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）

# 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

# 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。

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。

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。

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。

{
  "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

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

# 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