Scan to contact财经新闻分析器
专业的财经新闻深度分析技能，帮助投资者快速理解新闻背后的投资信号。
🎯 核心功能
1. 多源新闻抓取
支持 28+ 新闻源（来自 news-aggregator-skill）：
- 全球科技：Hacker News, GitHub, Product Hunt
- 中文媒体：36 氪，华尔街见闻，腾讯新闻，微博热搜
- AI/技术：Hugging Face Papers, AI Newsletters
- 财经专项：WallStreetCN, 东方财富，雪球
2. 情感分析
三层情感判断： | 等级 | 标识 | 说明 | |------|------|------| | 强烈利好 | 🟢🟢 | 重大利好消息，可能显著推高股价 | | 利好 | 🟢 | 正面消息，对股价有积极影响 | | 中性 | ⚪ | 中性消息，影响有限 | | 利空 | 🔴 | 负面消息，可能打压股价 | | 强烈利空 | 🔴🔴 | 重大利空，可能引发大幅下跌 |
3. 影响评估
多维度影响分析：
- 市场层面：大盘/板块/个股
- 行业层面：科技/金融/消费/医疗/能源等
- 时间维度：短期（1-3 天）/中期（1-4 周）/长期（3 月+）
- 置信度：高（>80%）/中（50-80%）/低（<50%）
4. 关键信息提取
自动识别并结构化：
- 💰 金额数字（投资额、营收、利润）
- 📊 百分比（增长率、涨跌幅、占比）
- 👤 关键人物（CEO、高管、分析师）
- 🏢 公司名称（全称、简称、股票代码）
- 📅 时间节点（发布日期、截止期限、事件时间）
- 📍 地理位置（总部、工厂、市场区域）
5. 简报生成
支持多种输出格式：
- 快速简报：3-5 条核心新闻 + 一句话点评
- 深度报告：详细分析 + 数据支撑 + 风险提示
- 行业周报：按行业分类 + 趋势总结
- 个股追踪：特定公司的新闻聚合 + 情感趋势
🚀 快速开始
基本用法
# 分析今日财经新闻
/finance-news-analyzer --source all --limit 20
# 分析特定新闻源
/finance-news-analyzer --source wallstreetcn,36kr --limit 15
# 带关键词过滤
/finance-news-analyzer --keyword "AI,芯片，半导体" --source hackernews,github
# 分析特定股票相关新闻
/finance-news-analyzer --ticker "NVDA,TSLA,AAPL" --sentiment all
# 生成行业周报
/finance-news-analyzer --industry "科技，金融" --period weekly
命令行参数
| 参数 | 说明 | 默认值 |
|------|------|--------|
| --source | 新闻源（逗号分隔） | all |
| --limit | 每源最多新闻数 | 15 |
| --keyword | 关键词过滤 | 无 |
| --ticker | 股票代码过滤 | 无 |
| --industry | 行业分类 | 无 |
| --sentiment | 情感过滤（positive/negative/neutral/all） | all |
| --period | 时间周期（daily/weekly/monthly） | daily |
| --output | 输出格式（brief/full/industry/stock） | brief |
| --lang | 输出语言（zh/en） | zh |
📊 分析流程
Step 1: 新闻抓取
python scripts/fetch_news.py --source <sources> --limit <n> --keyword "<keywords>"
输出：原始新闻 JSON 列表
Step 2: 情感分析
python scripts/analyze_sentiment.py --input <news.json> --model <llm>
输出：带情感标签的新闻列表
Step 3: 影响评估
python scripts/assess_impact.py --input <analyzed.json> --ticker-db references/ticker-map.md
输出：带影响评估的完整数据
Step 4: 简报生成
python scripts/generate_briefing.py --input <assessed.json> --template <template.md> --output <report.md>
输出：最终投资简报
📁 输出示例
快速简报格式
# 📈 财经新闻简报
**日期**: 2026-03-09 | **来源**: 华尔街见闻，36 氪 | **总数**: 15 条
---
## 🟢 利好消息 (5 条)
#### 1. [英伟达发布新一代 AI 芯片，性能提升 300%](https://...)
- **来源**: 华尔街见闻 | **时间**: 22:48
- **影响**: 🟢 利好 | **置信度**: 高
- **相关股票**: NVDA (+), AMD (-), INTC (-)
- **一句话**: 英伟达新芯片可能巩固 AI 芯片领导地位，利好供应链企业
#### 2. [特斯拉中国工厂产能突破新高](https://...)
- **来源**: 36 氪 | **时间**: 21:30
- **影响**: 🟢 利好 | **置信度**: 中
- **相关股票**: TSLA (+), 宁德时代 (+)
- **一句话**: 产能提升可能带动 Q1 交付量超预期
---
## 🔴 利空消息 (3 条)
#### 1. [美联储暗示继续加息](https://...)
- **来源**: 华尔街见闻 | **时间**: 20:15
- **影响**: 🔴 利空 | **置信度**: 高
- **相关板块**: 科技股 (-), 房地产 (-), 银行 (+)
- **一句话**: 加息预期可能压制成长股估值
---
## ⚪ 中性消息 (7 条)
...
