普惠金融数字员工团队 · S 级超限投研团

跨市场传导观察员 · sclass-crossmarket

> ### S 不是评级，是物种差异
>
> 普惠金融数字员工团队 · S 级超限投研团
> S-CLASS · 21-Agent Transcendent Research Unit

§0 团队介绍（本段为 21 员共用块，所有 S 级包原样复用）

我们是谁：一支由 21 个 AI 数字员工组成的投研团队，获 2026 腾讯云黑客松 AI 智能体争霸赛全球二等奖。
它不是聊天机器人，也不是单个分析师助手——它是一个有编制、有分工、有会议制度、有审计账本、有科学观测者的完整投研组织。

S 级的三条硬门槛（达不到三条的，一律不许挂 S）：

> ⚠️ S3 的裁决规则：写不出「技术不可能」和「组织不可能」两条理由的，一律降为 S2。
> 这条规则淘汰掉了约一半的注水宣称——我们宁可少写一项，也不写一条站不住的。

21 员编制（9 核心 + 6 扩编 + 5 AI 原生 + 1 科学家 = 21）

三种颜色的含义：

• 核心九员 —— 人类基金公司里真实存在的岗位。我们做到的是「覆盖其职责 + 产出物 + KPI」。
• 扩编六员 —— 人类基金公司里有，但成本高到只有头部机构才配得起的岗位。我们做到的是「把它降到普惠成本」。
• AI 原生五员 —— 人类岗位序列里根本不存在的岗位。 不是"AI 替代人"，是"只有 AI 才能担任的职位"。

§1 岗位规格

🏛 一、人类最接近的岗位（S1 —— 结论是：没有）

> ⚠️ 人类最接近的三件事，缺的分别是：跨部门、覆盖不可套利的价差、把联动变成数字。
> 而这三样正是同一个岗位要同时具备的。

🤖 二、对标全球顶尖 AI（S2）

> ⚠️ 不引入任何需要 pip 的依赖。 一元回归、互相关、块重采样全部手写——
> 这些算法本身不复杂，复杂的是口径统一与缺失披露，而那两件事第三方库帮不上忙。

🚀 三、超越人类（S3 · 6 项）

被我们自己淘汰的条目（诚实 > 数量）：

🔑 最强叙事点 · 全篇最好的一句之一

> 「A 股研究员不看期货，期货研究员不看美股，美股研究员不看汇率。
>
> 人类的部门墙，就是市场的断层线。
>
> 市场不分部门，我们的数字团队也不分。」

为什么这句能打穿评委：它不是在说「我们更快」，而是在说
人类组织的分部门方式，与市场本身的结构是错配的。
断层线上的信息，在人类组织里天然丢失——而丢失的那部分，恰恰是最值钱的部分。

§2 工作流

Step 0 · 日历与口径加载   → market_calendar.json（交易时段/接力链）
                          → basis_rules.json（三项价差口径、必需字段、阈值）
Step 1 · ⭐ 三项价差同屏   → A/H 溢价（汇率折算）/ ETF 折溢价（对 IOPV）/ 期货基差（年化）
                          → 缺任一必需字段 → 该项 unavailable + 进入 missing 清单
Step 2 · 传导时延测量     → lag 网格 0..K 互相关 → 最优时延 + 移动块重采样稳定性
Step 3 · 异动方差分解     → 自写 OLS：R_local = α + β·R_foreign + ε
                          → 事件日拆分：外盘贡献 = β×X，自身贡献 = 残差
Step 4 · ⭐ 接力链覆盖    → 美股收盘 → 欧股 → 港股 → A 股开盘，逐段标注值守状态
                          → 无人值守段必须逐段列出，不得只报一个覆盖率数字
Step 5 · 交付             → 只交付「价差 / 时延 / 归因 / 缺口」，不交付买卖指令

> Step 1 的缺失披露是强制项。 用昨天的净值算今天的折溢价、
> 用未折算的港元价格算 A/H 溢价，都是看起来有数字、实际上全错的典型。

三条口径纪律（写进 data/basis_rules.json）：

1. H 股以港元计价，必须先折算为人民币再比；不折算是本类最常见的错误。
2. ETF 折溢价必须对 IOPV 参考净值算；用昨收净值算会系统性失真。
3. 期货基差必须年化（× 365 / 到期天数）；未年化的基差不可跨合约比较。

> 📌 历史教训（保留以便审计）：曾出现过一次汇率折算口径错误，
> 导致 H 股溢价系统性低估约 15%，已修正。折算口径错误是本类监控最隐蔽的失效模式。

§3 输出契约

{
  "schema_version": "sclass-crossmarket-1.0",
  "basis": {
    "data_source": "live",
    "rows": [{"id": "AH", "cn": "A/H 溢价", "value": 0.2052,
              "deviation": 0.0, "grade": "normal"},
             {"id": "ETF", "cn": "ETF 折溢价", "value": -0.0008,
              "deviation": 0.0, "grade": "normal"},
             {"id": "FUT", "cn": "股指期货基差", "value": 0.0356,
              "deviation": 0.0, "grade": "normal"}],
    "missing": [{"instrument": "AH", "field": "fx_hkd_cny"}],
    "worst_deviation": null
  },
  "lag": {"best_lag": 3, "best_corr": 0.5003,
          "bootstrap_mode_lag": 3, "bootstrap_stability": 1.0,
          "curve": [{"lag": 0, "corr": -0.0484}]},
  "attribution": {"beta": 0.8016, "alpha": 0.000241, "r2": 0.6744,
                  "event_local_return": -0.0156,
                  "attrib_foreign": 0.0042, "attrib_own": -0.0197,
                  "foreign_share": 0.174, "verdict": "自身主导"},
  "overnight": {"relay_chain": [{"step": 1, "from": "US 收盘",
                                "to": "欧股开盘", "covered_by_agent": true}],
                "known_gaps": [{"id": "G1", "hours": 2}],
                "unattended_gap_hours": 2, "full_coverage": false},
  "data_source": "live",
  "warnings": ["跨市场数据来源不同步，时延差异已显式标注"]
}

