NoiseFloor — market attention and evidence checks

NoiseFloor

哪些发生了变化，哪些内容重复了，证据能够支持什么结论？

一款模块化、离线的工具包，适用于研究团队、监控系统和 AI Agent。 Python 3.9+、MIT 协议、零运行时依赖。同一组纯函数可通过 Python、JSON CLI、REST 和 MCP 使用。

NoiseFloor 用于检查市场观察数据、归类重复标题、揭示数据缺口并评估预测。 它不会获取信息源、调用模型、保留你的投资组合或执行交易。

从你的研究任务开始

你的任务	第一步	结果中保留的内容
检查共同因子集中度	打开相关性工作台，运行一个带标签的合成示例	对齐情况、信息源限制、缺口和参考假设
审查变化中的市场观察数据	按照市场输入指南，使用你获准使用的观察数据	观察时间、可见性缺口和描述性审查优先级
减少重复标题	运行下方自包含的 Python 示例	原始事件、变化的数量和相互矛盾的报告
连接 API 或 MCP 客户端	打开客户端套件	不同传输方式使用相同且范围明确的输入约定

对于私有观察数据，请在本地使用 Python 或 CLI。浏览器工作台仅会在你运行时提交所选示例；其中捆绑的示例均为合成数据。公开金融信息源的检索属于单独的工作流，详见 Financial Evidence 连接指南。

0.4.0 版引入了相关性谱、共同因子集中度、一种实验性的相关性清理候选方法和滚动诊断，以及一个独立的合成 Dyson 布朗运动模拟器。请参阅 产品应用和方法。

试用实时相关性和 Dyson 工作台，其中提供 LiquiLens、Seiche、Undertow、Riptide、Palimpsest 和交易 Agent 研究所用的明确合成示例。 API 客户端套件 包含 OpenAPI、Postman、Bruno、HTTP 和本地 Python 工作流。只有在你运行请求时，浏览器请求才会发送到公开服务；处理私有面板时请在本地使用 Python。

获取第一个结果

安装软件包；无需检出代码仓库、API 密钥或模型：

python3 -m pip install --upgrade noisefloor
noisefloor capabilities

运行这个 Python 示例，其中包含两条明确标注为合成数据的标题。固定的观察时间可确保结果可复现：

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")

报告会保留两条原始事件。重复措辞会归为一组；这并不能证明其真实性、独立印证或交易许可。信息源类型和实体归属由调用方提供。

该示例还会写入 narrative.json，你可以将其传给已安装的 CLI：

noisefloor narrative narrative.json

连接你的金融研究

NoiseFloor 会分析你提供的输入。这些产品提供通往金融背景和证据的不同途径；在将观察结果用于本地评估之前，请先查阅各产品的覆盖范围和来源使用权。

研究任务	产品及后续步骤
通过 Python 或 AI Agent 检索并保存一份关注来源的金融评估	Financial Evidence 首次评估
探索融资和外汇背景	Seiche · API 和 MCP 指南
检查覆盖范围内的银行披露和机构证据	LiquiLens · 开发者指南
查看 Bitcoin 指示性退出流动性	Undertow · 开发者指南
探索中国及区域公共记录的覆盖范围	Palimpsest · 开发者指南

使用连接指南 选择托管 API 或 MCP 连接方式。安装 NoiseFloor 不会为你订阅数据源、 启用来源收集，也不会将你的本地观察结果发送给这些产品。

市场关注度

每个序列都包含其标识、单位、来源、声明的再利用许可、 观测时间和新鲜度限制。可选的可用性时钟会保留调用方当时掌握的信息。 缺失的数据仍保持缺失。

引擎会检查数据时效、未来时间戳、重复时钟、连续历史记录 和测量覆盖范围。价格会转换为对数收益率；利率和利差保留其单位。 引擎绝不会跨越声明的间隔计算收益率。明确的策略用于识别持续偏离、 孤立的最新变动和波动率扩张。相关变动会清晰呈现，但不会被视为相互独立的确认信号。

