做什么（One-liner）

轻量级文本叙事强度启发式（type-token ratio + 长度 + token 密度加权）+ 可选主题重叠 / 断裂检测（Jaccard）。用于央行声明、研报、新闻等文本的快速叙事监测。

怎么用

Canvas 拖 b0_narrative_v1，填 text（必填）+ reference_text（可选，做主题比较）。输出 token_count / TTR / narrative_intensity（0-1）+ 可选的 Jaccard / topic_break。

核心公式

TTR = unique_tokens / total_tokens
length_norm = min(len(text) / 4000, 1)
intensity = min(1, 0.45·TTR + 0.35·sqrt(length_norm) + 0.2·min(n/500, 1))

# 可选（reference_text 提供时）：
Jaccard = |set(A) ∩ set(B)| / |set(A) ∪ set(B)|
topic_break = 1 - Jaccard

假设与适用场景

假设：token 级启发式够粗略反映叙事强度；不需要深度语义（那是 FinBERT 的事，Tier 2+ 升级路径）。

适用：英文 / 中文新闻 / 央行声明 / 研报 / 长文本评论。

不适用：短文本（<50 tokens）、结构化数据、多语言混合、纯数字 / 表格。

输入 / 输出契约

详见 frontmatter。注意 scale：输出字段命名为 narrative_intensity_0_1，值域 [0, 1]（不是 BLCV 的 0-100 scale）。名字本身暗示了这个 convention，消费方不要误乘 100。

已知局限

1. Lexical heuristic 不理解语义（'not bullish' vs 'bullish' 不分）
2. 权重 0.45/0.35/0.2 是经验 tuned
3. Tokenizer 正则可能漏 emoji / URL
4. Jaccard 对长度差异敏感（biased low）
5. Scale convention 是 0-1，命名已提示 —— 不要和 BLCV 0-100 混淆

参考文献

Shiller (2017) Narrative Economics + Loughran & McDonald (2011) 金融文本 TTR。详见 frontmatter。

Golden Test

tests/golden/fixtures/tier1/b0_narrative/，1e-12 tolerance，3 tests（matches_reference / empty_text / with_reference_jaccard）。2026-04-20 passing。

Changelog

• 1.0.0 (2026-04-20) — Initial Active release