stock-theme-events

# Stock Theme Events - 股票题材与新闻事件关联分析 ## 概述 本技能将市场炒作的题材概念与真实新闻事件对应起来，输出结构化的 Markdown 报告。核心流程：获取热门股票 → 提取题材 → 聚类合并 → 搜索新闻 → 生成报告。 ## 核心功能 ### 1. 获取个股题材 调用 `ths-stock-themes` skill 获取股票的题材/概念列表。 **输入**：股票代码列表 **输出**：`{股票代码：[题材 1, 题材 2, ...]}` ### 2. 题材聚类合并 使用语义相似度 + 同义词词典将相似题材合并。 **示例**： - "人工智能" + "AI" + "大模型" → "人工智能/AI" - "芯片" + "半导体" + "集成电路" → "半导体/芯片" **输出**：`{题材方向：[相关股票列表]}` ### 3. 获取对应新闻事件 优先使用 akshare 财经新闻接口，缺失时用 browser 工具从金十数据搜索。 **搜索范围**：近 15 天 **每题材选取**：2-5 条高相关度新闻 **输出**：`{题材方向：[新闻列表]}` ### 4. 生成 Markdown 报告 结构化输出题材方向、涉及股票、对应新闻事件。 ## 使用方法 ### 被其他 skill 调用（推荐） ```python # 在调用方 skill 中 from stock_theme_events import analyze_theme_events result = analyze_theme_events( stock_list=["600519", "000858", ...], # 可选，默认获取近 10 日涨幅前 30 output_path="~/Desktop/A 股每日复盘/", # 可选 date_range=15, # 新闻搜索天数，默认 15 top_themes=8 # 主流题材数量，默认 8 ) ``` ### 独立运行 ``` 生成题材事件分析报告 分析近 10 日涨幅前 30 股票的题材和对应新闻 获取市场炒作题材的真实事件驱动 ``` ## 执行流程 ### 完整流程 1. **获取热门股票**（如未提供） - 调用 `ths-stock-themes` 获取近 10 日涨幅前 30 股票 - 排除 ST 股票 2. **获取个股题材** - 遍历股票列表 - 调用 `ths-stock-themes` 获取每只股票的题材 - 缓存结果避免重复请求 3. **题材聚类** - 统计题材频次 - 使用语义相似度模型聚类 - 应用同义词词典合并 - 按频次排序取 TOP N 4. **搜索新闻** - 对每个题材方向，先尝试 akshare 接口 - 如结果不足，用 browser 工具搜索金十数据 - 筛选近 15 天内的资讯 - 去重并按相关性排序 5. **生成报告** - 使用模板生成 Markdown - 保存到指定路径 - 返回报告文件路径 ## 输出格式 ```markdown # A 股题材 - 事件关联分析报告 **数据日期**：2026-03-21 **统计周期**：近 10 个交易日 **新闻范围**：近 15 天 **样本股票**：涨幅前 30 只（排除 ST） --- ## 一、主流炒作题材方向 | 排名 | 题材方向 | 涉及股票数 | 代表股票 | |------|----------|------------|----------| | 1 | 人工智能/AI | 8 | 中科曙光、浪潮信息... | | 2 | 半导体/芯片 | 6 | 中芯国际、北方华创... | | ... | ... | ... | ... | --- ## 二、题材 - 事件对应分析 ### 1. 人工智能/AI（8 只股票） **涉及股票**：中科曙光、浪潮信息、科大讯飞... **对应新闻事件**： 1. **[新闻标题 1]** (2026-03-20) - 来源：金十数据 - 摘要：... - 链接：[查看详情](url) 2. **[新闻标题 2]** (2026-03-19) - 来源：财联社 - 摘要：... - 链接：[查看详情](url) --- ## 三、总结 - 当前市场主要炒作方向：XXX、XXX、XXX - 新闻事件驱动明显：XXX 政策/事件催化 - 风险提示：... ``` ## 脚本说明 ### cluster_themes.py 题材聚类脚本，使用语义相似度 + 同义词词典。 ```bash python3 scripts/cluster_themes.py --input themes.json --output clustered.json ``` 参数： - `--input`: 输入题材 JSON 文件 - `--output`: 输出聚类结果 - `--top`: 保留 TOP N 个题材方向（默认 8） - `--similarity-threshold`: 相似度阈值（默认 0.7） ### search_news.py 新闻搜索脚本，akshare + browser 混合方案。 ```bash python3 scripts/search_news.py --theme "人工智能" --days 15 --limit 5 ``` 参数： - `--theme`: 题材关键词 - `--days`: 搜索天数范围（默认 15） - `--limit`: 返回新闻数量（默认 5） - `--output`: 输出 JSON 文件路径 ### generate_report.py 报告生成脚本。 ```bash python3 scripts/generate_report.py --themes clustered.json --news news.json --output report.md ``` 参数： - `--themes`: 聚类后的题材 JSON - `--news`: 新闻数据 JSON - `--output`: 输出 Markdown 路径 - `--template`: 模板文件路径（可选） ## 配置说明 ### config/theme_synonyms.json 题材同义词配置，用于聚类合并。 ```json { "人工智能/AI": ["人工智能", "AI", "大模型", "AIGC", "算力", "机器学习"], "半导体/芯片": ["芯片", "半导体", "集成电路", "光刻机", "存储芯片"], "新能源": ["光伏", "风电", "储能", "锂电池", "新能源汽车", "氢能"], "医药生物": ["创新药", "医疗器械", "生物医药", "CXO", "疫苗"], "金融": ["券商", "银行", "保险", "多元金融", "互联网金融"], "大消费": ["白酒", "食品饮料", "家电", "零售", "旅游"], "周期资源": ["钢铁", "煤炭", "有色", "化工", "石油"], "军工": ["军工", "航天", "船舶", "国防", "航空发动机"], "科技通信": ["5G", "通信", "物联网", "云计算", "数据中心"], "房地产": ["房地产", "物业", "园区开发", "REITs"] } ``` ## 依赖安装 ```bash pip install akshare sentence-transformers scikit-learn ``` ## 注意事项 1. **数据时效性**：新闻数据实时变化，建议在报告中注明数据获取时间 2. **浏览器自动化**：金十数据搜索需要 browser 工具，避免高频请求 3. **ST 股票**：自动排除名称包含"ST"的股票 4. **语义模型**：首次使用会下载 sentence-transformers 模型（约 500MB） 5. **API 限制**：akshare 有频率限制，建议添加请求间隔 ## 错误处理 - **题材获取失败**：重试 3 次，跳过该股票并记录警告 - **新闻搜索失败**：降级到 browser 工具，仍失败则标记"暂无相关新闻" - **聚类失败**：降级到简单频次统计 - **报告生成失败**：返回错误信息，提示检查模板文件 ## 性能优化 1. **缓存机制**：个股题材结果缓存到 `cache/themes/` 目录 2. **并行搜索**：多个题材的新闻搜索可并行执行 3. **增量更新**：支持基于已有报告增量更新 ## 示例调用 ### 被 stock-daily-report 调用 ```python # 在 stock-daily-report skill 中 result = analyze_theme_events( stock_list=top_gainers, # 近 10 日涨幅前 30 output_path=daily_report_dir, date_range=15 ) # 将 result 整合到每日复盘报告中 ``` ### 独立运行 ``` 用户：分析当前市场炒作的题材和对应新闻 助手：正在获取近 10 日涨幅前 30 股票... 正在提取题材信息... 正在聚类合并... 正在搜索对应新闻... 报告已生成：~/Desktop/A 股每日复盘/theme-events-2026-03-21.md ```