一、整体流程
财报/研究报告/监管文件 → 清洗结构化 → 切分 (Chunking) → 索引字段设计 → 向量化 (Embedding) → 检索 (Dense/Sparse/Hybrid + 重排) → Query 改写/分解 → 上下文组装 → 生成带引用答案 → 评测与监控
二、数据准备（金融文档类型）
- 非结构化：
- 上市公司财报 (10-K / 20-F / Annual Report)
- 投资银行 Pitchbook、并购研究报告
- 央行公告 / FOMC 纪要 / Basel III 文档
- 半结构化：
- 宏观经济数据（IMF、World Bank CSV）
- 行业研报（PDF+表格）
- 结构化：
- Bloomberg / Refinitiv / S&P Global 数据库
- 内部交易台 Excel 表（风险因子、对冲头寸）
👉 金融业要特别注意 数据新鲜度 & 合规性，很多场景需要「引用原文档」以满足审计追踪。
三、切分 (Chunking)
- 财报/研究报告：
- 200–400 tokens，保留标题链路
- 示例：[10-K → Risk Factors → Credit Risk → PD Estimate]
- 监管文件（Basel、OCC、ECB）：
- 按条款/章节切分（300–600 tokens）
- 表格：
- row2text，例如：
Bank=MCB, Year=2024, Scenario=Adverse, CET1=10.5%
四、索引字段设计（金融业必备）
{ "doc_id": "JPM_10K_2024", "chunk_id": "eps_001", "heading_path": ["Financials", "Earnings per Share"], "text": "2024Q2 Diluted EPS = $1.52", "entities": ["EPS","Earnings"], "created_at": "2024-08-01", "source": "SEC 10-Q" }
表格型（风险参数/交易数据）
{ "table": "stress_test_params", "pk": "id", "filter_fields": {"year":"2024","scenario":"adverse","metric":"PD"}, "row_summary": "MCB 2024 adverse 场景下 PD=2.3%", "row_summary_vec": [...] }
👉 金融版索引要额外加：
- 指标字段（EPS, ROE, TBVPS, CET1, VaR）
- 场景字段（Baseline / Adverse / Severely Adverse）
- 合规来源（Basel III, CCAR, ECB 指令）
五、向量化（Embedding）
- Dense Embedding：金融语义模型（适合“资本要求 vs CET1”这种语义问题）
- Sparse 索引：BM25/SPLADE（适合“巴塞尔协议第 45 条”这种精确匹配）
- 多路向量：正文向量 + 标题向量 + 财务指标向量
六、检索策略（Dense / Sparse / Hybrid）
- Dense：回答“EPS 摊薄多少？”、“VaR 如何计算？”
- Sparse：回答“Basel III 第 72 条资本缓冲要求”
- Hybrid（默认）：
- score = α·cosine + β·BM25 + γ·财务指标权重
- 先过滤：年份、银行名称、情景（Baseline / Adverse）
- Top 50 → 重排 → Top 8
七、Query 改写（金融案例）
- 原始 Query:
“压力测试里的信用风险参数怎么调整？”
- 改写版本：
- “CCAR 压力测试中，PD（Probability of Default）如何调整？”
- “OCC CCAR Handbook 关于违约率参数上调要求”
- Self-Query 结构化：
{"metric":"PD","scenario":"adverse","year":"2024"}
- 原始 Query:
“1.5x TBVPS 收购对 EPS 有什么影响？”
- 改写版本：
- “EPS accretion/dilution under 1.5x TBVPS bank acquisition”
- “Comparable M&A transaction TBVPS multiples vs EPS impact”
八、上下文组装
- 去重/合并：财报 EPS + 研报案例
- 保留引用：
“根据 [OCC Handbook 2024, P.35] 和 [S&P Global StressTestParams.xlsx Row 15]…”
九、生成与引用
模型输出示例：
“在 CCAR 压力测试中，信用风险参数 PD 通常需要在基准水平上额外上调 30%-50%。根据 MCB 2024 年不利情景数据，PD 为 2.3%。参考：[OCC Handbook 2024, P.35]，[StressTestParams.xlsx Row 15]。”
十、评测与监控（金融专用指标）
- Recall@10 / nDCG：召回效果
- Faithfulness：是否乱编财务数据
- 引用率：是否引用原始财报/监管文件
- 覆盖率：核心指标（EPS, CET1, VaR, TBVPS）是否都能召回
- 时效性监控：新财报/央行公告更新是否能进库
十一、常见场景表（金融业专用版）
场景 | 切分 | 索引 | 检索 | 改写 | 备注 |
并购 (M&A) | 200–400 tokens + Excel row2text | 财报指标 + 交易条款 | Hybrid + 指标过滤 | TBVPS/EPS 改写 | 必须带交易假设 |
压力测试 (CCAR/ICAAP) | 条款级 + 表格行级 | 指标 + 场景字段 | Hybrid + Scenario Filter | Self-Query | Baseline/Adverse |
对冲基金研究 | 财报分块 + 研报段落 | EPS/ROE/Fcf 指标 | Dense + 时间过滤 | 财报问答改写 | 新鲜度关键 |
合规监管 | 300–600 tokens | Source=Basel/OCC/SEC | Sparse/BM25 | 禁改写，保留原条款 | 必须逐条可追溯 |
✅ 总结：
- 投行 RAG → 聚焦 M&A、估值模型、财报指标（EPS、TBVPS、ROE）
- 对冲基金 RAG → 聚焦研究报告、财报提炼、宏观事件解读
- 银行风险管理 RAG → 聚焦 CCAR/ICAAP 压力测试、Basel III 资本监管
Made with Bullet