第六练：基于 LLM 的"叙事经济学"量化分析系统
课程目标：从零构建一个能够读取金融新闻、量化市场叙事、并支持结构化数据输出的 AI 系统。 适用人群：金融科技开发者、量化研究员、数据分析师。 核心代码库：
sentiment.py（基于 LangChain）
1. 背景与痛点
1.1 什么是叙事经济学？
核心理论：引用诺奖得主 Robert Shiller 的《叙事经济学》。他认为市场波动不仅源于数据（如利率、财报），更源于**"故事（Narrative）"**在社会中的传播。
量化难题：
- K 线是"结果"：价格波动是果，叙事是因。
- 传统 NLP 的局限：基于词频统计（Bag of Words）的方法无法理解语境。例如，"利空出尽是利好"这句话，传统模型看到"利空"会判负面，而 LLM 能理解这是正面信号。
1.2 我们的解决方案
- 输入：非结构化的每日财经新闻流。
- 核心引擎：利用 LLM（Large Language Model）的语义理解能力 + 结构化输出技术。
- 输出：结构化数据（JSON） —— 这是本练重点。只有将模糊的文字转化为结构化的表格数据，才能存入数据库，才能进行回测。
2. 数据契约与提示词工程
2.1 定义"模具"：Pydantic Data Model
在让 AI 工作前，必须先定义"输出长什么样"。我们使用 Python 的 Pydantic 库充当数据契约。这不仅是定义数据，更是对 AI 的一种约束。
from pydantic import BaseModel, Field
from typing import List
class IndustrySignalSummary(BaseModel):
"""单个行业的每日信号摘要"""
industry_name: str = Field(description="行业名称")
# 强制要求列表格式，且必须提取实质性内容
positive_signals: List[str] = Field(description="实质性利好信号（如补贴、增长），忽略空话")
negative_signals: List[str] = Field(description="实质性利空信号（如处罚、下滑）")
daily_signal_bullet_points: List[str] = Field(description="3-5条核心要点摘要")
class PolicyAttribution(BaseModel):
"""政策归因：解决可解释性问题"""
key_event: str
quote_text: str = Field(description="必须引用原文，作为证据")
class ReportRiskAnalysis(BaseModel):
"""最终输出的完整报告结构"""
industry_signal_summaries: List[IndustrySignalSummary]
# 强制约束分数在 0-100 之间，防止 AI 产生幻觉数值
daily_macro_sentiment_score: int = Field(ge=0, le=100, description="0-100分，50为中性")
# 关键：要求 AI 提供原文证据
key_policy_attributions: List[PolicyAttribution]
2.2 提示词工程（Prompt Engineering）
- Role（角色）：Quantitative Financial Analyst（激活模型的金融领域权重，让它像分析师一样思考）。
- Constraints（约束）：明确要求 "Ignore generic slogans"（过滤噪音）。
- Evidence（证据）：要求 "Quote specific wording"（引用原文）。这是解决大模型幻觉的核心手段——没有证据，就不准打分。
3. 核心技术深度解析——三种输出策略
这是本系统的核心架构。我们在 sentiment.py 中实现了三种不同的 Agent，代表了 LLM 应用开发的三个阶段。我们将从 API 原理、稳定性和适用场景三个维度进行对比。
3.1 策略一：ProviderAgent（Native Structured Output）
【推荐方案】 利用模型厂商（OpenAI/Anthropic）底层的原生 JSON 模式。
# 直接将 Pydantic 类传给 response_format
self.agent = create_agent(
model=self.model,
response_format=ReportRiskAnalysis
)
- 技术原理：LangChain 将 Pydantic 类转换为 JSON Schema，通过 API 的
response_format参数传递给模型。 - 底层约束：模型在推理层（Inference Layer）被强制约束。如果模型想生成一个不符合格式的字符（例如在
int字段生成字母），会被底层引擎直接屏蔽。
3.2 策略二：ToolAgent（Tool/Function Calling）
【通用/兼容方案】 利用 LLM 的"工具调用"能力来"截获"结构化数据。
from langchain.agents.structured_output import ToolStrategy
# 将 Schema 包装为一个"工具策略"
self.agent = create_agent(
model=self.model,
response_format=ToolStrategy(ReportRiskAnalysis)
)
- 技术原理（核心：参数截获 Intercept）：我们告诉 LLM 有一个函数叫
submit_report(score, signals...)，必须填对参数才能提交分析报告。LLM 分析完文本后，为了"调用"这个工具，它会生成一段标准的 JSON 参数（例如{"score": 80, "signals": [...]}）。
3.3 策略三：UnstructuredAgent（Freeform Text）
【对照组方案】 传统的聊天模式。
response_format=None # 不限制格式
3.4 三种策略对比
| 维度 | ProviderAgent | ToolAgent | UnstructuredAgent |
|---|---|---|---|
| 格式控制 | response_format=Pydantic模型 | response_format=ToolStrategy(schema) | response_format=None |
| 格式准确率 | 最高，输出与 Schema 严格一致 | 较高，跨模型兼容性更好 | 最低，输出格式完全自由 |
| 依赖 | 依赖模型原生支持 | 独立于特定 Provider | 无依赖 |
| 灵活性 | 较低 | 中等，需要更多提示工程 | 最高 |
| 后处理 | 无需 | 少量 | 需要后处理解析 |
结构化输出与模型能力的权衡
- 约束导致能力下降：与自由文本生成相比，强制模型生成结构化输出（尤其是 JSON）会导致推理能力显著下降。
- 约束越强，下降越多：格式限制越严格（如必须符合特定的 JSON Schema），模型的任务表现通常越差。
- 原因：格式约束限制了模型的"生成空间"，使得模型不得不分配注意力去满足格式要求，从而挤压了进行深度推理（Chain-of-Thought）的空间。
4. 应用场景与扩展方向
4.1 量化策略集成
-
行业轮动（Industry Rotation）：统计 JSON 中
positive_signals频次。- 策略：做多"利好叙事"最强的行业，做空"利空叙事"最强的行业。
-
风险预警（Risk Alert）：当
sentiment_score < 40且negative_signals激增时。- 策略：触发风控系统的自动减仓逻辑，或发送邮件给交易员。
4.2 扩展方向
- 多模态（Multimodal）：不仅读文字，还要用 GPT-4o 读新闻配图（如会议现场图）、K 线图。
- 实时流（Streaming）：接入 Kafka/News API，将
batch_process改为实时事件驱动。实现毫秒级信号推送：新闻发出 → LLM 分析 → 交易信号。 - 知识图谱（Knowledge Graph）：将提取的 Policy → Industry 关系存入图数据库。挖掘隐形的政策传导链（例如：A 行业的补贴如何传导至 B 行业）。
📋 小结
| 步骤 | 内容 | 关键技术 |
|---|---|---|
| 1 | 叙事经济学背景 | LLM 语义理解 vs 传统 NLP |
| 2 | 数据契约定义 | Pydantic BaseModel + Field 约束 |
| 3 | 三种输出策略 | Provider / Tool / Unstructured |
| 4 | 应用与扩展 | 行业轮动、风险预警、多模态 |
掌握结构化输出技术后，你就能将 LLM 的分析能力转化为可量化、可回测的数据资产！🚀