AWARE-FX: An Auditable Knowledge-Guided AI System for Measuring Corporate Foreign-Exchange Hedging Disclosure

AWARE-FX 是一个可审计的 AI/NLP 决策支持系统，用于将公司年报文本转换为可追溯的外汇对冲披露度量。该系统结合了专业来源词典、否定和会计状态逻辑、特定渠道的金融编码器、精确证据门控、保守聚合和审计账本。在 2008-2025 年香港 24,909 个公司年度中，它检索并评分了 543,527 个片段。可靠性通过消融、分层 300 片段人工审计、三种子 FinBERT-ModernBERT 比较、严格的 2023-2025 时间测试、概率校准、选择性预测和固定提示生成模型基准进行评估。FinBERT 在八个编码器任务分割比较中的七个中具有更高的平均 F1；其时间 F1 范围从 0.702 到 0.872。对 20% 最不自信的时间观测进行弃权，将保留样本的 F1 提高了 0.050-0.077。确定性的 Qwen3-8B 在商品和否定证据上表现强劲，但在外债和会计上下文上表现不佳。

AWARE-FX 展示了将领域知识（专业词典、否定逻辑、会计状态）与精确证据门控和保守聚合相结合，可以构建可审计的金融 NLP 系统。FinBERT 在大多数编码器任务分割中优于 ModernBERT，表明领域预训练在金融文本中仍然有价值。选择性预测（弃权）显著提高了保留样本的 F1，表明置信度阈值是提高可靠性的实用方法。确定性的 Qwen3-8B 在特定证据类型上表现强劲，但在其他类型上表现不佳，表明生成模型在结构化金融任务中可能不如专用编码器可靠。