用于 LLM 增强投资组合决策的语义状态抽象接口：多轴新闻分解与 RL 诊断

我们引入了语义状态抽象接口：一种方法模板，用于将稀疏的非结构化文本映射为 $K$ 个可审计、命名的坐标，并在无新闻日提供中性默认值，旨在将表示假设与序列决策系统中的优化方差分离开来。我们的贡献在于该框架及其评估协议，而非声称 SSAI 优于更密集的替代方案。我们在美国股票面板（30 只 NASDAQ-100 股票，FNSPID 新闻，2019--2023 测试期）上以 $K=4$ 个轴（情绪、风险、置信度、波动率预测）实例化 SSAI，并在直接因子组合、监督 ridge 预测器以及共享相同固定 $\phi$ 的 RL 智能体（DP-PPO、SAC）上对其进行评估。四因子因子组合达到 307.2% 的累计回报和 1.067 的 Sharpe 比率，但相对于买入并持有策略 (243.6%) 的表面收益未能通过分层覆盖控制，在成本 $\geq 0.2$% 时发生逆转，并且相对于仅情绪基线在统计上显得脆弱；在此设置下，PC1 复合信号和 FinBERT 组合基线是更强的排序信号。Ridge 和 RL 模块诊断了表示与优化器效应。我们将 SSAI 定位为用于稀疏文本决策系统的可解释性-性能诊断工具和可复用协议。