NoiseFloor — market attention and evidence checks

NoiseFloor

何が変わり、何が繰り返され、証拠から何が裏付けられるでしょうか？

リサーチデスク、監視システム、AI エージェント向けの、モジュール式でオフライン対応のツールキットです。 Python 3.9+、MIT、実行時の依存関係はゼロです。同じ純粋関数を Python、JSON CLI、REST、MCP から利用できます。

NoiseFloor は市場の観測データを検証し、繰り返される見出しをグループ化し、データの欠落を明らかにして、予測を評価します。フィードの取得、モデルの呼び出し、ポートフォリオの保持、取引の実行は行いません。

リサーチのタスクから始める

タスク	最初のステップ	結果とともに保持される情報
共通要因への集中を調べる	相関分析ワークベンチを開き、ラベル付きの合成例を実行します	整合性、ソースの制限、欠落、参照時の前提
変化する市場の観測データを確認する	許可された観測データを使って、市場入力ガイドに従います	観測時刻、可視性の欠落、記述的なレビューの優先事項
繰り返される見出しを整理する	以下の自己完結型 Python の例を実行します	元のイベント、変化した数値、相反する報告
API または MCP クライアントを接続する	クライアントキットを開きます	トランスポートを問わず同じ限定的な入力仕様

非公開の観測データには、Python または CLI をローカルで使用してください。ブラウザのワークベンチは、実行時に選択した例のみを送信します。同梱されている例は合成データです。公開金融ソースの取得は、Financial Evidence 接続ガイドに記載されている別のワークフローです。

リリース 0.4.0 では、相関スペクトル、共通要因への集中、実験的な相関クリーニング候補、ローリング診断に加え、独立した合成 Dyson ブラウン運動シミュレーターが導入されました。製品の用途と手法をご覧ください。

LiquiLens、Seiche、Undertow、Riptide、Palimpsest、取引エージェントのリサーチに向けた、明示的に合成データを使った相関分析と Dyson のライブワークベンチをお試しください。 API クライアントキットには、OpenAPI、Postman、Bruno、HTTP、ローカル Python のワークフローが含まれています。ブラウザからのリクエストは、実行した場合にのみ公開サービスへ送信されます。非公開のパネルには Python をローカルで使用してください。

最初の結果を取得する

パッケージをインストールします。リポジトリのチェックアウト、API キー、モデルは不要です。

python3 -m pip install --upgrade noisefloor
noisefloor capabilities

明示的に合成データである2件の見出しを使って、この Python の例を実行します。観測時刻を固定することで、結果を再現できます。

import json
from pathlib import Path
from noisefloor import narrative

primary = {
    "id": "synthetic-filing",
    "title": "Example Bank reports deposit growth of 5 percent",
    "published_at": "2026-10-08T10:00:00Z",
    "entities": ["EXAMPLE-BANK"],
    "source": {"id": "synthetic-issuer", "kind": "primary"},
}
copy = {
    **primary,
    "id": "synthetic-headline",
    "source": {"id": "synthetic-wire", "kind": "reporting"},
}
request = {
    "events": [primary, copy],
    "as_of": "2026-10-08T12:00:00Z",
    "focus": ["EXAMPLE-BANK"],
}
report = narrative.triage(**request)
print(len(report["events"]), len(report["attention_queue"]))  # 2 retained, 1 to review
print(report["counts"]["repeated_wording"])  # 1 repeated headline
Path("narrative.json").write_text(json.dumps(request), encoding="utf-8")

元のイベントはどちらもレポートに残ります。繰り返される表現はグループ化されますが、それによって真実や独立した裏付け、取引の許可が示されるわけではありません。ソースの種類とエンティティの割り当ては、呼び出し側が指定します。

この例では narrative.json も書き出されます。インストール済みの CLI に渡して使用できます。

noisefloor narrative narrative.json

金融リサーチに接続する

NoiseFloor は、提供された入力を分析します。これらの製品は、金融関連の背景情報や証拠を得るための別々の手段を提供します。観察事項をローカルの評価に取り入れる前に、各製品の対象範囲と情報源の利用権を確認してください。

