基于调研结果，项目组将狼眼系统的需求归纳为“四大支柱”，分别对应后续章节的核心模块，构成从数据采集到决策支持的完整闭环。

        （一）支柱一：“鹰眼”数据抓取——让系统“看得见”

        数据是系统的“血液”，抓取能力决定了“视野宽度”。需求明确要求：

        ? 多源异构数据的自动化采集：对接Wind、Choice等金融终端API，爬取巨潮资讯、港交所披露易等官方平台公告，解析PDF/Excel财报（解决“表格识别错位”难题），抓取雪球、东方财富股吧的用户评论（日均处理量≥100万条）；

        ? 非结构化数据的结构化转换：通过NLP技术提取业绩说明会录音中的“管理层语气词”（如“谨慎”“乐观”的频率）、行业论坛讨论中的“高频关键词”（如“产能过剩”“技术突破”），转化为可计算的标签；

        ? 数据更新的实时性：财报数据T+1更新，舆情数据分钟级推送，产业链数据（如商品价格）每小时刷新。

        这一需求直接对应第222章“数据抓取”，为后续清洗整理（第223章）提供“原料保障”。

        （二）支柱二：“筛子”清洗整理——让数据“用得上”

        原始数据如同矿石，需经清洗才能提炼价值。需求聚焦三大痛点：

        ? 缺失值处理：对“未披露数据”（如部分港股公司的研发费用），采用“行业均值填充+风险提示”策略，避免简单剔除导致样本偏差；

        ? 异常值识别：通过“3σ原则”与“孤立森林算法”双重校验，区分“真实异常”（如突发大额订单）与“数据错误”（如财报录入失误）；

  The content is not finished, continue reading on the next page