心需求：狼眼系统的“四大支柱”
基于调研结果，项目组将狼眼系统的需求归纳为“四大支柱”，分别对应后续章节的核心模块，构成从数据采集到决策支持的完整闭环。
（一）支柱一：“鹰眼”数据抓取——让系统“看得见”
数据是系统的“血液”，抓取能力决定了“视野宽度”。需求明确要求：
?多源异构数据的自动化采集：对接nd、choce等金融终端p，爬取巨潮资讯、港交所披露易等官方平台公告，解析pdf/ecel财报（解决“表格识别错位”难题），抓取雪球、东方财富股吧的用户评论（日均处理量≥100万条）；
?非结构化数据的结构化转换：通过nlp技术提取业绩说明会录音中的“管理层语气词”（如“谨慎”“乐观”的频率）、行业论坛讨论中的“高频关键词”（如“产能过剩”“技术突破”），转化为可计算的标签；
?数据更新的实时性：财报数据t+1更新，舆情数据分钟级推送，产业链数据（如商品价格）每小时刷新。
这一需求直接对应第222章“数据抓取”，为后续清洗整理（第223章）提供“原料保障”。
（二）支柱二：“筛子”清洗整理——让数据“用得上”
原始数据如同矿石，需经清洗才能提炼价值。需求聚焦三大痛点：
?缺失值处理：对“未披露数据”（如部分港股公司的研发费用），采用“行业均值填充+风险提示”策略，避免简单剔除导致样本偏差；
?异常值识别：通过“3σ原则”与“孤立森林算法”双重校验，区分“真实异常”（如突发大额订单）与“数据错误”（如财报录入失误）；
?标准化对齐：统一不同来源的“行业分类”（如将“新能源车”细分为“动力电池”“整车制造”“充电桩”），确保跨公司、跨行业比较的有效性。
这一需求为第223章“清洗整理”设定了“质量标准”，确保后续指标构建（第224章）的基础可靠。
（三）支柱三：“标尺”指标构建——让分析“说得清”
指标是系统的“语言”，需兼具“专业性”与“可解释性”。需求强调：
?分层指标体系：一级指标（如“财务健康度”“成长潜力”“风险暴露”）下设二级指标（如“财务健康度”包含偿债能力、盈利能力、营运能力），三级指标（如“偿债能力”包含资产负债率、流动比率），形成“金字塔”结构；
?动态权重调整：根据市场环境变化自动修正指标权重（如牛市中“成长潜力”权重提升至40%，熊市中“风险暴露”权重升至50%）；
?自定义扩展接口：允许用户根据特定策略（如“困境反转”“高股息”）添加个性化指标（如“市净率分位数”“机构持仓变化率”）。
这一需求为第224章“指标构建”勾勒了“框架蓝图”，也为情绪模型（第225章）的指标量化埋下伏笔。
（四）支柱四：“哨兵”预警机制——让风险“跑不了”
预警是系统的“核心价值”，需实现“精准度”与“及时性”的平衡。需求明确：
?多级预警阈值：设置“绿色”（正常）、“黄色”（关注）、“橙色”（警惕）、“红色”（高危）四级，每级对应不同的应对策略（如黄色预警触发“专项研究”，红色预警建议“立即减仓”）；
?预警归因分析：不仅提示“风险信号”，更需说明“触发原因”（如“红色预警：应收账款周转天数同比上升60%，触发‘财务造假风险’指标第3条”）；
?误报反馈优化：允许用户标记“误报案例”，系统通过机器学习降低同类信号的误报率（目标：6个月内误报率从初始30%降至15%以下）。
这一需求直接对应第226章“预警机制”，并通过人机分工（第228章）实现“机器预警+人工复核”的高效协作。
四、非功能需求：狼眼系统的“隐形骨架”
除了核心功能，需求设计还需兼顾“非功能需求”，它们如同系统的“隐形骨架”，支撑着功能的稳定运行。
（一）安全性：“数据不出域”的底线
投研数据涉及商业机密，需求明确规定：所有数据存储于本地服务器，敏感字段（如机构持仓、未公开调研纪要）采用国密算法加密，访问权限按“角色分级”（实习生仅能查看公开数据，投资总监可解锁全部功能）。
（二）易用性：“分析师友好”的交互
系统界面需避免“技术炫技”，采用“仪表盘+报告”双模式：仪表盘用图表直观展示核心指标（如“财务健康度雷达图”），报告自动生成“投资要点摘要”（限500字以内），支持一键导出ppt格式供投研会议使用。
（三）扩展性：“未来兼容”的设计
预留与第三方工具（如pthon脚本、ecel插件）的接口，允许后期接
