## 一、系统要解决什么问题
在商品期货市场上，一条新闻往往涉及多个品种、多条产业链的联动。"印尼削减镍矿出口配额"不仅影响镍——它推高不锈钢成本、可能刺激铜的替代需求、让废料回收企业获得相对优势。传统的单品种分析无法捕捉这种跨品种传导。
本系统做的事情是：**输入一条商品市场的新闻或一周的市场信息，输出一份结构化的产业链综合分析报告**——不是买哪只股票的建议，而是"这条新闻沿什么路径传导、哪些公司会以什么方式受到影响、哪些信号需要后续跟踪来验证判断"。
### 2.2 用财务数据自动构建暴露度画像
系统通过公开的上市公司主营构成数据，自动解析每只股票的分产品报表：
| 产品名称 | 营收占比 | 毛利率 | 角色 |
|---------|---------|--------|------|
| 矿山产铜精矿 | 12.1% | 64.8% | 开采—高利润弹性 |
| 冶炼产铜 | 14.3% | 2.1% | 冶炼加工—低利润弹性 |
| 矿山产金锭 | 11.4% | 58.8% | 开采—高利润弹性 |
| 冶炼加工及贸易金 | 36.0% | 1.0% | 贸易—基本不赚价差 |
**这个分类不是 LLM 做的，是纯规则引擎做的**——规则可复现、可审计。
**实际验证结果：** 从财务数据生成了 59 条候选中，34 条被统计确认（58%），20 条被删除（34%），5 条方向反号待审查。**没有这层统计验证，推理引擎有三分之一的边是假的。**
### 3.2 非结构化的市场信息
市场信息采集交给外部工具完成。每天收盘后，从以下固定来源收集有色金属圈的增量信息：
-**上海有色网（SMM）：** 铜铝铅锌镍锡现货报价和当日市场评述
-**上海期货交易所公告：** 仓单异常变化、交割规则调整
-**期货公司公开日报：** 国泰君安、中信、永安等机构的收盘评论
-**财联社/彭博：** 当日有色板块的突发重大政策新闻
**关键设计：不是让 AI 自由搜索。
现在的设计：**日报全文一次性注入推理引擎，引擎同时看到所有品种的影响组，做跨品种综合推演。**
系统设计中一个反复打磨的决策是：**LLM 的职责边界到底划在哪里。**
LLM 只做一件事：**基于给定的结构化事实做跨品种逻辑推演，并严格将事实与推测分离。**
**监测清单是最容易被忽视但最重要的章节。** 它的作用是建立一个验证闭环：推理引擎做出的每一个判断，都附带一个"在什么条件下这个判断会失效"的说明。下次跑系统时，如果监测信号被触发，上一期的推理就需要重新审视。
总结
最终留下的核心逻辑非常简洁：**商品价格 + 主营构成 → 暴露度画像 → 统计验证 → LLM 推理 → 结构化报告。** 每一步都有数理依据或统计检验支撑，LLM 的职责被精确限定在它最擅长的领域——非结构化信息的综合理解与跨品种逻辑推演。其他所有环节由可复现的规则和统计算法完成。
另外一件事，混合择时系统回测
