 合成演示，函数形式参照 Lee 2025：滚动 IC 从 0.17 衰减，半衰期约在 147 家机构同时交易处。动图把订阅者计数变成时间轴——IC 的下滑，就是这门生意的折旧表。
反证据也存在：Acadian 的拥挤度重估认为，多数系统化策略的拥挤担忧被夸大。
最后是监管。监管即稀缺性。
ATT 的 35% opt-in、Kochava 禁售令、Avast 罚单、GDPR——每一刀砍掉一类可买的数据，同时抬高合规存续数据的价格。
而 vendor 的死亡率本身就是风险：Second Measure 被收购、SafeGraph 拆分客流业务、1010data 并入 SymphonyAI、Unacast 与 Gravy 合并。
把 alpha 押在一家 vendor 的存续上，是一种未定价的风险。
07｜前沿：机构怎么组织，多 agent 怎么跑，评估怎么崩
Jane Street 的两层回答
第一层：模型变强，好数据更值钱。
更强的模型消耗数据的能力更强，「所有高质量数据集的价值都上升了」。LLM 让文本提取从「手动、烦人、不现实、一堆正则的嵌套」变成可行。
但他立刻给出因果警告：
「LLM 知道 Enron 怎么了。」
用一个读过未来的模型处理旧数据，会得到非常混乱的结果——训练语料里可能就有那份财报的结局。这是时间机器的 AI 版本。 第 05 部分的泄漏门，就是这句话的工程化。
第二层：验证瓶颈更值钱了。
「很容易做一件事并且以为自己解决了问题，而实际上你根本没理解问题。」
还有一个反直觉的观察：模型越强，清洗的价值越大。非 point-in-time 数据里偷渡的未来信息，弱模型学不会，强模型一学一个准。
顶级机构怎么组织加工
Jane Street。 团队三分：数据战略（sourcing，社交型——订阅目录、vendor 大会、10 到 15 分钟一场的高速约会式面谈）、数据基础设施（工具）、数据工程（产品是「好数据集」，必须懂域）。起源很朴素：组建团队前各桌自己接数据，「结果大概只有它能达到的水平的 60%」；先做一个小而难的数据集做到好用，诱导需求——2023 年第一位数据工程师，如今二十多位。
Citadel。 设有专职另类数据团队，Ken Griffin 的公开表述是「有效利用大数据的能力对我们的成功至关重要」。具体预算不披露。
Point72。 2016 年起由 Matthew Granade 执掌大数据部门，内设 Market Intelligence 专职 sourcing；2025 年 3 月，前 Point72 高管 Kirk McKeown 创办 Carbon Arc，宣称要重做另类数据供应链——连退出者都认为这条链值得重做一遍。
Two Sigma 与 D.E. Shaw。 自建抓取与文档处理基础设施的报道广泛存在但多为间接证据；D.E. Shaw 的文档处理研究组有公开技术 talk。本文标注为部分核实。
共同点只有一条：sourcing 是社交工作，加工是工程工作，验收是纪律工作。三件事分开做。
2026 年的系统图谱
三年间的主线：从「单模型提取」，走到「记忆化多 agent 加污染后评估危机」。逐条给证据。
披露分类聚合器。 3 个零样本 LLM 视角加 logistic 元分类器，预测次日收益方向；9,860 份 post-release 披露，刻意规避预训练污染。
约束式 agent。 append-only 实验轨迹、point-in-time 因子 DSL、确定性引擎；仅训 2020–22，2024–26 纯样本外年化 44.55%、Sharpe 1.55（加密市场，5bps 成本后）。
KTD-Fin。 数据侧掩码，匿名化 ticker 与日历，防知识截止记忆顶替推理；并指出原始收益不等于选股能力。
AlphaMemo 与 SEFD。 结构化搜索过程记忆；斯坦福把 EDGAR 重建为 layout-faithful 语料，与 Common Crawl 系重叠小于 0.1%——清洗后的披露本身就是稀缺训练资产。
XALPHA。 记忆驱动的 hypothesis-to-code 闭环研究员。
AQuA。 评估器密封：生成泄漏靠「写不出来」堵，选择泄漏靠「优化指标不等于上报指标」堵；因子组合 IC 0.190 对单因子 0.026–0.037。本系列前作拆过它。
Agentic 综述。 系统集中于信号发现；多 agent 仍重度依赖聚合；强预测能力不自动变成交易表现。
多 agent 的正确形态
把上述系统的共性抽出来，命题只有一句：
让 LLM 待在它擅长的层——提取、假设、草稿。把纪律留在确定性层。
▲ PIT 验证器里没有任何 LLM；factor builder 的动作被限制在 point-in-time DSL 内；评估器冻结切分、单次打分、优化指标与上报指标分离；记忆只追加不修改；人类闸门承担「做得好」与「做出来」的差距。
反面教材很清楚：奖励黑客研究显示，agent 会在可见测试集上刷满分、在 holdout 上作弊。
密封评估不是可选项。
2026 年 9 月：评估危机
