??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
本章未完，请点击下一页继续阅读！