Financial 10-K Text Agent
一个可审计的金融 NLP 研究流水线，用于检验 SEC 10-K 披露文本是否包含对未来波动率和异常收益目标的样本外预测信息。
本项目位于金融 NLP、实证资产定价、滚动样本外验证和研究审计的交叉点。它不是 RAG 演示、通用情绪分类器，也不是 AI 交易机器人。
规模
当前版本核心指标
主发现
预注册主预测结果
预注册主预测规格使用 Ridge 预测未来 20 个交易日实现波动率，并以 ALL_SPLITS Rank IC 作为评价指标。
这支持一种探索性样本外证据：10-K 文本特征包含关于未来 20 日实现波动率排序的信息。该结论是预测证据，不是可交易 alpha 结论。
模型比较
最佳观察到的探索性预测结果
最强的模型比较结果与预注册主结论分开报告，避免事后挑选结果。
| 模型 | 目标 | Rank IC | NW t 统计量 | RMSE |
|---|---|---|---|---|
| XGBoost | realized_volatility_1_20 |
0.3133 | 6.8479 | 0.00834 |
这是探索性模型比较证据，不是预注册主结论。
流水线
从 SEC 年报到审计结果
官方 10-K 文件和提交时间戳。
Business、Risk Factors、Legal Proceedings、MD&A。
未来波动率和异常收益目标。
滚动训练 / 验证 / 测试窗口。
LM 词典语调和训练窗口内拟合的 TF-IDF/SVD。
基准模型、Ridge 和 XGBoost。
Rank IC、Newey-West 和组合诊断。
覆盖率、manifest、规格注册表和校验和。
研究控制
带审计轨迹的研究工作流
防泄漏控制
滚动切分、提交时间对齐、标签窗口检查和训练窗口内词表拟合，用于降低前视偏差。
模型横向比较
历史均值、行业均值、Ridge 和 XGBoost 在滚动样本外评价下进行比较。
多重检验
披露 568 个测试规格，并使用 Bonferroni、Holm 和 Benjamini-Hochberg FDR 调整。
审计轨迹
结果包包含审计报告、覆盖率瀑布图、模型和特征 manifest、词表哈希、预测尺度检查和校验和。
证据文件
查看公开证据
主页只链接到精简公开 artifact。原始年报、API 响应、完整价格面板和私有中间数据不会提交到公开仓库。
使用边界
这是一个应用级探索性研究运行。它不声称拥有等同 CRSP/WRDS 的正式资产定价证据、无幸存者偏差的研究级股票池、生产级交易系统、已被证明的可交易 alpha，或任何投资建议。
组合输出仅作为诊断。预注册主组合规格没有建立正式可交易 alpha。
个人贡献
我的贡献
定义实证问题、主预测目标和预注册结果结构。
构建覆盖 50 家公司 10-K 面板的文档、价格、标签和切分 artifact。
实现词典语调特征和训练窗口内拟合的 TF-IDF/SVD 特征。
在滚动样本外评价下比较基准模型、Ridge 和 XGBoost。
加入覆盖率、泄漏检查、多重检验和 artifact 完整性报告。
报告波动率预测证据，同时将组合结果保守处理为诊断信息。