Paper 003 ｜模型說兩家公司風險相連，證據在哪裡？SURF：可解釋的企業風險關係系統

如果一套金融 AI 告訴你：

NVIDIA 與鐵路設備公司 Wabtec 之間，存在很強的風險關係。

第一個反應大概不是下單，而是追問：

一家做 GPU，一家做鐵路設備，為什麼會有關？

這也是金融模型從研究走向實際使用時，最難跨過的一道門檻。模型算出一個分數並不困難，困難的是讓使用者看懂這個分數從哪裡來、依據哪些文件，又能不能回到原文檢查。

NAACL 2025 的系統展示論文 SURF: A System to Unveil Explainable Risk Relations between Firms，將企業風險關係辨識做成一套可操作的互動平台。它不只在公司之間畫一條線，而是同時呈現：

• 關係有多強。
• 在所有公司配對中排第幾名。
• 兩家公司共同面臨哪些風險。
• 模型根據哪些 10-K 段落做出判斷。

上一篇 ai-088 討論的是如何利用時間與詞彙雙視角，訓練出能辨識共同風險的金融檢索模型。這一篇要繼續往使用者端走：當模型已經找到關係，SURF 如何把分數、網路圖、LLM 與原始證據組裝成一個可以被分析師檢查的系統。

• 參考資料與研究團隊
• 一、SURF 想解決的，不只是模型準不準
• 二、SURF 讀了 10-K 的哪些內容？
• 三、系統底層：先找出共同風險段落
• 四、RRS：把共同風險文字轉換成關係強度
• 五、SURF 的三個操作模組
  • 5.1 User Setting Module：先縮小分析範圍
  • 5.2 Graph Visualization Module：把關係變成可探索的網路圖
  • 5.3 Relation Rationale Explainer：點一條邊，查看證據
• 六、LLM 在 SURF 中扮演什麼角色？
• 七、使用者回饋如何改寫 Prompt？
• 八、實驗如何驗證風險關係？
  • 8.1 實驗結果
• 九、案例研究：NVIDIA 與 Wabtec 為什麼相連？
• 十、SURF 與上一篇 ai-088 有什麼不同？
• 十一、研究限制與實務風險
  • 11.1 股價共同波動不是風險關係的標準答案
  • 11.2 10-K 的更新速度較慢
  • 11.3 相似揭露不等於相同脆弱程度
  • 11.4 LLM 摘要仍可能偏離證據
  • 11.5 缺少使用者研究
• 十二、讀後啟發：好的金融 RAG，重點是證據鏈
• 十三、總結
• 參考資料

參考資料與研究團隊

• 論文連結：ACL Anthology：SURF: A System to Unveil Explainable Risk Relations between Firms（註1）
• 發表會議：NAACL 2025 System Demonstrations
• 主要研究人員：
  • Yu-Hsiang Wang
  • Wei-Ning Chiu
  • Yi-Tai Hsiao
  • Yu-Shiang Huang
  • Yi-Shyuan Chiang
  • Shuo-En Wu
  • Chuan-Ju Wang（王釧茹）
• 研究機構：
  • Academia Sinica
  • National Taiwan University
  • University of Illinois Urbana-Champaign

一、SURF 想解決的，不只是模型準不準

企業之間的風險關係，經常隱藏在各自的財務文件中。

以旅館業為例，Marriott 與 Hilton 可能同時面對旅遊需求下降、天然災害與同業競爭。這類關係相對容易理解，因為兩家公司屬於相近產業。

但供應鏈中斷、晶片短缺、疫情或監管政策，可能同時影響不同產業的公司。此時，GICS Sector 或 Industry 只能告訴我們公司被分在哪一類，無法完整說明它們實際共同暴露於哪些風險。

