术语表
全库高频术语速查。来源：knowledge-base/99-术语表.md。
| 术语 | 英文 | 释义 |
|---|---|---|
| A卡/B卡/C卡 | application / behavior / collection scorecard | 申请评分、行为评分、催收评分三类信贷评分卡，样本定义与用途不同 |
| AUC | Area Under the ROC Curve | ROC 曲线下面积；随机正样本排在负样本之前的概率，分类模型区分度指标 |
| Agent（智能体） | Agent | 大模型+规划+工具调用+记忆的组合体，可多步自主执行任务 |
| AML | Anti-Money Laundering | 反洗钱；含客户尽调、交易监测、报告与名单筛查等法定义务 |
| BM25 | Best Matching 25 | 经典稀疏检索算法，按词频与逆文档频率对查询-文档打分 |
| CAR | Cumulative Abnormal Return | 累计超额收益；事件研究法中度量事件前后相对基准的累计收益（方法学概念） |
| CDD/EDD | Customer / Enhanced Due Diligence | 客户尽调与加强尽调；高风险客户执行更严格的身份与资金来源核查 |
| ES / CVaR | Expected Shortfall | 预期短缺；损失超过 VaR 的条件期望，度量尾部平均损失 |
| F1 | F1 Score | 精确率与召回率的调和平均，分类任务的综合指标 |
| FAR/FRR | False Accept / Reject Rate | 人脸比对误识率与拒真率；阈值权衡的两端 |
| GBDT | Gradient Boosted Decision Trees | 梯度提升决策树，金融表格数据常用模型 |
| IC / ICIR | Information Coefficient / IC Ratio | 因子值与下期收益的截面相关系数；IC 均值与标准差之比度量稳定性 |
| IV | Information Value | 信息价值；特征各箱预测信息量的汇总，评分卡特征筛选指标 |
| JSON Schema | — | 描述 JSON 数据结构与约束的规范，用于校验模型结构化输出 |
| KS | Kolmogorov-Smirnov | 好坏样本累积分布的最大垂直距离，评分卡区分度指标 |
| KYC | Know Your Customer | 了解你的客户；身份核验、风险画像与尽调分级的统称 |
| LLM | Large Language Model | 大语言模型 |
| LoRA | Low-Rank Adaptation | 低秩适配微调法，只训练少量新增参数，参数高效 |
| MRM | Model Risk Management | 模型风险管理；管理模型错误与模型被误用所造成风险的治理体系 |
| MRR | Mean Reciprocal Rank | 正确文档排名倒数的均值，检索排序质量指标 |
| NER | Named Entity Recognition | 命名实体识别，抽取文本中的公司、人名、指标等实体 |
| NLU | Natural Language Understanding | 自然语言理解；客服系统中意图分类与槽位抽取层 |
| PDO | Points to Double Odds | 评分刻度参数；分数每变化 PDO 分，违约几率翻倍 |
| PEPs | Politically Exposed Persons | 政治公众人物，AML 高风险客群，须加强尽调 |
| PSI | Population Stability Index | 种群稳定性指数；比较两期分布差异，经验阈值 0.1/0.25 分级介入 |
| RAG | Retrieval-Augmented Generation | 检索增强生成；先检索指定文档再受约束生成并引用，金融大模型默认架构 |
| RankIC | Rank Information Coefficient | 用秩相关（Spearman）计算的 IC，对厚尾与极端值稳健 |
| ReAct | Reason + Act | 「推理-行动-观察」循环的 Agent 工作模式 |
| RegTech / SupTech | Regulatory / Supervisory Technology | 监管科技（机构合规侧）与监管科技（监管检查侧） |
| SHAP | SHapley Additive exPlanations | 基于 Shapley 值的模型无关解释框架，特征贡献归因 |
| STR | Suspicious Transaction Report | 可疑交易报告；甄别确认后向监管报送的法定动作 |
| UBO | Ultimate Beneficial Owner | 受益所有人；对公客户穿透股权与控制链后的最终自然人 |
| VaR | Value at Risk | 在险价值；给定置信水平与持有期下损失分布的分位数 |
| WOE | Weight of Evidence | 证据权重；分箱后 ln(好客户占比/坏客户占比)，评分卡特征编码 |
| 混合检索 | hybrid retrieval | 稠密向量召回与稀疏关键词召回（BM25）结合的检索策略 |
| 活体检测 | liveness detection | 确认镜头前为真实在场本人的技术，防照片、翻拍与深度伪造 |
| 记忆（Agent） | memory | Agent 组件之一，含任务内状态与跨任务知识库 |
| 前视偏差 | look-ahead bias | 使用决策时点不可得的信息，导致回测虚高 |
| 三道防线 | three lines of defense | 业务条线、风险合规条线、内部审计的分层治理结构 |
| 评分卡 | scorecard | 以分箱+WOE+逻辑回归+刻度映射构成的可解释信用评分工具 |
| 有效挑战 | effective challenge | SR 11-7 要求的独立第三方以挑战姿态复审模型的机制 |
| 勾稽关系 | articulation | 报表之间数值上的衔接校验关系，数据质量第一道防线 |
| 过拟合 | overfitting | 模型记住训练集噪声，样本内好样本外差 |