リサーチの目的	製品と次のステップ
Python または AI エージェントから、情報源を明示した金融レビューを取得して保存する	Financial Evidence first review
資金調達と外国為替の背景情報を調べる	Seiche · API と MCP のガイド
対象となる銀行の開示情報と機関の証拠を調べる	LiquiLens · 開発者ガイド
ビットコインの参考情報としての退出流動性を調べる	Undertow · 開発者ガイド
中国および地域の公開記録の対象範囲を調べる	Palimpsest · 開発者ガイド

ホスト型 API または MCP の接続方法を選ぶには、接続ガイドを参照してください。NoiseFloor をインストールしても、フィードの購読、情報源の収集が有効になることも、ローカルの観察事項がこれらの製品に送信されることもありません。

市場の注目度

各系列には、その識別情報、単位、情報源、宣言された再利用許可、観測時刻、鮮度の上限が含まれます。任意の利用可能時刻情報を保持すれば、呼び出し元がその時点で把握していた内容を記録できます。欠損データは欠損のまま扱われます。

エンジンは、データの経過時間、未来のタイムスタンプ、重複した時刻情報、連続した履歴、測定範囲を確認します。価格は対数リターンに変換され、金利とスプレッドは元の単位のまま保持されます。宣言されたギャップをまたいでリターンを計算することはありません。明示的なポリシーにより、持続的な乖離、直近の単発変動、ボラティリティの拡大を識別します。相関する動きは確認できますが、独立した裏付けとして重複計上されることはありません。

各系列は、情報源と理由を添えて review、watch、no_supported_departure、または insufficient_visibility を返します。これらはレビューの優先度であり、有意性検定や取引シグナルではありません。診断結果が落ち着いていても、動きがノイズであることの証明にはなりません。情報源の利用許可は呼び出し元による宣言であり、ライセンス監査ではありません。市場カレンダー、企業行動、重要性については、呼び出し元による確認が必要です。取引高は経済的な観測値であり、自動的にサンプルの分母として扱われるものではありません。

ニュースとナラティブの注目度

NoiseFloor は、宣言された同じエンティティについて、類似した表現をまとめ、変化した数量や明示的な否定は別々に保ち、すべての元イベントを記録して、件数を制限したキューを生成します。同じ宣言済みイベントキーを持つ異なる報道は、レビュー対象として強調されます。呼び出し元が主要情報源と宣言したものは論評より優先され、繰り返しだけで優先度が上がることはありません。

これは表現と関連性のトリアージであり、ファクトチェック、センチメント予測、独立した裏付けの証明ではありません。保留およびフィルタリングされた項目も引き続き参照できます。キューが空でも、市場が落ち着いていることを保証するものではありません。タイトルはデータであり、指示ではありません。

統計的な構成要素

モジュール	目的	証拠の適用範囲
experiment.compare	ベルヌーイ逐次A/Bテストの信頼系列	条件付きでアームが安定しているベルヌーイ分布の仮定が必要です。任意の取引結果が自動的に条件を満たすわけではありません。
change.scan	方向性のある変化の監視	記述統計量であり、e値でも、あらゆる市場に適用できる誤警報保証でもありません。
coverage.check	測定件数の変化を調べる	線形の記述的診断です。因果関係を証明したり、あらゆるサンプリング効果を排除したりすることはできません。
forecast.next_value, forecast.score	同一の適応型区間を提示して評価する	過去の記録と予測外れをすべて使用します。カバレッジは実績に基づくものであり、次の観測値について保証されるものではありません。
multiple.select	宣言されたファミリー全体に対するe-BH選択	有効なe値であることを呼び出し側が明示的に確認する必要があります。任意のスコアによって選択権限が生じることはありません。

from noisefloor import experiment, change, forecast, multiple
experiment.compare(500, 5000, 750, 5000)
change.scan([1., 2., 1., 2., 1., 2., 1., 2., 8., 9.])
forecast.score([float(x) for x in range(40)])
# Only after an independently justified e-value construction:
multiple.select({"metric_a": 25.0, "metric_b": 1.0}, valid_evalues=True)

valid_evalues=Trueは宣言であり、認定ではありません。単一ファミリーに対するe-BH保証は、ファミリーを繰り返し選択したり、無条件に途中結果を確認したりすることを正当化しません。バージョン0.3では0.2で過大に述べられていた保証を修正しています。手法と移行に関する注意事項をお読みください。

