用途：为任意 LSTM/Transformer 交易信号提供监管级特征归因，回答“哪些特征驱动了该预测”。适用于需要可解释模型输出的算法交易系统（资料提及 EU AI Act 与 SEC Reg-AI 指引）。
主要能力：从 trading-signals 命名空间取回信号（含 modelId、prediction、特征向量）；用 npx neural-trader --predict --signal "$SIGNAL_ID" --explain --json 提取逐特征贡献，Transformer 还可含注意力共现；构建以 signal_output 为源节点的特征贡献图，运行单入口 PageRank（优先 mcp__ruflo-sublinear__page-rank-entry，否则用本地 signed-attribution.mjs 的幂迭代内核，同种子同排序）；取 top-K（k=10，排除源节点，平局按节点索引）；用 Ed25519 签名生成 SignedAttributionArtifact 并存入 trading-analysis 命名空间（无 TTL）；返回 markdown 表格摘要。
使用方式：按步骤检索信号、提取贡献、建图、跑 PageRank、取 top-K、签名、存储、返回摘要。签名密钥查找顺序为 RUFLO_WITNESS_KEY_PATH 环境变量，其次 verification/witness-key.json；两者都无则警告并以 UNSIGNED 降级存储，绝不静默回退。下游用 verifyAttributionArtifact 校验，且必须固定项目配置中的可信公钥，不可信任 artifact.witnessPublicKey 字段。
限制：若安装的 neural-trader 无 --explain，则降级为输入 z-score 启发式，产物标记 attribution_method: "input-zscore-fallback"，不如注意力/SHAP 忠实，监管申报应过滤；无签名密钥时产物为 UNSIGNED，监管申报会被拒。可复现性依赖 seed（默认 42）。