做什么（One-liner）

N 个 agent 各跑 4D ODE + w 向群体均值耦合 → 计算 herding_index + flash_crash_score → score≥70 记 event。检测策略同调与闪崩风险。Seed=42 硬编码。

怎么用

macro_snapshot_v1 → strategy_homophily_v1 (n_agents=20, coupling=0.05, shocks=[...])
                    → final_metrics {peak_herding, max_crash_score, total_flash_crash_events}
                    → flash_crash_events timeline

核心公式

见 frontmatter formula。三大要素：

1. Seed=42 初始化: rng.normal 给 agent 初始状态（agent_diversity 控制 w spread）
2. 耦合: coupling_strength × (mean_w − w_i) 加到 RK4 step 后的 w
3. 评分: herding_score (40%) + collapse_score (35%) + level_score (25%) → min(100, sum)

假设与适用场景

假设：Seed=42 + 同步 shock + coupling 公式绑定 4D ODE + pinned numpy。

适用：AI-agent herding 压测（BoE / FSB 框架对齐）、Canvas 跨策略羊群效应观察、闪崩 counterfactual。

不适用：实盘、单 agent、非 reflexivity 动力学、超 cap。

已知局限

详见 frontmatter limitations。关键 7 点：seed 硬编码 / caps / shock 同步 / 耦合无阻尼 / x/y/z 分散固定 / scoring 权重固定 / rounding locked。

参考文献

• Soros (1987) Alchemy of Finance — 反身性
• FSB (2024-11) AI 金融稳定性报告 — herding 压测框架
• BoE (2025-04) FS in Focus: AI — 监管压测要求

Golden Test

tests/golden/fixtures/tier4/strategy_homophily/，captured_snapshot（seed=42 确定性），1e-8 tolerance。11 tests：

5 Scenarios

• canvas_defaults / small_tight_group / large_loose_group / with_shock_crash / custom_ode_params

6 Contract tests

• result_structure（top-level + 每步 metrics 键集合）
• determinism（3 次重跑字节一致）
• n_agents_cap（500 → clamp 200）
• n_steps_cap（1000 → clamp 500）
• flash_crash_threshold（events 集合 = trajectory score≥70 步集合）
• final_metrics_roll_up（max_crash_score = max(events) 或 0.0）

Changelog

• 1.0.0 (2026-04-21) — 首次 Active（Tier 4 batch 2.2）