两篇最新预印本，把「LLM 金融评测」的地基掀了开来。
其一，构造了全部观测晚于所有模型发布日的 holdout：预训练时序基础模型赢下 7 组中的 5 组、输 1 组给 Theta 基线；而在日频汇率上，与季节朴素预测无任何方法可区分。此前文献的强分数，无法与「预训练见过测试集」分离。
其二，在 3,575 份 SEC 文件、12 个 LLM 上发现：角色提示、记忆、画像造成的判断偏移，主要来自模型对同一证据的解释方式，而非检索到不同证据。给「agent 一个买方角色」这类设计，这是直接警告。
叠加已知负结果——表格数字幻觉、前瞻偏差（它否掉了一批已发表的「LLM 炒股」论文）、对抗扰动下 97.2% 到 71.0% 的崩塌、过半 NLP 基准被污染——2026 年的结论是：
「干净分数」本身，成了需要被审计的对象。
顺带一句：我们在实验 9 里亲眼见到幻觉研究的一面——LLM 的表格数字这次是对的，错的是人。
08｜建模：三条定律，和一条元定律
第一定律，horizon 决定持仓。 有研究发现另类数据主要对未来短期结果有信息，IC 在 5 到 10 天外急剧下降；加入长窗口预测，甚至可能降低信息量。
▲ 合成演示，40 种子平均：ΔR² 在 5 日见顶（加 0.67pp），21 日只剩加 0.11pp，63 日转负。另类信号的持仓周期由数据性质决定，不由偏好决定。
第二定律，增量必须正交。 加值的地方：低分析师覆盖、高信息不对称的标的；事件前 1 到 5 天。不加值的地方：大市值高覆盖；以及——控制已知因子之后。
447 个异象的复现、和金融学复现危机的那篇，给出背景噪声水平：多数「新因子」在正确断点与因子控制下消失。批评者的版本更刺耳：卡面板收入约等于盈利动量，客流约等于规模加动量。
不正交化就报增量 IC，等于没报。
第三定律，显著性必须折试验次数。
▲ 合成演示：1000 天纯噪声里测 100 份数据集、挑最好那份，平均 abs(IC) 0.087——越过 t=2 门槛（0.063），过不了 t=3 门槛（0.095）。Deflated Sharpe Ratio 是同一件事的组合版本：报告 Sharpe 2.5，计入试验次数后可能折成 0.3。
元定律，归因不存在。 没有任何公开的信、访谈或论文，给出经审计的「另类数据贡献了 X% 收益」。Two Sigma、Point72、Citadel、Renaissance 的另类数据使用，都是推断与招聘信号。任何 fund-level 归因数字，都应视为营销。
09｜手册：七道 Gate
▲ 六道 Gate，每道不过都有标准动作：不进回测、只用截面、先建映射留审计表、降预期、归档、放弃。第七道是 2026 年新增的：LLM 与 agent 环节是否有密封评估与 append-only 轨迹？没有，其产出只配当草稿。
组织侧，三条 Jane Street 经验。
先做小而难的一份数据。 把一个基础但难用的数据集做到好用，需求自己会长出来。2023 年第一位数据工程师，如今二十多位。
团队三分。 数据战略、数据基础设施、数据工程。后者的产品是「好数据集」，且必须懂域。
招聘看好奇心与调查过程。 面试给一份陌生数据集，看候选人是小心建模「我知道什么、不知道什么、怎么验证」——还是写一堆代码然后「希望它能跑」。
结尾：拒绝权
回到标题。
把世界拧进行里，拧的不是世界，是「当时可知」四个字。
卫星照片、卡面板、停车场、电话会文本、LLM 提取的结构化字段——它们共同的敌人不是噪声，是时间：
面板在时间上换人。厂商在时间上改标签。53 周在时间上偷天数。披露在时间上迟到。页面在时间上改版。LLM 在时间上读过未来。订阅者在时间上套利掉信号。预训练在时间上见过你的 holdout。
所以顶级机构真正买到的不是数据。
是对时间机器的拒绝权。
自有时戳、vintage 只追加、purged 验证、t=3 门槛、PIT DSL、密封评估、post-release 样本、实体限定的 schema。
付得起这套纪律，另类数据是 alpha 的原料。付不起，它只是噪声的另一种包装——外加一张六位数的发票。
最后留一个问题：
它在它所声称的每一个历史时点上，真的存在过吗？
泼自己九盆冷水
一，实验 1 到 6 为合成数据，只演示机制；实验 7、8、9 为真实数据，但 8 和 9 的 LLM 是本文环境所接模型（qwen3.8-max），非 frontier 模型，结论只读方向。
二，实验 9 是单文档基准：8 个字段、三种方法，证明的是实体限定的必要性，不是任何方法的总体准确率。
三，fund-level 归因不存在公开证据；独家溢价倍数为业界传闻；市场规模远期预测差两个数量级，本文只采用 2025 年实际支出（28 亿美元）。
四，EDGAR 实验里最老期间的「首次出现」是后续 10-K 的比较期——数据库保留窗口本身会伪造 vintage，这也是一条教训。
五，实验 8 的 4 个 LLM 分歧是标注语义分歧，不应读作模型能力上限；16 句样本太小，不估总体准确率。
