LLM 增强投资组合决策的语义状态抽象接口：多轴新闻分解和 RL 诊断

我们引入语义状态抽象接口（SSAI）：一种方法模板，用于将稀疏非结构化文本映射到 $K$ 可审计的、在无新闻日具有中性默认值的命名坐标，旨在将表示假设与顺序决策系统中的优化方差分开。我们的贡献是框架及其评估协议，而不是声称 SSAI 优于更密集的替代方案。我们在美国股票面板（30 个 NASDAQ-100 名称、FNSPID 新闻、2019--2023 测试）上用 $K=4$ 轴（情绪、风险、信心、波动性预测）实例化 SSAI，并在共享相同固定 $φ$ 的直接因子投资组合、监督山脊预测器和 RL 代理（DP-PPO、SAC）中对其进行评估。四因子投资组合的累积回报率达到 307.2%，夏普回报率为 1.067，但与买入并持有 (243.6%) 相比的明显收益未能达到覆盖分层控制，以 $\geq 0.2$% 成本逆转，并且与仅情绪基线相比在统计上脆弱；在这种情况下，PC1 综合数据和 FinBERT 投资组合基线是更强的排名信号。 Ridge 和 RL 块诊断表示与优化器效果。我们将 SSAI 定位为稀疏文本决策系统的可解释性性能诊断和可重用协议。