Loopera-ai/loopera

Loopera 特征挖掘，洞察无限 面向基本面因子研究的智能体Agent Fundamental research, engineered for evidence. 产品概览 · 产品框架 · 研究输入 · 完整案例 · 责任边界 Loopera 围绕上市公司的财务报表与经营信息，为基本面量化团队持续完成研究方向探索、经济假设形成、候选因子构建、可信验证与知识沉淀。 它的目标不是批量生成公式，也不是用一次漂亮的回测替代研究判断。Loopera 更关心一项研究是否有清晰的基本面逻辑、是否经得住多角度验证，以及它是否为已有研究带来新的信息。 价格反映结果，基本面解释企业如何创造、消耗和重新配置价值。 Loopera 主要围绕企业的盈利质量、现金流、资产负债结构、营运效率、资本投入和经营变化展开研究。相比只观察市场价格，它更关注企业经营中正在发生、但尚未被充分理解或定价的变化。 基本面数据并不简单。不同报表之间需要建立联系，同一个财务数字在不同行业和经营阶段可能有不同含义，公开信息的时间也会影响研究是否真实可用。Loopera 将这些问题纳入统一的研究流程，让 Agent 的工作更接近基本面研究员，而不是通用的数据拟合工具。 从经营现象到可信结论，再把每一次研究沉淀为团队知识。 Discover → Hypothesize → Build → Validate → Remember → Evolve Topic  ·  Prompt  ·  PDF   →   统一研究输入   →   假设、因子与验证 查看输入方式与处理原则 报告中的明确公式可以优先进入验证，其余内容则作为后续探索的背景知识。外部材料始终被视为待验证的研究证据，不能修改 Loopera 的安全约束、数据范围和验证标准。 Loopera 把研究意图转化为经证据验证、可以持续复用的研究资产。 Understand the business → Form a hypothesis → Test the evidence → Compound the knowledge 公开版本仅介绍产品能力和研究原则。具体的假设组织方式、验证策略、评价规则、模型协作机制和因子实现属于 Loopera 的核心技术，不在本文档中披露。 核心能力不来自“让一个模型自由发挥”，而来自 Agent、确定性程序与研究记忆的协同。 A research environment around the model—not a model wrapped around a backtest. 九个模块组成三层架构：上层负责交互与编排，中层负责研究推理，下层提供数据、评价与长期记忆。 Each layer can evolve independently while sharing the same structured research objects. 查看九个模块的职责与主要输出 不同形式的研究材料，进入同一条可验证、可追踪的研究主线。 Bring your question, your thesis, or an entire research report. 查看材料解析清单与来源适配原则 Loopera 会从输入材料中识别： 对于较长的 PDF，系统会先建立候选公式目录，避免明确写在表格或正文后部的因子被长篇背景讨论淹没。 如果材料明确指定公式结构、窗口、分母、适用范围或权重，Loopera 会将其作为来源约束保留。只有材料没有区分、且属于标准会计口径差异时，系统才允许进行保守适配，并在结果中记录实际采用的口径。…