傳統做法通常有三種：

SURF 的主張是：

企業風險關係不能只有一個分數，還必須保留形成分數的原始文字證據。

因此，它要處理的是一條完整的解釋鏈：

二、SURF 讀了 10-K 的哪些內容？

SURF 的資料來源是美國上市公司每年提交給 Securities and Exchange Commission（SEC）的 Form 10-K。

系統集中處理三個與企業營運及風險有關的章節：

論文使用 2018 至 2023 年的 S&P 500 公司資料。排除期間內經歷合併、缺少風險揭露或資料不完整的公司後，留下：

原始文件會先移除 HTML、XBRL 標籤與表格，再切分成段落送進 Encoder。這個設計讓系統處理的是文字揭露，不是資產負債表中的數值。

因此，SURF 找到的關係應該被理解為：

兩家公司在 10-K 中揭露了多少相似的風險內容。

它不是風險發生機率，也不是預估損失金額，更不等於兩檔股票未來一定同漲同跌。

三、系統底層：先找出共同風險段落

SURF 將每個 10-K 段落轉換為向量，再利用 Cosine Similarity 比較不同公司的段落。

為了讓 Encoder 適應金融文件，作者使用兩種方式自動建立正樣本：

每個視角使用 8,500 組訓練正樣本與 1,000 組驗證正樣本，並以 InfoNCE Loss 與 In-batch Negatives 進行對比學習。

時間視角有一個重要細節：日期只負責建立正樣本，訓練與驗證時會從文字中移除。否則模型只要比對日期相同，就可能取得很好的表面成績，卻沒有真正學會事件內容。

訓練完成後，如果公司 A 的段落與公司 B 至少一個段落的 Cosine Similarity 高於門檻，便會被列為 Mutual Risk Paragraph（MRP，共同風險段落）。

論文測試 0.60 至 0.95 的門檻，最後選擇 0.75。

與 Top-k Retrieval 相比，門檻法的差別在於：

• Top-k 無論結果好壞，都必須找出固定數量的段落。
• Threshold Retrieval 只保留達到最低相似度要求的段落。

如果兩家公司其實沒有相似風險，SURF 不需要為了填滿名額而硬找出 k 個結果。

四、RRS：把共同風險文字轉換成關係強度

找到 MRPs 後，SURF 會計算 Risk Relation Score（RRS，風險關係分數）：

RRS 的範圍介於 0 與 1：

這個分數的優點，是不同公司組合可以使用相同規則比較，而且每個分數都能回到 MRP 查看來源。

不過，RRS 也有一個需要保留的疑問：揭露篇幅並不一定等於實際曝險程度。

一家企業可能用十段文字描述低機率風險，另一家企業只用一段文字描述足以中斷營運的關鍵風險。RRS 衡量的是文字覆蓋程度，沒有直接估算衝擊金額、發生機率與企業的承受能力。

因此，它比較適合用來回答：

哪些公司值得被放在一起進一步檢查？

而不是直接回答：

哪一家公司最危險？

五、SURF 的三個操作模組

SURF 將模型結果拆成三個互相連動的介面模組。

5.1 User Setting Module：先縮小分析範圍

使用者可以從側邊欄設定：

• 分析年度。
• 最多三家目標公司。
• 每家公司要顯示多少個最相關的企業。

按下 Submit 後，系統會依條件重新繪製關係圖；Reset 則回到市值前 50 大公司的預設畫面。

這個模組處理了一個很實際的問題：356 家公司若全部畫在同一張圖上，資訊量很快就會超過人眼可以判讀的範圍。使用者需要先用年份與目標公司縮小範圍，再進一步檢查關係。

5.2 Graph Visualization Module：把關係變成可探索的網路圖

在關係圖中：

使用者可以旋轉與縮放 3D 圖，也可以將游標移到節點上查看公司名稱。

網路圖的價值不是把資料畫得比較漂亮，而是讓使用者看見單一公司周圍的風險鄰居。若一家企業與許多不同產業的公司形成粗邊，就可能反映某種跨產業的系統性風險。

但 3D 圖也不一定永遠優於表格。當節點太多、邊彼此遮擋時，精確比較仍可能需要排序表、篩選器或 2D 檢視。論文展示了互動能力，但沒有提供使用者研究來證明 3D 呈現能提升決策品質。

5.3 Relation Rationale Explainer：點一條邊，查看證據

當使用者點選任一條邊，右側面板會顯示：

1. 兩家公司的名稱。
2. 兩者的 RRS。
3. 該關係在全部公司配對中的排名。
4. LLM 產生的共同風險關鍵字與摘要。
5. 兩家公司各自的 MRP 原文。

