BETA因子稳健估计

> Pay Skill 范式：鉴权型（agent_local）
> 鉴权型：履约在本机执行（需本地取数/解析大文件），远端网关只做支付鉴权，支付通过后返回 fulfillment: "agent_local"，Agent 再跑 scripts/ 下的脚本产出结果。

Overview

BETA 因子是 CAPM 框架下衡量个股系统风险暴露的核心参数——个股收益对市场收益的敏感度。但 Beta 的估计本身对参数高度敏感：回望周期取多长、历史样本等权还是加权、是否用结构化先验做压缩，都会显著改变估计值，朴素「历史回归 Beta」既不稳也常被误用。

本技能把一套经过实证检验的 Beta 稳健估计方法论落成可复现的计算工具：给定个股与市场日度收益率，用三种方法（历史 OLS、EWMA 加权、贝叶斯压缩）估计 Beta，并给出最优参数组合与误差诊断。方法经与公开文献数值交叉校验，结论可直接复现；不绑定任何数据源，用户自备面板或经任意能导出 CSV 的金融数据源取数均可。

When to Use（触发条件）

• 用户说「我要给组合做风险敞口归因，先要一个靠谱的个股 Beta，别用朴素历史 Beta 糊弄」时。
• 用户说「别只给我一个点估计——告诉我回望周期、加权方式、压缩先验怎么选才稳」时。
• 用户说「我怀疑某只票的历史 Beta 不稳（窗口太短 / 等权 / 没压缩），帮我诊断并给改进」时。
• 用户说「我想对比不同估计方法在真实数据上的误差，看哪种最稳」时。
• 用户说「按这套方法论给我落成可复现的 Beta 估计报告」时。

Workflow（工作流）

两种数据入口（按用户是否自备面板选择；本 Skill 不绑定特定数据源）：

• 入口 A — 自备面板：用户提供日度收益率面板 CSV，列 date,ticker,stock_ret,market_ret[,industry]
  （market_ret 可用任意宽基/自定义指数；industry 列可选，用于行业先验压缩）。→ 走 estimate / compare。
• 入口 B — 经本机/外部数据源代理：用户未提供 CSV 时，Agent 可经本机脚本或任意能导出 CSV 的金融数据源（如 mx-finance-data、westock-data 等）取目标标的日线，在本机算收益率并落成为入口 A 的同构 CSV（--colmap 适配列名）。
  ⚠️ 若来源为非日频或口径不同，结论须注明此口径（脚本已自动在报告中标注）。

统一履约入口（scripts/run_local.py，支付确认后由 Agent 在本机执行）：

1. 稳健估计（默认） estimate：输出每只股票的等权 OLS / EWMA / 压缩(稳健) 三种 Beta + 推荐值 + 先验说明。
   python3 scripts/run_local.py estimate --input <panel.csv> [--window 252 --half-life 126 --prior auto]
2. 误差对比 compare：滚动估计并对比不同窗口/方法的 RMSE/MAE/Menchero，附 SVG 分布图。
   python3 scripts/run_local.py compare --input <panel.csv> [--windows 21,63,126,252 --h 21 --svg <dir>]
3. 参数体检 diagnose：输入当前参数组合（窗口/加权/先验），输出稳健性诊断与推荐参数。
   python3 scripts/run_local.py diagnose --input <params.json>（格式 {"window":21,"weighting":"equal","prior":"none"}）

内部算法细节见 references/rules.md，输出模板见 references/output_templates.md。

Output（输出规范）

• 结论先行：报告首段给出判定结论 + 可复现证据（如「压缩 Beta 最稳，其次 EWMA，再次等权 OLS，与公开文献排序一致」），而非方法论铺垫。
• 三种能力输出：稳健估计给出逐股三法对比表；误差对比给出 RMSE/MAE/Menchero 表 + SVG；参数体检给出逐项警告与推荐组合。
• 取不到如实标「未获取」：文件缺失 / 列不对 / 样本不足 → 明确标注缺失项，绝不推测补造（见 references/rules.md 第 7 条纪律）。
• 边界诚实口播：以「未来短期已实现 Beta」作真实值代理本身含噪，会低估方法区分度；压缩改善幅度有限且对代理基准敏感，结论以实际数据为准。

Notes / Constraints（约束）

• 免责：本结果仅为量化统计研究，不构成任何投资建议；历史估计误差不代表未来，市场风格变化可能导致模型失效。
• 不替代：不替代完整风险模型（如 Barra 多因子风险预测），仅为单因子（Beta）的稳健估计工具。
• 边界：Beta 是相对「所选市场代理」的暴露；选不同基准指数（如沪深300 vs 中证全指）绝对数值会变化，方法排序的稳健性不受基准选择影响。
• 数据纪律：支付未确认前不执行取数脚本、不输出任何付费内容；取不到数据标注「未获取」，严禁因已付费而编造。

Pay Skill 模式（鉴权型，按次付费，已接入 X402）

本 Skill 为付费技能（Pay Skill），按次收费，已通过腾讯 SkillHub +
微信支付 Agent Pay X402 协议接入。不存在免费运行模式——
未完成支付授权前，不得执行本地履约脚本、不得输出任何付费内容；
鉴权型只由服务端返回的 paid: true 解锁本机履约。

> 使用者须已安装并开通 weixinpay_pay 插件（微信 AI 支付 / AI 专属卡）。
> Step 0 检查不通过时不发起付费调用，直接引导开通后重试。

鉴权型：履约在本机执行（需调用本地取数脚本 / 解析本地或远程大文件），
远端网关只负责订单鉴权与支付状态确认，支付通过后返回 fulfillment: "agent_local"，
不返回业务结果；Agent 收到 paid: true 后才在本地跑 scripts/ 下的脚本产出结果。

