📚 课程目录第2章金融领域基础知识

2. 金融领域基础知识

在金融RAG项目中，模型效果的上限往往不取决于向量库选型，而取决于我们是否真正理解“喂进去的是什么”。金融文本不是通用语料，它同时具备强时效、强合规、强结构、强术语四个特征。本节围绕文本类型、监管要求、术语体系与业务场景四条主线展开，为后续切分、检索与生成策略建立判断依据。

一、核心原理：四类金融文本的语义差异

金融语料可粗分为财报、研报、公告、新闻四类，它们在发布主体、结构稳定性、时效衰减、合规敏感度上差异显著。理解这些差异，才能决定“切多细、留多久、能不能直接引用”。

文本类型	发布主体	结构特征	时效性	合规敏感度	RAG处理要点
财报	上市公司	高度结构化，含三表与附注	季度/年度	高，需原文可溯源	按报表项与附注分块，保留表格结构
研报	券商/研究机构	半结构化，含评级与预测	中，观点易过期	中，需标注观点来源	区分事实与观点，保留分析师与日期
公告	上市公司/监管	模板化，事件驱动	强，事件窗口敏感	极高，法律效力强	按事件类型打标，原文优先
新闻	媒体/资讯商	非结构化，叙事性强	极强，小时级衰减	中，需交叉验证	时间戳加权，多源去重与校验

关键结论：财报与公告适合“精确检索+原文引用”，研报适合“观点抽取+来源标注”，新闻适合“时效加权+多源融合”。用同一套切分与检索策略处理四类文本，是金融RAG最常见的隐性失败原因。

二、方法流程：从文本特征到RAG策略映射

把领域知识转化为工程动作，需要一条清晰的映射链路。下图展示了四类文本在“结构强度—时效衰减”坐标系中的位置，以及对应的切分与检索策略。

映射流程可归纳为四步：

识别文本类型：通过来源域名、文档模板、字段特征自动分类。
选择切分粒度：财报按报表项与附注，公告按事件段落，研报按章节，新闻按段落。
附加元数据：发布时间、主体、来源、合规等级、事件类型。
配置检索策略：时效加权、来源过滤、原文引用开关。

三、监管合规要求：不可逾越的红线

金融行业受严格监管，RAG系统在检索与生成环节都必须嵌入合规约束。常见要求包括：

信息披露公平性：未公开重大信息不得通过问答系统泄露，检索层需做权限隔离。
投资者适当性：涉及产品推荐时，需匹配用户风险等级，生成层需加约束模板。
反洗钱与反欺诈：客户身份与交易信息需脱敏，日志留存满足审计要求。
数据来源合法性：研报、新闻需确认授权范围，避免侵权与二次分发风险。
可解释与可追溯：每条回答应能回溯到原文片段与版本，满足监管问询。

合规警示：不要将“模型能回答”等同于“系统可以回答”。在金融场景中，权限过滤、脱敏、引用溯源必须在检索前和生成后双重校验，否则一次越权回答就可能构成合规事件。

四、常见金融术语与业务场景

金融术语具有高度歧义性和上下文依赖性。例如“头寸”在不同场景可指持仓、资金缺口或外汇敞口；“评级”在研报中指投资评级，在债券中指信用评级。RAG系统需要建立术语消歧与业务场景映射。

# 术语与场景映射示例（YAML片段）
term: "头寸"
senses:
  - sense: "持仓"
    scene: "证券交易"
    example: "该基金股票头寸占比60%"
  - sense: "资金缺口"
    scene: "资金管理"
    example: "日间头寸不足需拆借"
  - sense: "外汇敞口"
    scene: "外汇业务"
    example: "美元头寸暴露较大"

scene: "财报分析"
key_terms: ["营收", "毛利率", "经营性现金流", "商誉减值"]
retrieval_hint: "优先匹配报表项与同比环比数据"

scene: "研报解读"
key_terms: ["评级", "目标价", "盈利预测", "催化剂"]
retrieval_hint: "区分事实陈述与分析师观点"

典型业务场景包括：财报问答、研报摘要、公告事件抽取、舆情监控、投顾辅助、风控合规审查。每个场景对准确性、时效性、合规性的权重不同，需要在RAG配置中差异化处理。

五、误区与复盘

误区一：把新闻当财报用。新闻时效强但准确性弱，直接作为事实来源会导致幻觉放大。应交叉验证并标注置信度。

误区二：忽略公告的法律效力。公告措辞严谨，改写或摘要可能改变法律含义，应优先原文引用。

误区三：术语不做消歧。同一术语多义会导致检索漂移，需在查询理解阶段做场景绑定。

误区四：合规校验后置。若在生成后才过滤，敏感信息已进入模型上下文，存在泄露风险，应在检索前完成权限与脱敏。

复盘来看，金融RAG的领域知识不是背景介绍，而是直接影响切分、检索、生成、合规四层设计的工程输入。只有先把文本类型、监管约束、术语体系与业务场景梳理清楚，后续的向量化、召回与生成策略才有稳固的落脚点。