使用者還可以點選其中一段 MRP，查看另一家公司與它相似的風險段落。

這一步把解釋拆成兩層：

如果系統只顯示 LLM 摘要，使用者仍然必須相信模型；如果只列出十幾段 10-K 原文，閱讀成本又會回到原點。

SURF 的設計是在兩者之間建立一條路徑：先用摘要降低閱讀門檻，再讓使用者回到原文確認。

六、LLM 在 SURF 中扮演什麼角色？

SURF 使用 GPT-4o-mini 產生關係說明，但 LLM 並不負責決定兩家公司是否相連。

兩者的分工如下：

LLM 接收的不是兩份完整 10-K，而是前一階段已經找出的 MRPs。這是一種 Retrieval-Augmented Generation（RAG，檢索增強生成）的做法。

論文附錄公開了摘要提示詞的主要要求：

• 合併兩家公司的相似風險。
• 產生簡潔且連貫的摘要。
• 選出最多三個關鍵字。
• 使用 HTML 的 strong 標籤標示重要內容。

這個架構的重點不是讓 LLM 取代檢索模型，而是把不同任務交給適合的元件：

Encoder 負責找證據，公式負責算分數，LLM 負責把證據說清楚。

七、使用者回饋如何改寫 Prompt？

SURF 還加入一個動態 Prompt Refinement 流程。

當使用者對某則關係摘要提供正面或負面回饋後，系統會將錯誤案例交給 LLM，分成兩個步驟處理：

1. 推測目前提示詞為什麼在該案例出錯。
2. 根據錯誤原因產生一版改良後的提示詞。

流程可以簡化為：

這種設計比固定 Prompt 多了一層適應能力，但論文沒有提供長期線上實驗，因此仍有幾個問題尚待驗證：

• 少數使用者的偏好是否會讓 Prompt 過度擬合？
• 正面與負面回饋如何加權？
• 新 Prompt 是否會改善舊案例，卻讓其他案例退步？
• Prompt 更新前後，是否有固定測試集避免品質漂移？

如果要把這套方法用在實際金融系統中，Prompt 不宜只因單一錯誤案例立即上線。比較穩健的做法，是將回饋案例加入評估資料集，先比較新舊 Prompt 的整體表現，再決定是否更新正式版本。

八、實驗如何驗證風險關係？

企業共同風險沒有現成的標準答案，因此作者使用股價共同波動作為代理指標。

論文的假設是：

如果兩家公司暴露於相似風險，當共同事件發生時，兩者較可能在同一時期出現明顯價格波動。

作者先計算兩家公司每日股票報酬率絕對值的相關係數，稱為 CAVDSR，再衡量它與 RRS 的相關性：

使用報酬率絕對值，是因為同一事件可能讓不同公司朝相反方向移動。例如疫情可能有利於部分醫療公司，卻不利於旅遊公司。方向不同，仍可能代表兩者同時受到同一風險事件影響。

8.1 實驗結果

SURF 使用的 Encoder 在四個年度都取得最高相關性。

Direct Mentions 的結果最低，表示只計算公司是否在另一家公司的財報中被點名，難以捕捉隱含的共同風險。GICS Sector 與 Industry 有一定效果，但仍受固定分類限制。

另一個值得注意的結果是 FinBERT。它雖然使用金融文本訓練，表現卻低於 DPR 與 Contriever 等檢索模型。

這再次說明：

讀過金融語料，不代表模型已經學會如何檢索金融段落。

領域預訓練處理的是語言知識，檢索訓練處理的是哪些內容應該被放在相近的向量位置，兩者不是同一個問題。

九、案例研究：NVIDIA 與 Wabtec 為什麼相連？

論文選擇 NVIDIA（NVDA）與 Westinghouse Air Brake Technologies（Wabtec，WAB）作為案例。

兩家公司在 2022 年的風險關係，位於 63,190 組公司配對的第 95 百分位。

SURF 找到的共同風險是疫情造成的營運中斷與供應鏈限制，尤其涉及晶片、零組件、原物料與勞動力短缺。

這個案例的重要性不在於證明 NVIDIA 與 Wabtec 屬於同一產業，而是顯示：

不同產品會共用同一套脆弱的外部條件。

GPU 與鐵路設備的終端市場不同，但兩家公司都依賴晶片、零組件與全球供應鏈。當供應限制發生時，它們可能在財報中揭露相似風險，也可能在市場上同時出現較大的價格反應。

