宏观新闻信号

1. 概述

Macro News Signal 是一款智能市场分析工具，旨在通过自动化获取、深度解析、情感计算和多维聚合的工作流程，将碎片化的全球金融新闻与宏观经济指标转化为结构化、可操作的投资决策支持数据。

2.工作流程

新闻请求 → 来源识别 → 自动化获取 → 解析与分析 → 信号生成 → 聚合输出

2.1 第一步：来源识别

根据请求识别合适的新闻来源：

2.2 第二步：数据获取（请严格遵守下面的方案）

所有数据来源均存在 references/news_apis.md 中。

2.2.1 RSS订阅源、指数接口 请求方式

在获取RSS订阅源、指数接口时，需要先判断是否存在curl命令时，如果存在优先使用curl进行数据获取，示例如下：

curl '地址' 
  -H 'accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.7' 
  -H 'accept-language: zh-CN,zh;q=0.9' 
  -H 'cache-control: no-cache' 
  -H 'user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/146.0.0.0 Safari/537.36'

当不存在curl命令时，使用默认方式进行数据获取，例如web_fetch。

2.2.2 股票接口 请求方式

当请求股票接口 Yahoo Finance API 时，必须使用 scripts/format.py 对 Yahoo Finance API 原始响应进行格式化，转化为 AI 友好的线性数据结构：

python3 scripts/format.py ""

详细 API 端点和数据格式参见 references/news_apis.md 中的 Yahoo Finance API 相关说明。

2.3 第三步：解析与分析

该阶段利用自然语言处理 (NLP) 提取非结构化文本中的核心变量：

1. 实体提取 (NER)： 自动识别新闻中提到的特定资产（如 $NAS100$）、经济指标（如 $CPI$、$TIPS$）及关键人物或地理区域。
2. 情感极性标注：

• 鹰/鸽分析 (Hawkish/Dovish)： 针对央行沟通，量化政策偏向。
• 利好/利空 (Bullish/Bearish)： 基于金融词典计算文本情感得分 $S$。

3. 预测值比对： 若新闻涉及经济数据发布，自动对比“实际值”与“预期值”，计算超预期偏差。

2.4 第四步：信号生成

将解析后的分析转化为量化的投资逻辑：

• 冲击等级： 划分为 Flash (瞬时波动)、Secondary (次要影响) 或 Trend-Setting (趋势级信号)。
• 指标相关性： 宏观指标，计算当前新闻对特定资产（如黄金与 10Y TIPS 收益率背离）的映射强度。
• 逻辑校验： 自动检测是否存在“利好出尽”或“情绪过热”的背离信号。

2.5 第五步：聚合

按以下多维方式聚合分析结果，生成结构化报告：

• 时间窗口： 每日综述、每周深度回顾。
• 核心主题： 通货膨胀、GDP、就业市场、央行动态、地缘政治。
• 地区： 美国、中国、欧盟、新兴市场。
• 资产类别建议：
  • 买入 (Buy)： 强利好信号且情绪合理。
  • 持有 (Hold)： 信号中性或处于数据真空期。
  • 卖出 (Sell)： 结构性利空或情感极度亢奋。

输出格式： 生成的报告必须严格遵循 references/output_format.md 中定义的模板结构，包括信号级别定义、资产信号定义和冲击强度定义。

3. 定义

3.1 信号级别定义

3.2 资产信号定义

3.3 冲击强度定义

4. 资源

4.1 references/

4.2 scripts/