研究方法

驗證層

Drusus 發布的每一項資料點，皆攜帶三項來源溯源後設資料：原始來源、快照時間、以及作為百分比變動計算基準之已驗證上一交易時段收盤價。若任一要素缺漏或逾越所適用交易場所之新鮮度門檻，驗證層即拒絕該金融工具行。

此為架構中最具關鍵性的設計決定。一份簡報若省略某項金融工具尚屬可恕；若誤述某項則否。驗證層刻意採取保守立場：寧可標示資料無法取得，也絕不發布未經驗證之數字。

AI 分析師

Drusus 對話介面中的 AI 分析師，建構於大型語言模型之上，並由系統提示加以限制：要求其僅使用所提供之已驗證資料情境、標示其不確定的任何資料，並以資深專業人員之分析筆觸書寫，而非行銷助理之筆觸。

於 Institution 方案，分析師建構於 Anthropic Claude Sonnet 之上，為平台所支援之最高等級模型。於 Strategist 及以下方案，分析師採用另一具備相當分析能力之模型，於多數問題上能力相近，惟於最複雜之多金融工具分析上具備較有限之情境視窗。模型之選擇按每次查詢進行；我們不會刻意降低較低方案之輸出品質。

分析師被指示拒絕產出落於法規範圍意義下之投資建議，拒絕對個別證券發出買賣推薦，並標示使用者似於尋求此類建議而非分析的情形。

情境模擬

蒙地卡羅模擬引擎，於 Strategist 及以上方案提供，採用各組成金融工具自 1985 年（如有資料）至今之歷史報酬分布，以反映資產相關性之政權依賴性而校正之滾動相關性視窗。預設模擬執行 10,000 條路徑，可由使用者調整。

引擎可接納使用者自訂之提領排程，無論以名目或實質計，並以使用者所選國別之消費者物價指數為基礎建構通膨模型。輸出報告以名目與實質兩種方式列示資本保全之機率、中位數路徑，以及具關鍵意義之百分位（第 5、25、75、95 百分位）。

主要的研究方法上之保留說明，乃蒙地卡羅工作慣有之說明：模擬所取樣之歷史分布，未必能代表投影期間實際所將經歷之市場狀態。輸出取決於「過去能否提供關於未來之資訊」此一假設，宜以適當審慎之態度解讀。

風險值

風險值計算，於 Strategist 及以上方案提供，採用滾動相關性視窗之歷史模擬法。我們刻意未採用分析法（參數法），蓋其假設報酬呈高斯分布，傾向低估尾部風險；亦未採用簡式之變異數共變異數法，蓋其同樣低估金融資料所呈現之肥尾現象。

預設回顧視窗為 250 個交易日，可調整。信賴水準可設定，95% 與 99% 為慣常之預設值。預期短缺（條件式 VaR）與主要數字並列呈報，理由與其在嚴謹風險文獻中被偏好之理由相同：其刻畫超過 VaR 門檻時所條件之損失，亦即實際發生超逾時真正具意義之數字。

跨市場掛牌調節

對於雙重掛牌之金融工具（最顯著者為同時於 HKEX 及 NYSE 掛牌之中國大型企業，但亦包括一組數量可觀之歐洲與拉丁美洲名稱），本平台將兩地掛牌調節為單一金融工具紀錄，並明白呈現以匯率調整後之價格關係。所採用之匯率為相關交易場所交易時段之收盤即期匯率；對需於重疊交易時段內取得同步定價之使用者，另提供跨時段調節。

兩地掛牌之偏離（以匯率調整後），本身即為一項被追蹤之分析物件。當偏離持續處於歷史區間之外時，將提示使用者注意，蓋此類偏離常反映兩地司法管轄區之一存在結算相關之摩擦或分歧之法規考量。

Drusus Daily 編輯流程

Drusus Daily 之每一期皆透過四階段流程產製。第一，自平台來源組合資料快照，每一數字攜帶其溯源後設資料。第二，驗證層拒絕任何不完整或過時之資料行。第三，將已驗證之情境傳遞予一受系統提示限制之語言模型，該提示要求僅使用所提供之資料，並指示其編輯筆觸。第四，自動審核流程檢閱所生成之文句，凡涉及未存在於已驗證情境中之數字者，即拒絕該期之發行。

編輯監督由 Gravenos 提供。若自動審核浮現需人工裁定之問題，該期之發行將暫緩，直至問題獲得處置。本平台寧發行附透明說明之部分內容，亦不發行包含未經驗證內容之完整內容。

引用指引

凡將本平台作為學術或專業研究之資料或分析情境來源使用時，敬請依下列方式引用：Gravenos, Drusus Platform, gravenos.com，並記載資料擷取日期。當研究方法具實質貢獻時，請直接引用本頁面。當 Drusus Daily 內容被使用於研究時，請以該期日期引用之。