Financial 10-K Text Agent
English Chinese
50 家公司 v4 公开结果包

结果与文件

最强证据是波动率排序，而不是股票收益 alpha。

公开精简摘要： 50_company_public_fmp_alpha_2016_2025_v4.

预注册主预测

Ridge Rank IC = 0.2395

对未来 20 日实现波动率有正向样本外排序信息；原始 p 值 0.00067。

正确解读 模型预测波动率较高的公司，之后通常也排在较高波动率位置；这不是收益或交易结论。
得到支持波动率排序

预注册主预测规格完全覆盖，且方向为正。

尚未建立可交易 alpha

主组合 Sharpe -0.8539，原始 p 值 0.1147。

通俗解释

Rank IC 表示什么，又不表示什么

Rank IC 衡量的是排序一致性，因此回答风险排序问题，而不是投资收益问题。

衡量什么 两个排序之间的一致程度

模型按预测未来波动率排列公司，Rank IC 将该顺序与实际实现波动率顺序比较。

正值意味着什么 预测风险较高的公司之后通常也排得更高

正值表示在该固定面板中存在有用的排序信息，不代表点预测完全准确。

不能证明什么 预测精度、因果效应或交易利润

这些需要单独的指标和更强数据；预注册组合检验没有建立 alpha。

运行摘要

应用级公开证据

500
SEC 10-K 年报
8,133
样本外预测
520,465
特征记录
594
测试规格
26
检验族
100%
合格样本外覆盖率
0
关键审计失败
2
已披露范围警告

一条真实记录，全链路展示

追踪一份 10-K 如何通过数据管线

这条 MSFT 2022 财年实例把 SEC 原始年报、解析文本、质量控制、文本特征和防泄漏测试标签连接起来。

真实 v4 记录 Microsoft Corporation · FY2022 · SEC EDGAR 原文节选已缩短
  1. 1原始年报

    Microsoft FY2022 10-K

    SEC 接收时间：。

    查看 SEC 原始文件 ↗
  2. 2解析结果

    ITEM 1A. RISK FACTORS

    规范化为 Risk Factors · item_1a

    “Our operations and financial results are subject to various risks and uncertainties, including those described below…”
  3. 3质量门槛

    正常 · 纳入

    10,344 词 · 70,310 字符 · 未被排除出段落级特征。

  4. 4特征输出

    金融词典特征

    负面词
    459 · 4.44%
    不确定词
    332 · 3.21%
    正面词
    112
    诉讼词
    198
  5. 5时间切分

    2022 测试集

    事件日 ；实现波动率标签窗口为 2022-07-29 至 2022-08-25。

    训练 2016–2020 · 验证 2021 · 测试 2022 · 20 日 embargo

查看记录标识与完整性哈希
Document ID
sec:0000789019:0001564590-22-026876:msft-10k_20220630.htm
解析器版本
sec-10k-section-parser-v0
原始文件 SHA-256
d8c69513cd820ecdfa3b22decf2672591ced88996188c218d3ffa1439b6b528f
段落 SHA-256
b9fd4b02912605455cb3af934ee6b68001a8abfc44bf999310069f5788b436c3

探索一组产物

查看一条预测背后的证据

在年报、预测、模型和审计记录之间切换。以下数值来自已发布的 v4 运行，并非为网页编造的演示数据。

Filing manifest

MSFT · FY2022 10-K

已解析
来源
SEC EDGAR
接收时间
2022-07-28 16:06:19 UTC
段落
item_1a · Risk Factors
使用策略
include
Prediction record

未来 20 日实现波动率

测试观测
预测值0.01502
实际值0.01377
标签窗口
2022-07-29 → 2022-08-25
标签质量
complete
Model ID
ridge::realized_volatility_1_20::train_2016_2020__val_2021_2021__test_2022_2022

这条观测仅用于展示记录关联和时间对齐，不能单独验证模型准确性。

Model manifest

综合文本 Ridge

工作区干净
配置
alpha=10.0 · standard scaler
特征数
395
观测数
训练 208 · 验证 45 · 测试 50
随机种子
42
代码状态
4d94dcf59e8f09ccd5b23e2902ec342e8c029126 ↗
查看已发布模型清单 ↗
Audit report

数据泄漏控制与数据边界

范围警告
  • 通过
    特征前视

    预测时间之后生成的特征记录为 0。

  • 通过
    TF-IDF 拟合范围

    违反仅在训练窗口拟合的清单为 0。

  • 通过
    模型选择

    使用非验证集指标选模的调参日志为 0。

  • 警告
    市场数据边界

    FMP/Yahoo 混合来源使本项目属于应用级试验，而不是等价于 CRSP/WRDS 的正式复现。

查看已发布审计报告 ↗

预注册主结果

综合文本 Ridge

realized_volatility_1_20, 用 ALL_SPLITS Rank IC 评价。

Rank IC0.2395
原始 p 值0.00067

支持正向探索性波动率排序证据。

最佳探索性观察结果

仅 TF-IDF/SVD 的 Ridge

最强的模型比较观察结果，不是预注册主结论。

Rank IC0.3668
NW t-stat5.4055

RMSE 0.00992.

特征消融

原始与行业中性 Rank IC

在 split 内行业去均值后，文本表示仍保留正向排序诊断。

原始 Rank IC行业中性 Rank IC
仅 TF-IDF/SVD
0.3668 / 0.3416
行业 + 文本
0.3296 / 0.3251
仅行业
0.2924 / 0.0000
仅词典
0.2244 / 0.2465
综合文本
0.2395 / 0.2023
特征集估计器Rank IC行业中性 Rank ICRMSE
仅 TF-IDF/SVDRidge0.36680.34160.00992
行业 + 文本Ridge0.32960.32510.01076
仅行业Industry mean0.29240.00000.00913
仅词典Ridge0.22440.24650.00984
综合文本Ridge0.23950.20230.01932

Bootstrap 推断

主 Rank IC 置信区间

使用 2,000 次确定性重抽样。橙色线表示零；区间跨过零时，在该聚类方式下结论不充分。

诚实解读：原始主信号在事件日和 ticker 聚类下保持为正，但 split bootstrap 只有四个样本外簇，因此结论不充分。

估计量方法点估计95% CIp-value
原始 Rank ICSplit bootstrap0.2395[-0.0050, 0.4841]0.111
原始 Rank IC事件日 bootstrap0.2395[0.0719, 0.3743]0.005
原始 Rank ICTicker 聚类 bootstrap0.2395[0.1091, 0.3522]0.001
行业中性 Rank ICSplit bootstrap0.2023[-0.1157, 0.5202]0.117
行业中性 Rank IC事件日 bootstrap0.2023[-0.1546, 0.4273]0.366
行业中性 Rank ICTicker 聚类 bootstrap0.2023[-0.1787, 0.4181]0.357

覆盖率与控制

原始标签覆盖率为 49.6%，合格样本外覆盖率为 100%，模型预期预测覆盖率为 98.546%，主预测 / 主组合覆盖率为 100%。

数据边界

本公开数据实验使用 FMP/Yahoo 混合市场数据和应用级市值估计，不是 CRSP/WRDS 等价的无幸存者偏差复现。

代表性证据文件

查看公开文件

因子卡片最快结果摘要实证报告完整文字报告特征消融文本与行业对比审计报告覆盖率与警告多重检验规格族Parser 复核section 质量附录

可复现性

在本地运行公开代码

Shell
git clone https://github.com/uiclxh/financial-10k-text-agent.git
cd financial-10k-text-agent
python -m pip install -e ".[dev]"
python -m ruff check .
python -m pytest

公开仓库不包含原始授权输入数据。