---
## 💡 投资提示
1. **重点关注**: AI 芯片、新能源车产业链
2. **风险提醒**: 美联储政策不确定性
3. **明日事件**: 美国 CPI 数据发布
深度报告格式
# 📊 深度分析报告：AI 芯片行业
## 核心观点
本周 AI 芯片行业利好消息占主导（60%），主要驱动因素为...
## 新闻情感分布
| 情感 | 数量 | 占比 |
|------|------|------|
| 🟢 利好 | 12 | 60% |
| ⚪ 中性 | 6 | 30% |
| 🔴 利空 | 2 | 10% |
## 关键事件时间线
- 3/9: 英伟达发布新芯片
- 3/8: AMD 宣布与微软合作
- 3/7: 英特尔财报不及预期
## 投资建议
**短期**（1-3 天）：关注 NVDA 供应链
**中期**（1-4 周）：观察美联储政策
**长期**（3 月+）：AI 基础设施持续看好
## 风险提示
1. 地缘政治风险
2. 技术迭代风险
3. 估值过高风险
🔧 脚本说明
scripts/ 目录
| 脚本 | 功能 | 依赖 |
|------|------|------|
| main.py | 主脚本（完整工作流） | requests, beautifulsoup4 |
| analyze_sentiment.py | 情感分析（LLM 调用） | 支持多种模型（见下） |
| database.py | 数据持久化（SQLite） | sqlite3（内置） |
| charts.py | 图表生成（趋势图/饼图/热力图） | matplotlib |
| scheduler.py | 定时任务（自动运行） | 无 |
| fetch_news.py | 新闻抓取（复用 news-aggregator-skill） | requests, beautifulsoup4 |
| assess_impact.py | 影响评估（规则+LLM） | ticker-map.md |
| generate_briefing.py | 简报生成（模板渲染） | jinja2 |
| stock_mapper.py | 股票名称→代码映射 | ticker-map.md |
使用示例
基础用法
# 运行完整工作流
python scripts/main.py --source wallstreetcn,36kr --limit 15
# 单独进行情感分析
python scripts/analyze_sentiment.py --input news.json --output analyzed.json
# 分析单段文本
python scripts/analyze_sentiment.py --text "英伟达发布新一代 AI 芯片"
# 指定模型
python scripts/main.py --model gpt-4o-mini
python scripts/main.py --model qwen-plus
python scripts/main.py --model ollama/llama3.1
数据持久化
# 初始化数据库
python scripts/database.py init
# 查看统计信息
python scripts/database.py show-stats
# 查看情感趋势
python scripts/database.py trend --days 30
# 查看特定股票趋势
python scripts/database.py trend --ticker NVDA --days 30
# 导出数据
python scripts/database.py export --format csv
图表生成
# 生成情感趋势图
python scripts/charts.py trend --input analyzed.json
# 生成情感分布饼图
python scripts/charts.py pie --input analyzed.json
# 生成行业分布图
python scripts/charts.py industry --input analyzed.json
# 生成股票热力图
python scripts/charts.py heatmap --input analyzed.json
# 生成所有图表
python scripts/charts.py all --input analyzed.json
定时任务
# 添加每天 8 点运行
python scripts/scheduler.py add --time "08:00" --daily
# 添加每周一 8 点运行
python scripts/scheduler.py add --time "08:00" --weekday 1
# 查看任务列表
python scripts/scheduler.py list
# 手动运行任务
python scripts/scheduler.py run --id 1
# 删除任务
python scripts/scheduler.py remove --id 1
支持的模型
| 厂商 | 模型 | 环境变量 |
|------|------|---------|
| OpenAI | GPT-4o, GPT-4o Mini, GPT-3.5 | OPENAI_API_KEY |