AI エージェントとHTTP

{"mcpServers":{"noisefloor":{"command":"uvx","args":["--from","noisefloor","noisefloor-mcp"]}}}

MCPツールは10個です。market_assessment、narrative_triage、ab_test、did_it_change、real_or_sampling、forecast_next、score_forecasts、which_metrics_matter、spectral_assessment、dyson_referenceを利用できます。結果には構造化JSONが含まれます。スペクトル評価は記述的な研究であり、Dysonリファレンスは合成シミュレーションで、適合済みの市場モデルではありません。

noisefloor-mcp-http --host 127.0.0.1 --port 8792

別のターミナルで、Pythonの例が書き出したnarrative.jsonを使用します。

curl http://127.0.0.1:8792/v1/capabilities
curl -H 'Content-Type: application/json' --data-binary @narrative.json http://127.0.0.1:8792/v1/narrative/triage

REST：POST /v1/market/assess、POST /v1/narrative/triage、POST /v1/spectral/assess、POST /v1/research/dyson。 ホスト型APIのベースURLはhttps://api.seiche.info/noisefloor、ホスト型MCPエンドポイントはhttps://api.seiche.info/noisefloor/mcpです。 研究用ルート：POST /v1/spectral/assess、POST /v1/research/dyson。 ディスカバリー：GET /v1/capabilities、GET /openapi.json。MCP：POST /mcp。 TLS／認証およびクォータレイヤーの背後にセルフホストしてください。HTTPログに記録されるのは、上限付きの操作／結果ラベルであり、送信された観測値、タイトル、リクエスト対象ではありません。

ホスト型MCP：https://api.seiche.info/noisefloor/mcp。 パッケージのリリースがデプロイされていると決めつける前に、ヘルス／バージョンとツール一覧を確認してください。パッケージ、レジストリ、ホストでの受け入れは、それぞれ別の状態です。

mcp-name: io.github.beepboop2025/noisefloor

モジュール設計

許可されたデータをオフラインアダプター経由で取り込みます。Financial Evidenceアダプターは、SDKをインポートせずに、機関、指標、単位、ソース、権利、ナレッジの各時刻を保持します。LiquiLensの機関証拠、Seicheの資金調達、Undertowの流動性、Palimpsestのカバレッジは、共通の診断機能を使いながら、別々に保つことができます。これらの製品ですでに本リリースが稼働していることを意味するものではありません。

• アーキテクチャと拡張コントラクト
• 研究ワークフロー
• 相関スペクトル、Dysonリファレンス、製品への適用
• アダプター、フレームワーク、デプロイ手順
• リリース手順

リクエスト／ポリシーのSHA-256ダイジェストは、識別情報の確認と再生に役立ちますが、署名でも、ソースの正当性を証明するものでもありません。実行時にネットワーク、モデル、データベース、有料APIへの依存は必要ありません。

検証

ソースチェックアウトから作業するコントリビューター向け：

pip install -e '.[dev]'
pytest -q

テストでは、発行済み予測とスコア化済み予測の整合性、統計的な組み合わせの無効性、 古い観測値・未来の観測値・欠落した観測値、変換、カバレッジの変化、繰り返しや 矛盾する表現、プライバシー、Python／CLI／REST／MCP 間の整合性を検証します。合成データによる キャリブレーション検証では、実際の市場での精度、収益性、または失敗予測は証明されません。

出自とライセンス

Palimpsest向けの測定品質に関する取り組みを基に構築されています。 MIT。ソースと手法は検証可能であり、結果には前提条件が引き継がれます。