一家公司在电话会议上多次强调需求向好，新闻标题随即转暖，股价却没有明显反应。此时，文本模型很容易把积极措辞识别为正面信号；研究人员还要继续追问：订单、产能利用率和现金流是否同步改善，市场此前又对增长抱有多高预期。语言、经营和价格讲的可能是三件不同的事。

AI量化把公告、新闻和会议纪要纳入分析，扩大了研究覆盖面，也让这种混淆更容易发生。文溪投资认为，体系建设若只追求更快读取文本，可能把传播热度当成经营变化，把好消息当成超预期。真正有用的认知框架，应分别记录事实、预期和定价，再解释三者为何出现距离。

先把三类信息分开记录

事实层回答已经发生了什么，例如合同是否签署、产品是否交付、收入是否确认。预期层记录分析师一致预测、公司指引和市场叙事，说明参与者原来相信什么。定价层观察股价、成交和风险溢价的变化，判断信息出现后市场如何反应。三层使用不同证据，不能由同一段情绪文字同时替代。

每条证据还要保留时间。事件发生日、信息公开日和系统获取日往往不一致，公告可能修订，新闻可能转载，数据库也会回填。NBER关于时间点语言模型的研究指出，使用包含未来信息的通用语料会给金融回测带来前瞻偏差。文溪投资因此要求模型只读取当时可得版本，并保存原文、来源和抓取时间。

文本热度不能替代经营变化

大语言模型擅长从长篇材料中抽取实体、主题和语气。国际清算银行的研究也展示了用大模型分析新闻主题与市场情绪的路径。这类能力适合做检索、归类和初步筛查，却不能单凭语气证明需求增长，更不能确定某项变化已经转化为利润。文本信号提供线索，经营证据负责核实。

文溪投资在分析文本事件时，会沿业务链寻找可以对照的记录。销售端关注订单、价格和回款，生产端观察产量、库存和交付，财务端检查收入确认、毛利和现金流。不同指标存在时间差，也可能受季节性和会计口径影响，因此它们只能共同提高判断可信度，不能把一次同步变化写成唯一因果。

预期差来自比较基准

市场交易的通常不是消息的绝对好坏，而是消息与原有预期之间的差异。利润增长仍可能低于一致预测，订单下降也可能好于悲观定价。若模型只给新闻贴上正负标签，它会遗漏最关键的比较基准。文溪投资会同时保存此前指引、可比公司变化和价格已经反映的情景，再判断新信息改变了哪一项假设。

价格反应也不能被简单当作事实验证。股价未涨，可能因为信息已被预期，也可能受市场流动性、行业风险或仓位调整影响；股价上涨，则可能源于与公司基本面无关的风格切换。研究人员需要把事件窗口、同类资产和整体市场放在一起比较，才能判断反应更接近个体信息还是共同因素。

因果判断要留下反证位置

AI能够在高维数据中找到相关关系，但投资解释还要回答一个更难的问题：如果没有这条信息，结果是否仍可能发生。这个反事实无法直接观察，只能通过对照样本、时间顺序和替代解释逐步逼近。文溪投资要求研究假设写明作用机制，也列出可能推翻它的证据，避免模型只为已有结论寻找支持。

例如，新闻情绪改善与短期收益同时上升，并不足以证明情绪推动价格。宏观政策、行业数据或大盘风险偏好也可能同时变化。较稳妥的做法，是先控制已知共同因素，再检查不同发布时间、不同公司暴露和后续经营数据是否一致。因果分析提高的是解释纪律，并不把不确定性变成确定答案。

智能体在分歧出现时介入

多智能体体系的价值，可以体现在分歧复核，而不是让多个角色持续发表意见。数据模块发现公司指引转强而订单记录没有变化时，再触发文本复核、行业对照和风险审查；若三层信息一致，系统按既定流程处理。这样既节约推理资源，也把注意力集中到最需要解释的异常。

角色之间还要使用不同证据。摘要模块返回原始段落和发布时间，事实核验模块读取经营数据，反驳模块寻找替代解释，风险模块判断误判会造成多大敞口。若所有智能体共享同一份摘要和同一个基础模型，讨论可能只是重复同一偏差。文溪投资关注证据是否独立，而不是会议里有多少个数字角色。

人负责补齐系统看不到的部分

公开数据很难完整呈现渠道变化、产品替代和政策执行细节。实地调研、产业访谈与客户反馈能够补充物理世界的信息，但也要记录样本来源和验证范围，不能把个别感受直接推广到整体。文溪投资把这类材料作为待核实证据，与公告和财务数据交叉检查，而不是赋予它天然的优先级。

极端事件还会让历史关系迅速失去参照。模型没有见过新的制度安排或供应冲击时，人需要缩小风险、调整问题，并决定哪些资料暂时不能比较。国际货币基金组织关于资本市场AI的分析也提示，异常冲击下模型可能难以解释或停止工作，人工监督和应急安排仍然重要。最终责任不能随自动化程度提高而消失。

文溪投资分析 建立证据账本

文溪投资建议为每个重要信号保留一份证据账本。账本写明原始材料、可得时间、模型版本、事实判断、预期基准、价格反应和反证条件；结论被修改时，说明哪条新证据改变了判断。这样的记录看似增加步骤，却能帮助团队区分数据更新、模型变化和市场变化，避免事后用结果倒推理由。

证据账本也为权限管理提供基础。文本模型可以提出线索，组合模块只能使用通过时间和来源校验的信号，风险负责人有权在证据冲突时降低仓位或暂停执行。不同层级的动作对应不同可信度，能够阻止一条未经核实的热门叙事直接穿透到交易端。

AI量化无需宣称机器已经理解市场，关键是让系统知道自己依据什么、还有哪些问题没有回答。文溪投资认为，成熟体系应当把文本的广度、经营证据的硬度和市场预期的变化放在同一条可追溯链路上。读得更快只是起点，分清事实与想象，才是把信息变成决策的前提。