| 事件研究法 | event study | 度量事件公布前后资产超额收益的方法学框架 |
| 数据窥探 | data snooping | 反复在同一数据上搜索直到出现显著结果，抬高虚假显著率 |
| 幸存者偏差 | survivorship bias | 样本池只含"活下来"的标的，历史收益被系统性高估 |
| 结构突变 | regime change | 市场分布发生切换，历史规律失效 |
| 信噪比 | signal-to-noise ratio | 信号方差与噪声方差之比；金融日频预测信噪比极低 |
| 幻觉 | hallucination | 模型生成与事实或输入依据不符的内容；含事实/输入冲突/指令/引用幻觉 |
| 因子 | factor | 「特征暴露→未来相对收益」的可检验假设，量化研究原子单元 |
| 量化（模型压缩） | quantization | 将模型权重从 FP16 压至 INT8/INT4 以省显存提速，需评测验证 |
| 组合优化 | portfolio optimization | 在风险与收益权衡下求解资产权重的方法族，以均值-方差为起点 |
| 蒙特卡洛模拟 | Monte Carlo simulation | 拟合分布后大量随机抽样以估计 VaR 等风险量的方法 |
| 历史模拟 | historical simulation | 直接用历史收益分布分位数计算 VaR 的方法 |
| 压力测试 | stress testing | 以历史或假设极端情景冲击估值与流动性，检验极端生存能力 |
| 多重检验 | multiple testing | 同时测试大量假设时显著阈值须相应提高的统计问题 |
| 均值-方差模型 | mean-variance model | Markowitz 提出的组合选择框架，最小化方差约束收益 |
| 有效前沿 | efficient frontier | 可行组合中风险-收益最优的集合 |
| 风险平价 | risk parity | 按风险贡献（而非资金）均衡配置的组合方法 |
| 收缩估计 | shrinkage estimation | 将样本协方差矩阵向结构化目标收缩以提高数值稳定性 |
| Black-Litterman | — | 以市场均衡为先验、主观观点为更新的组合配置框架 |
| 杜邦分解 | DuPont analysis | 将 ROE 拆解为净利率×周转率×权益乘数的归因框架 |
| 不相容定理 | impossibility theorem | 基础率不同时，校准与统计均等/机会均等不可同时满足 |
| 统计均等 | statistical parity | 各群体的正预测率相等的公平性定义 |
| 机会均等 | equal opportunity | 真实正样本中各群体的 TPR 相等的公平性定义 |
| 校准 | calibration | 相同预测分数下各群体实际发生率一致的公平性定义 |
| 代理变量 | proxy variable | 与敏感属性高度相关的非敏感特征，可致间接歧视 |
| 算法备案 | algorithm filing | 向监管提交算法用途、数据与防歧视措施存档的法定义务 |
| 拒绝推断 | reject inference | 对被拒样本的假想表现进行推断，校正审批模型的选择偏差 |
| 原因码 | reason codes | 拒贷等决策输出的特征贡献解释文案，解释义务的工程形态 |
| 切分（chunking） | chunking | RAG 离线管线中把文档切成检索单元的步骤，金融文档需结构感知切分 |
| 重排（rerank） | reranking | 用交叉编码器对召回候选精排，提升检索相关性 |
| 深度伪造 | deepfake | AI 生成的仿真人脸/语音，身份核验的对抗目标 |
参考资料
参考资料
来源政策说明：本知识库基于模型知识整理，建议按需核对原文。以下仅收录真实存在的经典文献与制度文件（书名/论文名/文件名），不提供链接、不编造页码。
制度与框架文件
- 美联储《Supervisory Guidance on Model Risk Management》（SR 11-7）与 OCC Bulletin 2011-12：模型风险管理的奠基性监管指引。
- FATF《四十项建议》（International Standards on Combating Money Laundering）：全球反洗钱与反恐融资标准框架。
- 中国证监会《证券期货投资者适当性管理办法》（2017）：适当性义务的制度依据。
- 《互联网信息服务算法推荐管理规定》（2022）与《生成式人工智能服务管理暂行办法》（2023）：算法治理与生成式 AI 合规的中国制度文本。
- 《中华人民共和国个人信息保护法》（2021）：敏感个人信息与自动化决策的合规基线。
- 中国人民银行《金融机构大额交易和可疑交易报告管理办法》：大额与可疑交易报送义务。
- 巴塞尔委员会市场风险框架（Basel 2.5 与 FRTB）：VaR 到 ES 口径演进的监管脉络。
经典图书
- Campbell、Lo、MacKinlay《The Econometrics of Financial Markets》：金融时序计量经典。
- Grinold & Kahn《Active Portfolio Management》：信息系数、信息比率与主动管理框架。
- Jorion《Value at Risk: The New Benchmark for Managing Financial Risk》：VaR 体系标准入门。
- McNeil、Frey、Embrechts《Quantitative Risk Management》：极值理论与风险计量进阶。
- Siddiqi《Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring》：评分卡全流程行业读本。
- Penman《Financial Statement Analysis and Security Valuation》：三表分析与估值教材。
- Zuckerman《The Man Who Solved the Market》：量化宽客时代的产业史。
- Lo《Adaptive Markets: Financial Evolution at the Speed of Thought》：适应市场假说与量化演进。
