事件风控与宏观门控

只看历史 K 线，可能把基本面恶化误判成普通回调。公告或新闻里的立案调查、违约、重大减持、资产处置和经营变化，都可能改变继续加仓的理由。

但看到一个风险词，不等于马上得出“明天必跌”。事件风控更适合做三件事：阻止继续增加暴露、要求核验、降低允许仓位。它不负责预测每一次价格反应。

同一事件还要结合主体、时间和后续澄清。某家公司后来恢复经营，也不能反推当时抄底一定合理；“资金还在公司”也不能替代对法律和经济含义的核查。

新闻量大时，不能把所有文本不加筛选地交给模型。合理做法是先清洗，再判断语义。品牌舆情一天可能有约 4 万篇，单只股票只有几十篇时，处理策略就应不同。

至少保留这些字段：证券主体、公司简称与同名词、发布时间、原始来源、新闻类型、全文是否完整、抓取时间和来源链接。重复转载可以归并，但不能因为不喜欢结论就删掉新闻。

关键词适合做低成本初筛。例如“立案调查”“违约”“财务造假”“重大减持”可以快速找出候选。它的局限也要一起记录：否认事件的文章也会命中；词语可能指向另一家公司；间接表达会漏检；旧闻重发可能被当成新事件。

可以让模型扮演风控官，阅读指定证券的新闻，并只返回三种结论：重大利空为 reject，中等风险为 warning，中性或正面为 approve。

输出必须带证据，而不是只给颜色或一句“有风险”：

{"decision":"warning","reason":"需核对的风险及影响","evidence":"报道支持句","subject":"证券主体","published_at":"新闻时间","uncertainty":"缺失或无法确认的信息"}

程序只接受固定枚举值。解析失败、缺少来源、主体不匹配或信息过期时，进入待核验，不自动放行。模型是证据辅助工具；账户限额、价格保护和执行权限仍由确定性规则控制。

模型是否优于关键词，要在标注样本上比较漏报、误报和一致性。贵州茅台等多条新闻可以用来练习“盈利变化不等于重大违规”“现金流稳定与增长预期分歧可以同时存在”，不能把一组输出当作准确率证明。

单家公司事件只影响局部，系统性风险可能同时冲击多个看似稳健的资产。宏观门控就是在交易前加一道市场环境检查。

VIX 来自标普 500 指数期权，反映市场对未来约 30 天波动的预期，通常按年化方式表达。它不是跌幅预测，也不是“只看跌期权”的指标。保险需求上升可以帮助理解它为何变化，但 VIX 高不等于市场下一步必跌。

国内可以关注基于 50ETF 期权的 QVIX 等本地波动指标。美国和中国指标可能共振，也可能分化，所以不能直接把同一个数字阈值照搬到两个市场。

可以先做分段规则：指标低于 20 时系数为 1；20—25 时约为 0.7；25—35 时约为 0.3；更高区间约为 0.1；大于 50 时暂停新增买入。真正写程序前，必须把重叠区间拆开，并明确区间外行为。

阶梯规则在边界处会突然跳变。更平滑的方式是线性插值。假设两个锚点是 (20,1.0) 和 (25,0.7)，当 x=23 时：

k = 1.0 + (x−20) ÷ (25−20) × (0.7−1.0)

代入：k = 1.0 + 3 ÷ 5 × (−0.3) = 0.82。

这里的系数乘的是已有风险约束下的允许仓位，不是账户必须投入的比例。“100% 系数”只表示这条宏观规则没有额外缩减。暂停开仓和自动清仓也要分开定义，必要时加入滞回，避免指标在边界来回跳动。

历史回放最容易犯的错，是把后来才知道的信息提前放进判断。盘前应使用最后一个已发布指标，盘中应使用当时已经取得的更新，并记录指标发布时间、系统取得时间和数据源。

例如教学配置中出现过 QVIX 约 30.86 对应约 47%、23.89 对应约 77%、46 对应约 15%、51 对应暂停开仓。它们只能作为检查流程的样例；如果阶梯阈值、插值锚点和代码版本对不上，就不能宣称复现了历史结果。

“某市场早上 9 点开盘”也不能推出期权波动指标 9 点已经有当天数据。指数是否实时、覆盖哪些时段、当前接口是否有权限，都要实际核对。