version: "1.0.0" name: news-credibility description: 当你手上有一个信号、统计结论或回测结果，想验证它到底靠不靠谱（是不是伪相关/过拟合）时使用；用户常说「这个结论靠谱吗」「这信号是真的吗」「是不是过拟合」「car 显著是真因果吗」「怎么验证」。注意：本技能做的是信号/结论的统计可信度检验，不是判断新闻消息真假——用户问「这条消息能不能信」属于消息溯源与事实核验，不在本技能范围。

信号可信度检验

⚠️ 命名说明：本技能原名为「消息可信度检验」，但实际做的是信号与统计结论的过拟合检验

（DoWhy 三重反驳 / 异质处理效应 / Granger 复核），与新闻消息的真伪判定无关。

「这条消息能不能信」「这消息是真的假的」不在本技能范围。

若用户想找消息，走 news-radar；想算消息的股价冲击，走 event-impact。

何时使用

触发本技能的典型话术（都是"手上已有一个结论，检验它"）：

• 「这个结论靠谱吗？」
• 「这信号是真的吗，还是噪音？」
• 「我这策略是不是过拟合了？」
• 「怎么验证这个事件真的推动了股价？」
• 「上次那个分析我能信几分？」
• 「帮我把这个结果挑挑刺 / 压力测试一下」

轻问 vs 深问（成本控制）

轻问（30 秒级，1–2 个工具）

• 用户只想快速看一个事件冲击是否显著：直接 causal-event_study 出 CAR + p 值，再用 causal-refute 跑一次三重反驳。
• 输出 3–5 行结论：显著与否、方向、评级、一句话风险提示。

深问（多轮，完整链路 + 结构化报告）

• 用户要「完整可信度评估」：事件研究 → 反驳 → （可选）反事实影响/因果发现 → 完整报告。
• 最贵的一步是 `causal-refute` 与 `causal-event_study_batch` 的多事件批量计算（要跑 placebo / 随机共因 / bootstrap 三轮回测，单次可能数十秒到分钟级）。批量任务先拿 job_id 再说，不要在前台傻等。

工具链

第 0 步：确认输入（缺数据就先要数据）

必须拿到，否则无法开跑：

1. 标的代码：如 sh600519 / 002371。
2. 事件日期：YYYY-MM-DD。
3. K 线数据 `klines`：[{date:'YYYY-MM-DD', close:number}, ...]，按日期升序，建议事件前至少 90 个交易日、事件后至少 10 个交易日。
4. 基准数据 `benchmark`（强烈建议）：沪深300 / 中证500 等指数同区间日 K，与 klines 对齐。没有基准只能做绝对收益，结论会被大盘涨跌污染。

数据来源说明：工具本身不拉行情。请用户从券商客户端或行情软件（同花顺/通达信）导出后粘贴；若用户只给「代码 + 日期」而不给 K 线，应明确告诉用户「需要你提供该区间日 K 收盘价」，不要自己编造价格。

第 1 步：算事件冲击（得到因果链）

• 调 causal-event_study，传 symbol、event_date、klines、可选 benchmark、可选 sector_benchmark（有板块指数时启用市场+板块双因子模型，更干净）。
• 返回关键字段：car_1d / car_3d / car_5d、car_pre1d、p_value、is_significant、direction、alpha、beta_market、r_squared。
• 多个事件一起验（比如「这个策略过去 20 次信号」）→ 用 causal-event_study_batch，传 events: [...] 与 timeout。这是重任务：先提交拿 job_id，再用 causal-job_status 轮询，不要傻等。

第 2 步：三重反驳（核心步骤）

• 用第 1 步的结果组装 chain，调 causal-refute：

`` chain = { symbol, event_id, event_title, car_1d, car_3d, car_5d, p_value, direction } ` 其中 car_* 必须来自 causal-event_study`，不要手填。

• 三轮回测的含义（讲给用户听）：

1. 安慰剂处理（placebo_treatment）：把「事件日」随机挪到没有事件的日子，如果照样出现同样的 CAR，说明你测到的不是事件效应。
2. 随机共因（random_common_cause）：引入随机变量作为混杂因素，检验结论是否依赖某个没控制住的共同驱动。
3. 数据子集 bootstrap（data_subset）：反复抽样子集重算，检验结论对样本选择是否敏感。

