Economic Calendar Fetcher Zc_办公效率 skill-PHP中文网

首页专区 Skill 文章专题 AI工具学习编程手册

AniShort

AI短剧协同制作平台

剧云

中文短剧剧本制作平台

立刻MV

低成本歌曲 MV、视频生成

Laper

剧本策划到成片协作

PHP MySQL jquery HTML CSS

Economic Calendar Fetcher Zc

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

从FMP API获取指定日期区间的待定经济事件及数据发布，并按时间顺序以Markdown格式提供影响评估。

经济日历获取器

功能概述

经济日历获取器是一项面向实际任务的技能，主要用于检索即将发生的经济事件和来自金融模型预案的经济日历 API 的数据发布；此技能可获取计划中的经济索引。

核心要点

它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。
使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。
该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。

使用与执行

从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；

结果检查与注意事项

若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。

经济日历获取器

概述

从 Financial Modeling Prep（FMP）经济日历 API 获取即将发布的经济事件与数据公告。该技能可抓取已排期的经济指标，包括各国央行货币政策决议、就业报告、通胀数据（CPI/PPI）、GDP 发布、零售销售、制造业数据，以及其他影响金融市场的重大事件。

该技能通过 Python 脚本调用 FMP API，并为每个排期事件生成按时间顺序排列、附带影响评估的 Markdown 报告。

核心能力：

获取指定日期范围内（最长 90 天）的经济事件
支持灵活的 API 密钥提供方式（环境变量或用户输入）
按影响等级、国家或事件类型进行筛选
生成结构化 Markdown 报告，并包含影响分析
默认获取未来 7 天数据，便于快速把握市场展望

数据源：

FMP 经济日历 API：https://financialmodelingprep.com/api/v3/economic_calendar
覆盖主要经济体：美国（US）、欧盟（EU）、英国（UK）、日本（JP）、中国（CN）、加拿大（CA）、澳大利亚（AU）
事件类型：央行决议、就业、通胀、GDP、贸易、住房、调查类数据

适用场景

当用户提出以下请求时，请使用该技能：

经济日历查询：
- “本周有哪些经济事件？”
- “请展示未来两周的经济日历”
- “下次 FOMC 会议是什么时候？”
- “下个月将发布哪些重要经济数据？”
市场事件规划：
- “本周我应重点关注哪些市场事件？”
- “近期是否有高影响级别的经济数据发布？”
- “下次非农就业报告 / CPI 数据 / GDP 报告发布时间是？”
特定日期范围请求：
- “请获取 1 月 1 日至 1 月 31 日的经济事件”
- “2025 年第一季度的经济日历有哪些内容？”
国别专属查询：
- “请展示下周美国发布的经济数据”
- “有哪些 ECB 相关事件已排期？”
- “日本何时发布其通胀数据？”

请勿使用该技能处理以下情况：

已发生的经济事件（历史分析请使用 market-news-analyst）
企业财报日历（本技能不包含财报信息）
实时市场数据或实时行情报价
技术分析或图表解读

工作流程

请按以下步骤获取并分析经济日历：

步骤 1：获取 FMP API 密钥

检查 API 密钥可用性：

首先检查是否已设置 FMP_API_KEY 环境变量
若未设置，则通过聊天向用户索取 API 密钥
若用户尚无 API 密钥，请提供注册指引：
- 访问 https://financialmodelingprep.com
- 注册免费账户（每日限额 250 次请求）
- 进入 API 控制台获取密钥

示例用户交互：

User: "Show me economic events for next week"
Assistant: "I'll fetch the economic calendar. Do you have an FMP API key? I can use the FMP_API_KEY environment variable, or you can provide your API key now."