對投資組合而言，持有不同 GICS 產業的股票，未必已經完成真正的風險分散。若底層都依賴相同原料、地區、運輸節點或監管環境，產業名稱不同，風險來源仍可能相同。

十、SURF 與上一篇 ai-088 有什麼不同？

兩篇研究來自高度重疊的研究團隊，也使用相同的 MRP、RRS 與雙視角訓練概念，但回答的問題不同。

簡單來說：

ai-088 解決模型如何找到關係，ai-089 解決人如何看懂關係。

這也是許多 AI 專案容易忽略的一段。離線評估分數提高，不代表使用者就知道怎麼採用；如果沒有查詢、排序、證據回溯與錯誤回饋，模型結果很難進入實際分析流程。

十一、研究限制與實務風險

11.1 股價共同波動不是風險關係的標準答案

CAVDSR 是合理的代理指標，但兩家公司同時大幅波動，也可能只是受到整體市場、利率或總體消息影響。相關性提高支持模型具有訊號，卻不能證明每一條公司關係都正確。

11.2 10-K 的更新速度較慢

10-K 每年更新一次，適合分析結構性風險，不適合捕捉剛發生的戰爭、罷工、資安事件或季度供應鏈變化。論文也將新聞與分析師報告列為後續可能加入的資料來源。

11.3 相似揭露不等於相同脆弱程度

監管文件常使用標準化語言。兩家公司可能寫出相似段落，但其中一家已有替代供應商，另一家卻依賴單一來源。光靠文字相似度，無法完整反映風險緩解能力。

11.4 LLM 摘要仍可能偏離證據

SURF 保留 MRP，降低了摘要無法查證的問題，但不能保證 LLM 不會過度概括、錯置因果或忽略關鍵差異。原文不是裝飾，而是最後的查核依據。

11.5 缺少使用者研究

論文展示了互動介面與回饋機制，但沒有報告分析師完成任務的時間、判斷準確率或信任程度。系統具有可解釋元件，不代表這些元件已被證明能改善投資決策。

十二、讀後啟發：好的金融 RAG，重點是證據鏈

現在談 Financial RAG，常見做法是把財報放進向量資料庫，讓 LLM 回答問題。

SURF 提供了更完整的系統拆分：

真正值得借鏡的，不只是使用 GPT-4o-mini，而是整條證據鏈沒有被 LLM 取代。

如果要將這個概念放進投資研究工作流，我會把 SURF 定位為風險篩選器：

1. 先用 RRS 找出投資組合中不直觀的高風險關係。
2. 再從 MRP 確認共同主題與原始揭露。
3. 接著補上 10-Q、新聞與供應鏈資料確認時效性。
4. 最後評估風險發生機率、財務衝擊與公司因應能力。

SURF 適合幫分析師決定「下一步該查誰」，不適合單獨決定「下一筆該買誰」。

十三、總結

• SURF 將企業 10-K 中的共同風險，轉換為可比較的 MRP 與 RRS。
• 系統以網路圖呈現公司關係，並保留關係強度、排名與原始文字證據。
• GPT-4o-mini 的任務是整理已檢索的證據，而不是直接判斷公司是否相連。
• NVIDIA 與 Wabtec 的案例顯示，跨產業公司仍可能暴露於相同的供應鏈風險。
• RRS 衡量文字中的共同風險覆蓋程度，不能直接解讀為風險機率、損失金額或交易訊號。

模型分數只能告訴我們「這裡可能有關係」，可解釋系統則必須繼續回答「證據在哪裡」。

對金融 AI 而言，真正能建立信任的往往不是更流暢的摘要，而是每一項結論都能沿著證據鏈，走回最初的文件。

參考資料

1. Yu-Hsiang Wang, Wei-Ning Chiu, Yi-Tai Hsiao, Yu-Shiang Huang, Yi-Shyuan Chiang, Shuo-En Wu, and Chuan-Ju Wang. SURF: A System to Unveil Explainable Risk Relations between Firms. NAACL 2025 System Demonstrations.
2. U.S. Securities and Exchange Commission. EDGAR Application Programming Interfaces.（註2）

免責聲明： 本文為論文閱讀與技術研究筆記，內容不構成任何投資建議。SURF 與 RRS 的輸出應作為進一步研究的線索，不能取代財務分析、風險評估與專業判斷。