六，Two Sigma 与 D.E. Shaw 的自建基础设施为部分核实（间接报道与技术 talk），未获一手确认。
七，卫星族除顶刊锚点外，「R² 0.3 到 0.5」式数字多为 vendor 口径。
八，2023 到 2024 年「LLM 炒股」论文先查时间戳处理；2026 年之前的时序基础模型分数先查 holdout 是否在模型发布之后。
九，回测非实盘；合成实验非回测；真实数据实验非收益证据。三层不互相替代。
动手区：三段可跑代码
import json, urllib.request, datetime as dt, collections
class VintageStore: # 只追加、不覆盖
def __init__(self): self.v = []
def deliver(self, recv_ts, df): self.v.append((recv_ts, df))
def as_of(self, ts):
vis = [d for r, d in self.v if r <= ts]
return vis[-1] if vis else None # 当时可知版本，永不来自未来
def edgar_vintages(cik, tag="RevenueFromContractWithCustomerExcludingAssessedTax"):
"""从 data.sec.gov 构建真实 PIT 面板：每条事实带 (filed, form, period)。"""
ua = {"User-Agent": "research demo contact@example.com"}
u = f"https://data.sec.gov/api/xbrl/companyconcept/CIK{cik:010d}/us-gaap/{tag}.json"
recs = json.loads(urllib.request.urlopen(
urllib.request.Request(u, headers=ua), timeout=60).read())["units"]["USD"]
panel = collections.defaultdict(dict) # period -> {filed: (val, days, fp)}
for r in recs:
if r.get("form") in ("10-K", "10-K/A", "10-Q"):
L = (dt.date.fromisoformat(r["end"]) - dt.date.fromisoformat(r["start"])).days
# 注意：period 的 start 与 end 必须一起进 schema（3 个月 vs 6 个月并存）
panel[(r["start"], r["end"])][r["filed"]] = (r["val"], L, r.get("fp"))
return panel
def growth_as_of(panel, as_of): # as-of 增速：只用已披露年份
kn = sorted(e for e in panel if min(panel[e]) <= as_of)
get = lambda e: panel[e][max(f for f in panel[e] if f <= as_of)]
vals = [get(e)[0] for e in kn]; lens = [get(e)[1] for e in kn]
return [(vals[i]/lens[i])/(vals[i-1]/lens[i-1])-1 for i in range(1, len(vals))]
def panel_reweight(panel, seg_col, val_col, pop_share):
"""实验 1 的可跑版：分群人均 + 按总体结构重加权，回到总体水平。"""
levels = panel.groupby(seg_col)[val_col].mean()
return float(sum(levels[g] * w for g, w in pop_share.items()))
def drift_monitor(null_rates, threshold=0.2, window=5):
"""动图 6 的可跑版：空值率滑动窗口击穿阈值即 halted。"""
for i in range(window, len(null_rates)):
if sum(null_rates[i-window:i]) / window > threshold:
return i
return None
# 回测一律 growth_as_of(panel, 决策日)；对齐财年末 = 偷看未来。
# 抽取时：schema 必须实体限定；每行带 vintage 与 source_span；
# 模型 cutoff 晚于文档期间 → 拒绝入库（泄漏门）。
发表于 前天 00:21
|
查看: 0|
回复: 0
