研究方法

驗證層

Drusus 所發佈之每項數據，均附帶三項來源元資料：主要來源、快照時間，以及據以計算百分比變動之經核實前一交易日收市價。驗證層會拒絕任何缺少上述元素、或新鮮度超出相關交易場所所訂閾值之金融工具資料。

此乃整個架構中最具影響力之設計選擇。一份簡報若遺漏某項金融工具，尚可寬恕；若錯誤陳述某項金融工具，則不可。驗證層刻意採取保守取向：寧可標示數據不可用，亦不發佈未經核實之數字。

人工智能分析員

Drusus 對話介面之人工智能分析員建基於大型語言模型，並由系統提示所約束，要求其只可使用所提供之經核實數據、就任何不確定之數據作出標示，並以資深專業人士之分析語調撰寫，而非以行銷助理之語調撰寫。

於 Institution 層級，分析員建基於 Anthropic Claude Sonnet，即平台所支援之最高等級模型。於 Strategist 及更低層級，分析員則採用另一具備相若分析能力之模型，惟其上下文視窗較短，難以處理最複雜之多金融工具分析。模型選擇按每次查詢而定；我們不會人為地壓低較低層級之輸出質素。

分析員受指示須拒絕產出落入監管邊界內所定義之投資建議、拒絕就個別證券發出買入或賣出建議，並就使用者疑似要求此類建議而非分析之情況予以標示。

情境模擬

蒙地卡羅模擬引擎於 Strategist 層級及以上提供，採用各成份金融工具自 1985 年起(如數據可得)至今之歷史回報分佈，並以滾動相關性視窗校準，以反映資產相關性在不同制度下之變化。預設模擬為 10,000 條路徑，使用者可自行設定。

引擎可接受使用者所指定之提取計劃，以名義或實質金額為單位，並按使用者所選國家之消費物價指數模擬通脹。輸出報告會載明資本於名義及實質基礎下之保全機率、中位路徑，以及具影響意義之百分位數(第 5、25、75 及 95 百分位)。

主要研究方法上之警示乃蒙地卡羅工作之慣常警示：模擬所依據之歷史分佈，未必能代表預測期間所實際經歷之制度。輸出結果建基於「過去對未來具參考意義」之假設，須以審慎之態度解讀。

風險價值

風險價值之計算於 Strategist 層級及以上提供，採用歷史模擬法配合滾動相關性視窗。我們刻意不採用解析(參數式)方法，此法假設回報呈高斯分佈，容易低估尾端風險；亦不採用簡單形式之變異數—共變異數法，此法同樣低估金融數據所呈現之厚尾現象。

預設回顧視窗為 250 個交易日，使用者可自行設定。信心水平可設定，慣常預設為 95% 及 99%。預期短缺(條件 VaR)會與標題數字並列報告，理由與其在嚴肅風險文獻中受偏好之理由相同：其能刻劃突破 VaR 閾值後之損失，而此一數字才是違反閾值時真正重要之數字。

雙重上市對賬

對於雙重上市之金融工具(尤其是同時於 HKEX 及 NYSE 上市之中國巨型股，以及大量於歐洲及拉丁美洲上市之名稱)，平台會將上市資料整合為單一金融工具紀錄，並明確顯示經外匯調整後之價格關係。所採用之外匯匯率為相關交易場所交易時段之收市即期匯率；對於需要在重疊交易時段內取得同步價格之使用者，另設交易時段間對賬。

兩個上市場所之間經外匯標準化後之偏離，本身亦為追蹤之分析對象。若偏離持續處於歷史範圍以外，系統會予以標示，提示使用者注意，因為此類偏離往往反映兩個司法管轄區其中一方之結算摩擦或監管考量分歧。

Drusus Daily 編輯流程

Drusus Daily 每期均經過四階段流程製作。首先，從平台之數據來源彙整數據快照，每項數字均附其來源元資料。第二，驗證層拒絕任何不完整或過期之數據項。第三，將經核實之上下文傳送至受系統提示約束之語言模型，要求其只可使用所提供之數據，並依編輯語調撰寫。第四，自動審核程序檢查所生成之文字，凡涉及未經核實上下文中數字之引述，即予以拒絕，該期亦會被擱置。

編輯監督由 Gravenos 提供。若自動審核發現須由人類解決之問題，該期會被擱置直至問題得以處理。平台寧可發佈附有透明備註之部份內容，亦不會發佈包含未經核實內容之完整版本。

引用指引

若本平台被引用為學術或專業研究之數據或分析上下文來源，我們請求按以下格式引用：Gravenos,Drusus Platform,gravenos.com，並記錄數據檢索日期。若研究方法具實質性貢獻，請直接引用此頁。若研究中採用 Drusus Daily 內容，請按日期引用相關期數。