• 返回：逐项 robust / refuted 判定、passed / failed 计数、总体 grade（A–F）、recommendation。

第 3 步（可选，深问才走）

• 想量化「这件事到底带来多少异常收益」：causal-causal_impact，传 symbol、event_date、klines、benchmark，返回 cumulative_impact、ci_95、significant，比单点 CAR 更稳。
• 想验「是它领先大盘，还是大盘领先它」：causal-granger_te，传 x（基准收益率序列）、y（标的收益率序列）、max_lag，看 lead_lag 与 transfer_entropy。
• 想验「哪类标的对事件反应更强」：causal-dml_cate，传 treatment（事件哑变量 0/1）、outcome（事件后前瞻收益）、features（特征面板）。

第 4 步：沉淀

记忆回路（前查后记）

本技能的历史参照维度是「被检验结论的最终对错」——不是行情涨跌本身，而是「我们给的评级后来准不准」。参照系分两层：一是同类事件/同板块过去的评级分布与失败项（用于判断这一次是偏乐观还是偏保守），二是过去那些评级在窗口走完后被证实的命中情况，即本技能的自我校准记录。

这个记忆对用户的价值在于：可信度检验本身也会出错——把真信号判成 D 级、或把伪信号判成 A 级，代价都不小。持续回填「评级 → 最终对错」，才能让用户知道这套检验是偏严还是偏松；在输出「类似情境 N 次，其中 X 次判断正确」时，用户拿到的就不是一句孤立的评级，而是一个带历史命中率的判断。

输出格式

Agent 必须按以下契约输出（缺数据的项写「未提供」，不要留空也不要猜）：

1. 一句话结论：这个结论属于「稳健 / 存疑 / 不成立」。
2. 冲击指标表：CAR_1d / CAR_3d / CAR_5d、p 值、是否显著、方向、R²、beta。
3. 三重反驳表：逐一列 安慰剂处理 / 随机共因 / 数据子集 bootstrap 的 robust 或 refuted。
4. 评级与解读：A–F 评级 + 一句话含义。
5. 数据说明：样本区间、基准、K 线来源（用户提供 or 指定数据源）。
6. 照此采信的建议：

• A / B 级 → 才算稳健，可以采信，并提示「结论基于历史统计，不保证未来重现」。
• C 级 → 结论不稳定，需补数据或换窗口再验。
• D / F 级 → 明确提示用户不要采信，并指出被哪一项反驳打掉（安慰剂？随机共因？子集敏感？）。

1. 如果不显著或事件无法定位：如实说「本次检验未能证明事件与价格存在稳定因果」，不得为了给结论而放宽标准。

历史参照（必填小节）：若检索到同类历史，写明「类似情境 N 次，其中 X 次 <本技能的判断维度> 正确」；

无历史则写「首次记录此类情境，本次判断已存入记忆供将来对照」。

合规边界

• 只输出统计计算结果：CAR、p 值、置信区间、评级、反驳判定。
• 不输出买入/卖出建议，不输出目标价，不输出收益承诺。
• 不因用户追问就补一句「所以建议买入」——那超出本技能范围，可提示用户转交易流程（本仓库不执行交易，请走你自己的风控流程）。
• 涉及任何预测类模型（Kronos / ML 打分）时，必须声明「模型输出，非承诺」。
• 引用新闻/事件时标注来源，不把传闻当事实；情绪分与叙事只作辅助证据，不作因果证明。

常见问题

1. 没有基准就跑，等于白跑。 缺 benchmark 时算出来的「异常收益」只是绝对涨跌，牛市里任何消息都显得「显著」。没基准就先跟用户要指数数据，或明确降级标注「未剔除市场收益，可信度下降」。
2. 事件日选错，全盘失真。 事件日若落在非交易日，工具会取最近交易日；但如果是盘后发布的消息，真实反应在 T+1，应把 event_date 设成消息次一交易日，否则 CAR_1d 会被摊薄。
3. p 值小 ≠ 结论真，所以才要三重反驳。 样本小、事件日扎堆、口径反复试，都能造出漂亮的 p 值；安慰剂那一关专门抓这个。评级 D/F 时不要用「样本少」当借口让用户采信。
4. 评级是相对稳健性，不是准确率。 A 级只说明「在这次数据上三关都过了」，不说明未来一定赚钱；每次换新数据都要重跑。
5. 批量验证先拿 job_id。 超过几个事件的 causal-event_study_batch 属于重任务，提交后用 causal-job_status 轮询；在此期间可以先输出单事件结果，不要空转等待。