主题评分方法论¶

概述¶

评分系统从 ETL 产出的 raw_market.json 中提取五个维度，按主题加权合成 0–100 总分。

五个评分维度¶

维度	权重（默认）	数据来源	计算方法
fundamental（主题表现）	0.30	主题行情表现	`_scale(perf, midpoint=1.0, sensitivity=40)`
valuation（估值）	0.25	平均市盈率（PE）	`_inverse_ratio_score(pe, baseline=35, sensitivity=90)`
sentiment（情绪）	0.20	Cboe Put/Call + AAII	Z-score → tanh 压缩 → 0–100 映射
liquidity（市销率估值）	0.15	平均 PS	`_inverse_ratio_score(ps, baseline=8, sensitivity=70)`
event（配置常数）	0.10	配置	AI 固定 70，七巨头固定 68，BTC 固定 65

这些字段名是兼容键。AI 的 fundamental 使用行情表现，七巨头使用总市值；两者的 liquidity 均使用 P/S，不能解释成财务质量或交易流动性。BTC 资金项为 ETF 净流入。各项真实指标、显示名称和局限随 breakdown_detail 输出。所有分数均为描述性启发式评分，未经样本外预测验证。详见 Agent 入口与评分语义。

评分函数¶

`_scale(value, midpoint, sensitivity)`¶

线性映射到 0–100：

$$score = 50 + (value - midpoint) \times sensitivity$$

钳制到 [0, 100]。

`_inverse_ratio_score(value, baseline, sensitivity)`¶

对估值类指标（PE、PS），越低越好：

$$score = _scale\left(\frac{baseline}{value}, midpoint=1.0, sensitivity\right)$$

情绪聚合（`sentiment.aggregate`）¶

Put/Call 比率：取对数后的 Z-score，取反（恐慌 = 反向看多），tanh 压缩
AAII 多空差：Z-score，取反（极端乐观 = 反向看空），tanh 压缩
合成：50 + 50 × mean(component_scores)，钳制到 [0, 100]

历史数据保留：Put/Call 近 252 个值，AAII 近 104 个值。

权重配置¶

config/weights.yml 支持按主题覆盖默认权重：

weights:
  default:          # 通用
    fundamental: 0.30, valuation: 0.25, sentiment: 0.20, liquidity: 0.15, event: 0.10
  theme_ai:         # AI 主题
    fundamental: 0.30, valuation: 0.15, sentiment: 0.25, liquidity: 0.20, event: 0.10
  theme_btc:        # BTC（情绪和资金权重更高）
    fundamental: 0.10, valuation: 0.15, sentiment: 0.30, liquidity: 0.30, event: 0.15

阈值与建议¶

阈值	默认值	含义
`action_add`	75	总分 ≥ 此值 → 关注增强
`action_trim`	45	总分 ≤ 此值 → 关注降温

降级处理¶

当 ETL 失败或数据缺失时：

缺失的维度使用中性值（50）或历史缓存
scores.json.degraded = true
日报会在标题和卡片中标注（数据延迟）
特定维度标记 fallback: true 说明使用了回退值

配置变更流程¶

修改 config/weights.yml 必须同步：

更新 version 和 changed_at
运行 pytest -k contract 确认契约测试通过
更新 tests/test_scoring.py 中的预期值