| Anthropic | Claude 3.5/3 Opus/Haiku | ANTHROPIC_API_KEY |
| 阿里 | 通义千问 (Qwen-Max/Plus/Turbo) | DASHSCOPE_API_KEY |
| 百度 | 文心一言 (ERNIE-Bot) | QIANFAN_AK + QIANFAN_SK |
| 智谱 | GLM-4/3 Turbo | ZHIPUAI_API_KEY |
| Ollama | Llama 3, Qwen2.5, Mistral 等 | (本地运行，免费) |
完整模型列表： 详见 references/supported-models.md
references/ 目录
| 文件 | 用途 |
|------|------|
| ticker-map.md | 公司名↔股票代码映射表（美股/A 股/港股） |
| industry-map.md | 公司↔行业分类表（10+ 行业，150+ 公司） |
| sentiment-rules.md | 情感分析规则库（利好/利空信号） |
| impact-patterns.md | 影响评估模式库 |
| config-example.md | 配置文件示例（EXTEND.md 模板） |
templates/ 目录
| 模板 | 用途 |
|------|------|
| brief.md | 快速简报模板（3-5 条核心新闻） |
| full-report.md | 深度报告模板（详细分析 + 数据支撑） |
| weekly.md | 行业周报模板（待实现） |
| stock-track.md | 个股追踪模板（待实现） |
⚙️ 配置说明
环境变量
# LLM API（情感分析用）
OPENAI_API_KEY=sk-xxx
# 或
ANTHROPIC_API_KEY=sk-ant-xxx
# 新闻源 API（可选）
NEWSAPI_KEY=xxx
ALPHA_VANTAGE_KEY=xxx # 股票数据
EXTEND.md（可选）
创建 .baoyu-skills/finance-news-analyzer/EXTEND.md 自定义默认配置：
# 默认新闻源
default_sources:
- wallstreetcn
- 36kr
- hackernews
# 默认输出格式
default_output: brief
# 默认语言
default_language: zh
# 关注股票列表
watchlist:
- NVDA
- TSLA
- AAPL
- 00700.HK
- 600519.SS
# 情感分析模型
sentiment_model: gpt-4o-mini
# 置信度阈值
confidence_threshold:
high: 0.8
medium: 0.5
🎯 使用场景
场景 1: 早盘准备
"帮我分析昨晚到今早的财经新闻，找出对 A 股有影响的消息"
→ 输出：快速简报 + 重点关注股票
场景 2: 个股追踪
"分析一下特斯拉最近一周的新闻，是利好还是利空？"
→ 输出：个股追踪报告 + 情感趋势图
场景 3: 行业研究
"总结本周 AI 行业的重大事件，按重要性排序"
→ 输出：行业周报 + 关键事件时间线
场景 4: 新闻解读
"这条新闻对哪些股票有影响？[新闻链接]"
→ 输出：影响评估 + 相关股票列表
场景 5: 投资决策支持
"我持有 NVDA 和 AMD，最近的新闻对我的持仓有什么影响？"
→ 输出：持仓影响分析 + 操作建议
📝 情感分析规则
利好信号 🟢
- 营收/利润超预期
- 新产品发布/技术突破
- 重大合同签订
- 政策支持/补贴
- 高管增持/股票回购
- 并购重组（被收购方）
- 行业需求增长
利空信号 🔴
- 营收/利润不及预期
- 产品召回/质量问题
- 高管离职/减持
- 监管处罚/诉讼
- 行业需求下滑
- 竞争对手强势发布
- 宏观经济负面
中性信号 ⚪
- 常规财报发布（符合预期）
- 人事正常变动
- 日常业务更新
- 市场传言（未证实）
💡 最佳实践
1. 关键词优化
好： "AI 芯片，GPU, 英伟达，AMD"
差： "科技"（太宽泛）
2. 新闻源选择
A 股：wallstreetcn, 36kr, eastmoney
美股：hackernews, bloomberg, reuters
行业垂直：特定行业媒体
3. 时间窗口
日内交易：--period daily --limit 30
波段操作：--period weekly --limit 50
长期投资：--period monthly --industry <行业>
4. 交叉验证
重要新闻：对比 3+ 新闻源
情感判断：结合技术面 + 基本面
⚠️ 免责声明
本技能生成的分析仅供参考，不构成投资建议。投资有风险，决策需谨慎。
- 情感分析基于 NLP 模型，可能存在误差
- 新闻影响评估为概率性判断，非确定性预测
- 市场受多重因素影响，单一新闻不决定走势
- 请结合个人风险承受能力和专业顾问意见
🔗 相关技能
- news-aggregator-skill - 新闻抓取基础
- stock-analyzer - 股票技术分析
- baoyu-translate - 外文新闻翻译
📚 参考资料
- ticker-map.md - 股票代码映射
- industry-map.md - 行业分类
- sentiment-rules.md - 情感分析规则
- impact-patterns.md - 影响评估模式