01 / 认识论基础

认识论基础

AITM 不预测价格。AITM 推演因果机制。这是一切的起点 -- 为什么因果推演而非相关性分析。

“AITM 不预测价格。AITM 推演因果机制。”
第一节

范式问题:为什么相关性失效

传统量化在Regime切换时崩溃。因果推演穿越Regime运作。

传统范式

传统量化方法

  • 模式匹配 — 从历史价格中寻找统计规律
  • 相关性驱动 — 假设过去的相关性未来持续
  • 因子模型 — 线性因子分解,无法捕捉非线性传导
  • Regime切换时崩溃 — 2008, 2020, 2022年皆失效
  • 黑箱 — 无法解释为什么做出某个决策
VS
AITM范式

AITM 因果推演

  • 机制推演 — 追踪因果传导链条,理解'为什么'
  • 因果驱动 — 识别不变的因果结构,而非统计巧合
  • 网络模型 — 302节点 + 431链接 + 70反馈环路
  • 穿越Regime运作 — 因果机制在危机中依然成立
  • 可解释 — 每个信号都有因果链条追溯
认知架构

四层认识论框架

AITM 建立在四层认识论框架之上,每层解决不同层次的理解问题 -- 从结构到周期,从静态到动态。

L4
周期认知 Cyclical Cognition

邵雍/易经 + 康德拉季耶夫长波周期理论。金融系统在重叠的长/中/短周期中运行,每个宏观周期阶段具有根本不同的风险结构。

核心问题

我们处于大周期的什么位置?这个阶段隐藏了什么风险?

L3
辩证认知 Dialectical Cognition

黑格尔辩证法 + 系统论。金融中的对立力量(央行宽松 vs 通胀压力、信用扩张 vs 去杠杆)形成动态均衡。这个均衡的打破点就是交易机会。正题 → 反题 → 合题。识别'主要矛盾'及其转化方向 = 识别风险与机会。

核心问题

当前的主要矛盾是什么?均衡何时以何种方式打破?

L2
动力学认知 Dynamic Cognition

Judea Pearl 因果推断 + 系统动力学。金融中的力量(流动性、杠杆、信用、风险偏好)如同物理学中的力。它们的积聚、传递与释放遵循因果规律。Pearl框架将我们从'相关性'升级为'因果性'。系统动力学让我们追踪反馈环路 -- 正反馈加速崩溃,负反馈维持稳定。

核心问题

因果力量如何积聚和传导?哪些反馈环路正在加速?

L1
结构认知 Structural Cognition

Pozsar 交易商图谱 + Mehrling 货币层级。金融系统本质上是一张'管道图'。央行在顶层,流动性通过一级交易商、回购市场、货币市场基金、影子银行向下流动。理解这张管道图 = 预测压力最先出现在哪里、'堵塞点'如何形成。

核心问题

金融管道的结构是什么?堵塞点在哪里?

第二节

四大理论支柱

AITM 的因果网络建立在四大理论源流之上,每个支柱提供不同维度的因果知识。

支柱 01 — Perry Mehrling:货币层级理论

L0-L5 六层货币层级:危机中的层级坍缩与品质逃逸

Perry Mehrling 提出货币并非扁平的,而是分层的。从最终的结算手段(黄金/L0)到最外围的影子信用(L5),每一层都是上一层的承诺。在正常时期,层级之间的利差很小,流动性充裕;但在危机中,外围层级的承诺被质疑,资金从 L5 向 L0 回流 — 这就是品质逃逸 (Flight to Quality)。

L0黄金 — 最终结算
L1央行货币 — 准备金/现金
L2银行存款 — 商业银行负债
L3证券 — 国债/企业债/股票
L4衍生品 — 期货/期权/互换
L5影子信用 — ABCP/CLO/结构化产品
▲ 危机时品质逃逸方向 L5 → L0
核心洞察

货币是分层的,不是扁平的。这决定了危机传导的方向 — 总是从外围到核心,从 L5 到 L0。理解层级就理解了危机的方向。

支柱 02 — Zoltan Pozsar:交易商/管道图谱

前 Fed/IMF/Credit Suisse 分析师 — 绘制全球美元资金管道

Zoltan Pozsar 是全球美元资金体系最深入的测绘者。他在 Fed、IMF 和 Credit Suisse 的工作中,系统性地绘制了全球美元资金的'管道系统' — 包括 Repo市场、FX Swap、货币市场基金、交易商资产负债表之间的复杂连接。

他的核心贡献是揭示了影子银行体系的结构性脆弱 — 在准备金稀缺时代,这些管道的堵塞决定了压力最先出现在哪里。2019年9月的Repo危机、2020年3月的美元流动性危机,都精确验证了他的管道图谱。

Repo
回购市场
FX Swap
外汇互换
MMF
货币市场基金
Dealer B/S
交易商资产负债表
核心洞察

管道'(影子银行基础设施)决定了压力最先出现在哪里。理解管道就理解了危机的位置。

支柱 03 — 宋鸿兵:5层美元环流

169期微课堂(W159-W384)完整提取 — 最大中文宏观因果知识库

宋鸿兵的169期微课堂构成了 AITM 最大的单一知识源。他提出的5层美元环流理论,将全球美元流动分解为国内信用创造、国际贸易结算、离岸美元市场、央行储备管理、以及地缘货币博弈五个层次,揭示了每个层次之间的因果传导链条。