步骤 2：确定日期范围

根据用户请求设定合适的日期范围：

默认（未指定具体日期）： 当前日期至未来 +7 天
用户指定了周期： 使用精确日期（验证格式：YYYY-MM-DD）
最大范围： 90 天（受 FMP API 限制）

示例：

“下周” → 当前日期至 +7 天
“未来两周” → 当前日期至 +14 天
“2025 年 1 月” → 2025-01-01 至 2025-01-31
“2025 年第一季度” → 2025-01-01 至 2025-03-31

日期范围校验：

确保起始日期 ≤ 结束日期
确保总跨度 ≤ 90 天
若查询过去日期，应予以提示

步骤 3：执行 API 获取脚本

以适当参数运行 get_economic_calendar.py 脚本：

基础用法（默认 7 天）：

python3 /path/to/economic-calendar-fetcher/scripts/get_economic_calendar.py --api-key YOUR_KEY

指定日期范围：

python3 /path/to/economic-calendar-fetcher/scripts/get_economic_calendar.py 
  --from 2025-01-01 
  --to 2025-01-31 
  --api-key YOUR_KEY 
  --format json

使用环境变量（无需 --api-key 参数）：

export FMP_API_KEY=your_key_here
python3 /path/to/economic-calendar-fetcher/scripts/get_economic_calendar.py 
  --from 2025-01-01 
  --to 2025-01-07

脚本参数说明：

--from：起始日期（YYYY-MM-DD），默认为当前日期
--to：结束日期（YYYY-MM-DD），默认为当前日期 + 7 天
--api-key：FMP API 密钥（若已设置 FMP_API_KEY 环境变量则可省略）
--format：输出格式（json 或 text），默认为 json
--output：输出文件路径（可选，默认输出至标准输出 stdout）

错误处理：

API 密钥无效 → 提示用户核对密钥
超出速率限制（HTTP 429）→ 建议等待或升级 FMP 订阅层级
网络错误 → 启用指数退避策略重试
日期格式错误 → 提供正确格式示例

步骤 4：解析与筛选事件

解析脚本返回的 JSON 响应：

解析事件数据： 从 API 响应中提取全部事件
如用户指定了筛选条件，则应用筛选逻辑：
- 影响等级：“High”、“Medium”、“Low”
- 国家：“US”、“EU”、“JP”、“CN”等
- 事件类型：FOMC、CPI、Employment、GDP 等
- 货币：USD、EUR、JPY 等

筛选示例：

“仅显示高影响事件” → 筛选 impact == "High"
“仅美国事件” → 筛选 country == "US"
“央行决议类事件” → 在事件名称中搜索关键词：“Rate”、“Policy”、“FOMC”、“ECB”、“BOJ”

事件数据结构示例：

{
  "date": "2025-01-15 14:30:00",
  "country": "US",
  "event": "Consumer Price Index (CPI) YoY",
  "currency": "USD",
  "previous": 2.6,
  "estimate": 2.7,
  "actual": null,
  "change": null,
  "impact": "High",
  "changePercentage": null
}

步骤 5：评估市场影响

逐项评估各事件的市场重要性：

影响等级分类（源自 FMP）：

高影响（High Impact）： 具有显著市场驱动效应的重大事件
- FOMC 利率决议、ECB/BOJ 政策会议
- 非农就业报告（NFP）、CPI、GDP
- 市场通常呈现 0.5–2%+ 的日内波动幅度
中影响（Medium Impact）： 重要但波动性较低
- 零售销售、工业生产指数
- 采购经理人指数（PMI）、消费者信心指数
- 房地产数据、耐用品订单
低影响（Low Impact）： 次要指标
- 初请失业金人数（除非数值极端异常）
- 区域性制造业调查
- 次要拍卖结果

补充判断维度：

当前市场敏感度：
- 高通胀环境下 → CPI/PPI 权重显著上升
- 衰退担忧升温 → 就业数据更为关键
- 市场押注降息 → 央行会议成为焦点
超预期潜力：
- 对比预估值与前值
- 预期变动幅度越大 → 关注度越高
- 共识分歧越大 → 潜在影响越强
事件聚集效应：
- 同日出现多个关联事件 → 影响放大
- 例如：CPI + 零售销售 + 美联储官员讲话 = 极高影响交易日
前瞻意义：
- 该事件是否会左右后续央行决策？
- 属于初步数据还是终值？
- 该数据后续是否可能被修正？