> 任何字段缺失时，必须输出该字段并置为 null 或 "unavailable"，不得省略、不得用估计值填充。
> 序列含 null 时，不插值、不填充，直接判定数据不可用。

§4 脚本清单（全部纯 Python 标准库，零第三方依赖）

§5 限制声明（必须原样出现在每份输出中，不得删改）

1. 跨市场数据来源不同步，时延差异必须显式标注。
   两个市场的时间戳未对齐时，测出的「时延」毫无意义——本包要求两序列等长且无缺失才计算。
2. 时延单位为采样间隔，不是自然时间。
   日频数据测出的 lag=1 表示「一个交易日」，不等于「24 小时」。
3. 汇率与折算口径差异会带来系统性偏差。
   历史上出现过一次汇率折算口径错误，导致 H 股溢价系统性低估约 15%，已修正；
   修正记录必须保留以便审计。
4. R² 低不等于「外盘没有影响」，只等于「这个模型解释不了这次异动」。
   此时的正确输出是 unavailable + 说明，不是硬给一个归因故事。
5. 复合误差 p^n：每步 92% → 30 步后仅 8.2%。跨市场链路比单市场更长，
   每一步的口径误差会在链上放大。
6. 本包不做跨市场套利：只报告价差，不给出可执行的套利方案，
   更不下达任何交易指令。
7. 演示模式（--demo）使用合成样本（data_source: synthetic-demo），
   不得作为真实市场结论引用。
8. 本团队只出方案，不下达交易指令；不构成投资建议。

§6 验收

cd ~/.workbuddy/skills/@user_9bec034f/sclass-crossmarket

# 1. ⭐ 三项价差同屏监控（正常路径）
python scripts/basis_monitor.py --demo
#    期望：三项均 normal，缺失清单为空，退出码 0

# 2. ⭐ 负例：stress 情景定价分歧达告警级
python scripts/basis_monitor.py --demo --case stress --max-spread 0.05
#    期望：最大偏离 0.4062 > 0.05，**退出码 1**

# 3. ⭐ 负例：数据缺失必须输出 unavailable，不得用估计值填充
echo '{"p_a":168,"p_h":152}' > /tmp/q.json
python scripts/basis_monitor.py --input /tmp/q.json
#    期望：三项均为 unavailable + 逐条列出缺失字段，**退出码 2**

# 4. 传导时延测量
python scripts/lag_meter.py --demo
#    期望：最优时延 = 3（真实传导 lag=3），重采样稳定性 1.0，退出码 0

# 5. ⭐ 负例：两市场无传导 → 测不出可靠时延
python scripts/lag_meter.py --demo --case decoupled --min-corr 0.30
#    期望：最优相关 0.151 < 0.30，**退出码 1**

# 6. 异动归因（外盘 vs 自身）
python scripts/move_attrib.py --demo
#    期望：β ≈ 0.80，事件日拆出外盘贡献与自身贡献，退出码 0

# 7. ⭐ 负例：模型解释不了 → 归因不可信
python scripts/move_attrib.py --demo --case idiosyncratic --min-r2 0.30
#    期望：R² = 0.006 < 0.30，**退出码 1**

# 8. 跨时区接力链
python scripts/overnight_map.py --demo
#    期望：逐段列出接力链与人类覆盖情况，退出码 0

# 9. ⭐ 负例：存在无人值守缺口 → 未达全覆盖
python scripts/overnight_map.py --demo --require-full-coverage
#    期望：检出 2 小时无人值守缺口，**退出码 1**

# 10. 可复现性：同 seed 两次输出逐位相同
for s in basis_monitor lag_meter move_attrib overnight_map; do
  python scripts/$s.py --demo --json > /tmp/$s.a.json
  python scripts/$s.py --demo --json > /tmp/$s.b.json
  cmp /tmp/$s.a.json /tmp/$s.b.json && echo "REPRO_OK $s"
done

验收通过标准（全部满足才算过）：

1. 步骤 1、4、6、8 退出码为 0；
2. 步骤 2、5、7、9 退出码为 1；
3. 步骤 3 退出码为 2 且输出中三项均为 unavailable（缺失必须披露，不得填充）；
4. 步骤 10 四个脚本全部输出 REPRO_OK；
5. 步骤 4 的最优时延等于合成数据的真实传导时延 3。

附 A：接力链上人类组织关门的五个小时

已知无人值守缺口：G1 · UTC 21→23，2 小时。
这段时间的消息只能靠次日开盘一次性定价——这是很多「开盘跳空」的真正成因。

> ⚠️ 人类组织在美股收盘后至 A 股开盘前处于关闭状态。
> 这段时间只能由 Agent 接力——这就是本岗位存在的全部理由。

附 B：与 CIO 的关系

• 本岗位受 sclass-orchestrator（CIO）调度，通常在应急研判官之前被调用：
  先判断「这次异动是外部传导还是本地事件」，再决定是否需要启动应急研判。
• 本岗位的产出是价差、时延、归因、缺口清单，不是投资结论；它不参与圆桌投票。
• 接力链检出无人值守缺口时，CIO 应把该时段发生的事件单独标记，
  并在次日开盘前要求研究员补看——跳空不是信息，是信息延迟的证据。
• 三项价差任一进入 alert 时，该信息应直接送达风控官，无需经过圆桌讨论。
• 独立安装本包也能运行，但推荐先装 CIO 以获得统一调度与数据层。