本章未完，请点击下一页继续阅读》》
基于调研结果，项目组将狼眼系统的需求归纳为“四大支柱”，分别对应后续章节的核心模块，构成从数据采集到决策支持的完整闭环。
（一）支柱一：“鹰眼”数据抓取——让系统“看得见”
数据是系统的“血液”，抓取能力决定了“视野宽度”。需求明确要求：
?多源异构数据的自动化采集：对接nd、choce等金融终端p，爬取巨潮资讯、港交所披露易等官方平台公告，解析pdf/ecel财报（解决“表格识别错位”难题），抓取雪球、东方财富股吧的用户评论（日均处理量≥100万条）；
?非结构化数据的结构化转换：通过nlp技术提取业绩说明会录音中的“管理层语气词”（如“谨慎”“乐观”的频率）、行业论坛讨论中的“高频关键词”（如“产能过剩”“技术突破”），转化为可计算的标签；
?数据更新的实时性：财报数据t+1更新，舆情数据分钟级推送，产业链数据（如商品价格）每小时刷新。
这一需求直接对应第222章“数据抓取”，为后续清洗整理（第223章）提供“原料保障”。
（二）支柱二：“筛子”清洗整理——让数据“用得上”
原始数据如同矿石，需经清洗才能提炼价值。需求聚焦三大痛点：
?缺失值处理：对“未披露数据”（如部分港股公司的研发费用），采用“行业均值填充+风险提示”策略，避免简单剔除导致样本偏差；
?异常值识别：通过“3σ原则”与“孤立森林算法”双重校验，区分“真实异常”（如突发大额订单）与“数据错误”（如财报录入失误）；
?标准化对齐：统一不同来源的“行业分类”（如将“新能源车”细分为“动力电池”“整车制造”“充电桩”），确保跨公司、跨行业比较的有效性。
这一需求为第223章“清洗整理”设定了“质量标准”，确保后续指标构建（第224章）的基础可靠。
（三）支柱三：“标尺”指标构建——让分析“说得清”
指标是系统的“语言”，需兼具“专业性”与“可解释性”。需求强调：
?分层指标体系：一级指标（如“财务健康度”“成长潜力”“风险暴露”）下设二级指标（如“财务健康度”包含偿债能力、盈利能力、营运能力），三级指标（如“偿债能力”包含资产负债率、流动比率），形成“金字塔”结构；
?动态权重调整：根据市场环境变化自动修正指标权重（如牛市中“成长潜力”权重提升至40%，熊市中“风险暴露”权重升至50%）；
?自定义扩展接口：允许用户根据特定策略（如“困境反转”“高股息”）添加个性化指标（如“市净率分位数”“机构持仓变化率”）。
这一需求为第224章“指标构建”勾勒了“框架蓝图”，也为情绪模型（第225章）的指标量化埋下伏笔。
（四）支柱四：“哨兵”预警机制——让风险“跑不了”
预警是系统的“核心价值”，需实现“精准度”与“及时性”的平衡。需求明确：
?多级预警阈值：设置“绿色”（正常）、“黄色”（关注）、“橙色”（警惕）、“红色”（高危）四级，每级对应不同的应对策略（如黄色预警触发“专项研究”，红色预警建议“立即减仓”）；
?预警归因分析：不仅提示“风险信号”，更需说明“触发原因”（如“红色预警：应收账款周转天数同比上升60%，触发‘财务造假风险’指标第3条”）；
?误报反馈优化：允许用户标记“误报案例”，系统通过机器学习降低同类信号的误报率（目标：6个月内误报率从初始30%降至15%以下）。
这一需求直接对应第226章“预警机制”，并通过人机分工（第228章）实现“机器预警+人工复核”的高效协作。
四、非功能需求：狼眼系统的“隐形骨架”
除了核心功能，需求设计还需兼顾“非功能需求”，它们如同系统的“隐形骨架”，支撑着功能的稳定运行。
（一）安全性：“数据不出域”的底线
投研数据涉及商业机密，需求明确规定：所有数据存储于本地服务器，敏感字段（如机构持仓、未公开调研纪要）采用国密算法加密，访问权限按“角色分级”（实习生仅能查看公开数据，投资总监可解锁全部功能）。
（二）易用性：“分析师友好”的交互
系统界面需避免“技术炫技”，采用“仪表盘+报告”双模式：仪表盘用图表直观展示核心指标（如“财务健康度雷达图”），报告自动生成“投资要点摘要”（限500字以内），支持一键导出ppt格式供投研会议使用。
（三）扩展性：“未来兼容”的设计
预留与第三方工具（如pthon脚本、ecel插件）的接口，允许后期接