步骤 6：生成输出报告

创建结构化 Markdown 报告，需包含以下章节：

报告页眉：

# 经济日历
**期间：** [起始日期] 至 [结束日期]
**报告生成时间：** 1791689502
**事件总数：** [计数]
**高影响事件数：** [计数]

事件列表（按时间顺序）：

每项事件需提供如下信息：

## [日期] - [星期几]

### [事件名称] ([影响等级])
- **国家：** [国家代码]（[货币]）
- **时间：** [HH:MM UTC]
- **前值：** [数值]
- **预估：** [共识预测]
- **影响评估：** [您的分析]

**市场影响：**
[2–3 句说明该事件为何重要、市场关注要点及典型反应模式]

---

事件条目示例：

## 2025-01-15 - 星期三

### 消费者价格指数（CPI）同比（高影响）
- **国家：** US（USD）
- **时间：** 14:30 UTC（美东时间上午 8:30）
- **前值：** 2.6%
- **预估：** 2.7%
- **影响评估：** 极高 —— 美联储政策决策的核心通胀指标

**市场影响：**
CPI 读数高于预估（>2.7%）将强化市场对美联储鹰派立场的预期，可能压制股票资产并支撑美元；若读数等于或低于 2.7%，则有望巩固通缩叙事并利好风险资产。期权市场定价标普 500 指数在发布当日波动幅度达 1.2%。

---

总结部分：

在报告末尾添加分析性摘要：

## 核心要点

**最高影响交易日：**
- [日期]：[事件列表] — [综合影响依据]
- [日期]：[事件列表] — [综合影响依据]

**央行活动：**
- [美联储 / 欧洲央行 / 日本央行等已排期会议或讲话概要]

**重大数据发布：**
- 就业：[非农、失业率等发布日期]
- 通胀：[CPI、PPI 等发布日期]
- 增长：[GDP、零售销售等发布日期]

**市场头寸考量：**
[2–3 条关于交易员可能如何围绕这些事件调整头寸的建议]

**风险事件：**
[突出标注不确定性极高或超预期潜力突出的事件]

筛选说明：

若用户明确要求了筛选条件，应在报告顶部注明：

**已应用筛选条件：**
- 影响等级：仅高影响
- 国家：美国（US）
- 展示事件数：共 [X] 条（占该时段全部 [Y] 条事件）

输出格式：

主输出：保存为磁盘上的 Markdown 文件
文件命名规范：economic_calendar_[START]_to_[END].md
同时在聊天窗口中向用户展示摘要内容

输出格式规范

文件命名规范：

economic_calendar_2025-01-01_to_2025-01-31.md
economic_calendar_2025-01-15_to_2025-01-21.md  （周度）
economic_calendar_high_impact_2025-01.md  （含筛选条件）

Markdown 结构要求：

时间顺序排列： 事件须严格按日期与时间升序排序（最早优先）
影响等级标识： 统一使用（高影响）、（中影响）、（低影响）标签
时区清晰标注： 所有时间必须标明 UTC，并为美国事件同步提供美东时间（ET）/美西时间（PT）换算
数据完整性： 尽可能包含所有可用字段（前值、预估、实际值（若已发布））
空值处理： 对 null 值统一显示为 “N/A” 或 “No estimate”
影响评估要求： 所有高/中影响事件均须附带市场影响分析

表格格式选项（适用于密集型列表）：

| 日期/时间（UTC） | 事件 | 国家 | 影响等级 | 前值 | 预估 | 评估 |
|-----------------|-------|---------|--------|----------|----------|------------|
| 01-15 14:30 | CPI 同比 | US | 高 | 2.6% | 2.7% | 核心通胀指标 |

语言： 所有报告均使用英文撰写