- Molnar《Interpretable Machine Learning》：可解释性方法开源教材。
- Marcos López de Prado《Advances in Financial Machine Learning》：金融机器学习的流程纪律与回测陷阱。
- Jurafsky & Martin《Speech and Language Processing》：NLP 与对话系统的标准教材。
- 王昊奋、漆桂林、陈华钧《知识图谱：方法、实践与应用》：知识图谱中文体系教材。
- DAMA International《DAMA-DMBOK 数据管理知识体系指南》：数据治理通用方法论。
- Brett King《Bank 4.0》：银行业务与技术关系的行业视角。
代表性论文
- Markowitz（1952）："Portfolio Selection"，Journal of Finance。
- Fama & French（1993）："Common Risk Factors in the Returns on Stocks and Bonds"，Journal of Financial Economics。
- Loughran & McDonald（2011）："When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks"，Journal of Finance。
- Ledoit & Wolf（2004）："A Well-Conditioned Estimator for Large-Dimensional Covariance Matrices"，Journal of Multivariate Analysis。
- Black & Litterman（1992）："Global Portfolio Optimization"，Financial Analysts Journal。
- Harvey、Liu、Zhu（2016）："…and the Cross-Section of Expected Returns"，Review of Financial Studies。
- Bailey、Borwein、López de Prado、Zhu（2014）："The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting, and Non-Normality"，Journal of Portfolio Management。
- Fawcett（2006）："An Introduction to ROC Analysis"，Pattern Recognition Letters。
- MacKinlay（1997）："Event Studies in Economics and Finance"，Journal of Economic Literature。
- Akoglu、Tong、Koutra（2015）："Graph Based Anomaly Detection and Description: A Survey"，Data Mining and Knowledge Discovery。
- Ji et al.（2021）："A Survey on Knowledge Graphs: Representation, Acquisition, and Applications"，IEEE TKDE。
- Lewis et al.（2020）："Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks"，NeurIPS。
- Karpukhin et al.（2020）："Dense Passage Retrieval for Open-Domain Question Answering"，EMNLP。
- Brown et al.（2020）："Language Models are Few-Shot Learners"，NeurIPS。
- Wei et al.（2022）："Chain-of-Thought Prompting Elicits Reasoning in Large Language Models"，NeurIPS。
- Yao et al.（2023）："ReAct: Synergizing Reasoning and Acting in Language Models"，ICLR。
- Schick et al.（2023）："Toolformer: Language Models Can Teach Themselves to Use Tools"，NeurIPS。
- Ji et al.（2023）："Survey of Hallucination in Natural Language Generation"，ACM Computing Surveys。
- Hu et al.（2021）："LoRA: Low-Rank Adaptation of Large Language Models"，ICLR。
- Dettmers et al.（2023）："QLoRA: Efficient Finetuning of Quantized LLMs"，NeurIPS。
- Lundberg & Lee（2017）："A Unified Approach to Interpreting Model Predictions"，NeurIPS。
- Hardt、Price、Srebro（2016）："Equality of Opportunity in Supervised Learning"，NeurIPS。
- Kleinberg、Mullainathan、Raghavan（2016）："Inherent Trade-Offs in the Fair Determination of Risk Scores"，ITCS。
- Xu et al.（2022）："LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking"，ACM MM。
行业报告
- 世界经济论坛（WEF）AI 与金融服务系列报告《The New Physics of Financial Services》。
- CFA Institute 关于人工智能与投资管理的研究系列。