169
期微课堂
6,239
提取条目
1,132
因果链条
1,012
预测条目
核心洞察

跨越货币Regime周期的历史模式识别 — 从布雷顿森林到石油美元到量化宽松,因果机制的历史韵脚。

支柱 04 — BIS/Fed研究:学术基础

BIS ~45% 已提取 (28/31+ 论文) · IMF ~15% (5篇) · FED ~5% (2篇) — 学术因果取证持续推进

BIS(国际清算银行)、IMF和美联储的研究论文为 AITM 的因果网络提供了学术基础和实证支撑。BIS已完成28篇论文的因果结构提取(~45%),IMF已提取5篇(~15%),FED已提取2篇(~5%)。这些论文覆盖了全球美元融资、Repo市场微观结构、央行互换额度、流动性传导等核心领域,为每一条因果链条提供了可引用的学术证据。

28/31+
BIS论文已提取 (~45%)
5
IMF论文已提取 (~15%)
2
FED论文已提取 (~5%)
4
研究领域
01
全球美元融资
02
Repo市场微观结构
03
央行互换额度
04
流动性传导机制
核心洞察

同行评审的学术研究为 AITM 的因果链条提供了可验证的实证基础,确保每一条因果关系都有学术支撑。

理论融合

三大理论家的“身体”隐喻

三位核心理论家在构建金融系统‘身体’中扮演不同角色,共同产出 CCN 因果底图。

🧬
理论角色
Mehrling
器官分类
定义每个货币层级是什么 -- 为金融系统的每个‘器官’命名和分类。L0黄金、L1央行货币、L2银行存款... 建立解剖学基础。
🩸
理论角色
Pozsar
血管图
定义货币如何在器官之间流动 -- 回购管道、外汇互换线路、交易商资产负债表如何连接。绘制金融系统的‘血管图’。
📋
理论角色
宋鸿兵
病理报告
提供详细的案例研究 -- 当这个身体‘生病’时发生了什么。169期微课堂记录了从布雷顿森林崩溃到2020流动性危机的完整‘病历’。
融合产出
三者融合 → CCN “底图” -- 金融系统的完整因果模型
智能体架构

多智能体协作系统

AITM 不仅是静态知识库 -- 它是一个由约12个专业化AI智能体协同运作的活系统。

L0
数据层
DataCollector 智能体群 -- 实时采集市场数据、政策信号、新闻流
L1
结构层
CCNBuilder 构建实时因果网络快照;CausalForensicist 提取历史机制
L2
分析层
FeedbackLoopAnalyzer 检测正反馈加速;CausalProjector 场景推演;NarrativeAnalyst 解析政策影响
L3
决策层
策略生成与风险控制 -- 将因果推演转化为可执行信号
~12 个专业化智能体 · 多层协作 · 实时因果推演
系统全景

六大组件系统架构

完整的 AITM 系统由六个相互连接的组件构成 -- 用人体隐喻让架构更直观。

01
认识论与理论
理论基础
“源代码”
02
CCN核心引擎
因果网络
“大脑结构”
03
数据基础设施
实时数据流
“血液”
04
三层因果分析
因果推演
“思考过程”
05
策略生成执行
信号与交易
“输出器官”
06
风控与自进化
预警与学习
“免疫系统+DNA”
第三节

知识提取方法论:因果取证提取

从原始文本到结构化因果知识的完整管道,7类提取 + Pydantic验证 + JSON结构化。

7 类提取分类

CAT-01
因果声明
Causal Claims
CAT-02
机制描述
Mechanism Descriptions
CAT-03
历史先例
Historical Precedents
CAT-04
预测/预报
Predictions/Forecasts
CAT-05
量化数据
Quantitative Data
CAT-06
理论框架
Theoretical Frameworks
CAT-07
政策分析
Policy Analysis

提取管道

原始文本
音频/文档/论文
7类提取
LLM辅助标注
Pydantic验证
52个Schema类
JSON结构化
标准化存储
CCN集成
节点/链接映射
因果引擎
推演与信号
22
Pydantic v2 文件
52
Schema 类
3
层依赖图

技术细节:Pydantic Schema 架构

AITM 使用 Pydantic v2 构建了三层 Schema 依赖图:Layer 1(基础类型)定义 CausalClaim、MechanismDescription 等原子类型;Layer 2(组合类型)将原子类型组合为 EpisodeExtraction、SourceBundle;Layer 3(网络类型)映射到 CCN 的 Node、Link、FeedbackLoop。22个文件、52个类,确保从原始提取到网络集成的每一步都有严格的类型安全和数据验证。

第四节

从理论到网络:节点类型映射

每个理论支柱贡献不同类型的节点和链接,共同构建 CCN 因果网络。

Mehrling 贡献
L1_* L2_* L3_*

货币层级节点:定义层级位置与层间传导

Pozsar 贡献
Entity_*

实体节点:交易商、MMF、央行、影子银行

动态建模
Flow_* Market_* Price_* State_*

流量、市场、价格、状态节点:捕捉动态变化

危机事件
Event_*

事件节点:标记危机触发点与传导时间

政策干预
Policy_*

政策节点:央行干预、监管变化、财政措施

映射机制:从理论到 302 个节点

四大理论支柱的知识通过7类提取进入 Pydantic Schema,然后根据内容类型自动映射为 CCN 节点。Mehrling 的层级理论映射为 L1-L3 层级节点;Pozsar 的管道图谱映射为 Entity 实体节点;动态建模(结合 Song 和 BIS 研究)映射为 Flow/Market/Price/State 节点;历史危机映射为 Event 节点;政策响应映射为 Policy 节点。最终形成 302 节点、431 链接、70 反馈环路的完整因果网络。