每个序列都会返回 review、watch、no_supported_departure 或 insufficient_visibility，并附上来源和原因。这些是审查优先级， 不是显著性检验或交易信号。诊断结果平静，并不能证明某个变动只是噪声。 来源权限由调用方声明，并非许可审计。市场日历、公司行动和重要性需要调用方审查。 交易量是经济观察值，不会自动成为样本分母。

新闻和叙事关注度

NoiseFloor 会将涉及相同声明实体、措辞相似的内容分组；不同的数量和明确的否认则单独保留；记录每条原始事件，并生成一个有界队列。对于使用相同声明事件键但报道内容不同的情况，会标记出来供审查。调用方声明的主要来源优先于评论内容；单纯重复绝不会提高优先级。

这是措辞／相关性分流，不是事实核查、情绪预测，也不能证明存在独立佐证。延后和筛除的条目仍可查阅。队列为空并不意味着市场平静。标题是数据，不是指令。

统计构建模块

模块	用途	证据边界
experiment.compare	序贯伯努利 A/B 置信序列	以条件稳定臂的伯努利假设为前提；任意交易结果不会自动符合要求。
change.scan	方向性变化监测	描述性统计量，不是 e 值，也不提供普适的市场误报保证。
coverage.check	检查测量计数变化	线性描述性诊断；无法证明因果关系，也无法排除所有采样效应。
forecast.next_value、forecast.score	发布并评估相同的自适应区间	需要完整历史记录／未命中记录；覆盖率是经验性的，不保证覆盖下一次观测。
multiple.select	对已声明的检验族进行 e-BH 选择	需要调用方明确确认 e 值有效；任意分数都不能赋予选择权限。

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 是一项声明，并非认证。单个检验族的 e-BH 保证，不能成为反复选择检验族或无条件窥视数据的依据。0.3 版修正了 0.2 版中过度夸大的保证；请阅读方法说明和迁移说明。

AI Agent 和 HTTP

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

十种 MCP 工具：market_assessment、narrative_triage、ab_test、did_it_change、real_or_sampling、forecast_next、score_forecasts、which_metrics_matter、spectral_assessment、dyson_reference。结果包含结构化 JSON。频谱评估属于描述性研究；Dyson 参考是合成模拟，并非拟合得到的市场模型。

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

在另一个终端中，使用 Python 示例写入的 narrative.json：

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。 托管 API 基础地址为 https://api.seiche.info/noisefloor；托管 MCP 端点为 https://api.seiche.info/noisefloor/mcp。 研究路由：POST /v1/spectral/assess、POST /v1/research/dyson。 发现：GET /v1/capabilities、GET /openapi.json；MCP：POST /mcp。 请在自己的 TLS／身份验证和配额层之后自托管。HTTP 日志记录有界的操作／结果标签，不记录提交的观测值、标题或请求目标。

托管 MCP：https://api.seiche.info/noisefloor/mcp。 在假设某个软件包版本已部署到该服务之前，请先检查其健康状态／版本和工具列表。软件包、注册表和主机的接受状态彼此独立。

mcp-name: io.github.beepboop2025/noisefloor

模块化设计

通过离线适配器接入获准使用的数据。Financial Evidence 适配器保留机构、指标、单位、来源、权利和知识时钟信息，而不导入其 SDK。LiquiLens 机构证据、Seiche 融资、Undertow 流动性和 Palimpsest 覆盖率可以各自保持独立，同时使用通用诊断工具。这并不意味着这些产品已在运行此版本。

• 架构与扩展契约
• 研究工作流
• 相关谱、Dyson 参考与产品应用
• 适配器、框架与部署方案
• 发布流程

请求／策略 SHA-256 摘要可用于身份检查和重放；它们不是签名，也不能证明来源真实。运行时无需依赖网络、模型、数据库或付费 API。

验证

对于从源代码检出版本开始工作的贡献者：

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

测试涵盖已发布与已评分预测的一致性、无效统计组合、 过时、未来及缺失的观测值、变换、覆盖范围变化、重复及 冲突措辞、隐私，以及 Python/CLI/REST/MCP 的一致性。合成校准 检查无法证明对实时市场的准确性、盈利能力或故障预测能力。

来源与许可

基于为 Palimpsest 开展的测量质量工作构建。 MIT。源代码和方法均可审查；结果保留其假设。