• 统一网关主接口：POST https://pay.zerone-iteration.com/api/invoke
  （请求体 {"skill": "beta-robust-estimator", "skill_version": "1.0.1", "query": "...", "amount": 500}）
• 兼容入口：POST https://pay.zerone-iteration.com/api/resource（等价于默认 Skill）
• 支付回调：POST https://pay.zerone-iteration.com/api/pay/notify
• 退款回调：POST https://pay.zerone-iteration.com/api/refund/notify
• 实现：透明网关（nginx + Java 17 / Spring Boot + WechatPay-Java，微信支付公钥模式）；
  skill/skill_version 仅做格式校验后透传进 X402 预下单，不查 SkillHub（不查注册表、不反查是否真实存在/已发布/版本匹配）；
  无本地白名单，新增 Skill 免 Java 注册、免改 JAR、免重启，直接 POST /api/invoke 传正确 slug+版本即可
• 状态：已实测——DEV_MODE 下付费链路冒烟全绿（402 → 回调置位 → 200 paid=true，含 X-Out-Trade-No 透传与 already_fulfilled 幂等可观测）；生产需置 DEV_MODE=false 并填齐微信支付 / SkillHub 两套密钥。

Agent 侧调用规范（含付费前置插件检查）

Step 0 付费前置插件检查（必须，缺失则不得发起付费调用）

1. 检测当前环境中 weixinpay_pay 插件（微信支付 Agent Pay / AI 专属卡）是否已安装并已开通；
2. 若不存在或未开通：不调用 /api/invoke，改为提示用户先安装/开通微信 AI 支付，完成后再继续；
3. 若可用：继续 Step 1。

Step 1 调用统一网关：POST /api/invoke，请求体：

{
  "skill": "beta-robust-estimator",
  "skill_version": "1.0.1",
  "query": "用户原始需求（用于订单留痕，不作为履约输入）",
  "amount": 500
}

• skill：必填，固定为本 Skill 的 slug beta-robust-estimator（与 SkillHub 已发布的一致；透明网关下传错 slug 时错误延后到 SkillHub/微信预下单环节才返回）；
• skill_version：必填，当前版本号 1.0.1（缺失返回 400 MISSING_SKILL_VERSION）；
• amount：必填，单位分，服务端校验为大于 0 的整数（小数/布尔/零/负数一律 400 INVALID_AMOUNT，不静默截断）；
  区间不强制，价格由 SkillHub 产品定价约束。

Step 2 支付触发（X402 预下单 → 402）：未支付时服务端依次执行——

1. 生成订单号 out_trade_no（402 响应头 X-Out-Trade-No 与响应体 out_trade_no 均会返回，Agent 须记下）；
2. 调用微信支付 Native 下单，获取 code_url；
3. 用 SkillHub 开发者私钥（SHA256withRSA）对 X402 AI 预下单请求签名；
4. 调用 POST https://payapp.weixin.qq.com/palmpayminiapp/clawagentpay/preorder 换取 payment_code；
5. 返回 HTTP 402，响应头 WeixinPay-Required 与 body WeixinPay 块中
   同时携带 X402 预下单返回的 payment_code（必须是 X402 的 payment_code，
   不能直接把微信 code_url 当作 payment_code 返回），并回显本单 amount 与 out_trade_no。
   ⚠️ body 的 WeixinPay 嵌套结构最易遗漏：缺失时 weixinpay 插件从 body 解析不到
   payment_code，会报「当前支付订单已过期」，该报错常被误判为「返回了 code_url」。

Step 3 用户支付授权：Agent 将 WeixinPay-Required 头（或 body WeixinPay 块）中的
payment_code 作为 paymentCode 交给 weixinpay_pay 插件，向用户申请支付授权。

Step 4 二次调用鉴权：用户完成支付后，Agent 再次调用 POST /api/invoke
（请求体同 Step 1，带请求头 X-Out-Trade-No: <402 返回的订单号>）；
服务端按订单号主动向微信查单验证支付成功（不依赖回调到达）后返回：

{"ok": true, "paid": true, "fulfillment": "agent_local",
 "skill": "beta-robust-estimator", "out_trade_no": "...", "already_fulfilled": false}

Step 5 本地履约（本 Skill 的关键差异）：Agent 收到 paid: true 且
fulfillment: "agent_local" 后，在本机执行 scripts/ 下的脚本产出结果
（见 scripts/README.md），再把结果交付给用户。
支付未确认前，不执行本地取数脚本、不输出任何付费内容
（未支付重试返回 402 {"code":"NOT_PAID"}）。

> 幂等说明：already_fulfilled: true 表示同一订单此前已鉴权通过；
> 此时直接复用上次已产出的结果，不要重复跑取数脚本（避免重复消耗外部接口配额）。

异常处理说明（Agent 与服务端两侧）

> 核心原则（SkillHub 官方教程 FAQ）：支付失败/未确认时必须如实告知用户，绝不据此推进后续流程。

核心特征对照表（供审核查验）

包内 pay/server.py 为 Python 参考实现（含 APIv3 签名、X402 预下单、回调验签解密、
主动查单、幂等鉴权、透明网关无需注册表），部署说明见 PAY_SKILL_UPGRADE.md 与 pay_skill.yaml。

注意：本 Skill 涉及两套独立密钥/证书——

• 微信支付 API 证书（wechat_pay）：用于微信 Native 下单与主动查单；
• SkillHub 开发者密钥（skillhub）：用于 X402 预下单签名。

私钥均不得写入 Skill 包或仓库，须通过环境变量注入服务端。