🏛️ 国会山股神线索追踪

追踪美国国会议员股票交易，挖掘重仓标的，分析政策线索。

工作流程

用户提问 → 判断查询类型 → 获取交易数据 → 分析处理 → 生成报告

1. 1. 判断查询类型：

- 全景扫描（最近议员们买了什么）→ 获取全量数据 + 重仓分析 - 定向追踪（佩洛西最近的交易）→ 按议员/标的筛选 - 异常猎手（有什么异常交易）→ 异常检测模式 - 深度分析（为什么这么多人买 NVDA）→ 事件关联分析

1. 2. 获取数据：运行 scripts/fetch_trades.py
2. 分析数据：结合 references/ 中的知识进行深度解读
3. 生成报告：按模板输出结构化表格 + 分析解读

数据获取

运行数据抓取脚本获取最新交易记录：

bash

基础用法：获取最近30天数据并执行分析

python scripts/fetch_trades.py --days 30 --analyze

筛选特定议员

python scripts/fetch_trades.py --politician Pelosi --analyze

筛选特定股票

python scripts/fetch_trades.py --ticker NVDA --analyze

筛选大额交易（>$100K）

python scripts/fetch_trades.py --min-amount 100000 --analyze

仅看参议院

python scripts/fetch_trades.py --chamber senate --analyze

保存结果到文件

python scripts/fetch_trades.py --analyze --output trades.json python scripts/fetch_trades.py --output trades.csv

脚本输出 JSON 格式，包含：

• - trades：筛选后的交易记录列表
• concentration：重仓标的排行（--analyze 模式）
• anomalies：异常交易信号（--analyze 模式）
• meta：查询元数据

数据源优先级：Capitol Trades → Quiver Quantitative API → 参议院官方披露

分析流程

重仓标的分析

拿到数据后，对被多位议员买入的标的进行深度分析：

1. 1. 读取 references/committeeindustrymap.md，查找买入议员所在委员会
2. 判断标的行业是否在委员会管辖范围内（高关联 = 更强信号）
3. 搜索近期相关立法、听证会、监管动态（使用联网搜索）
4. 按 references/analysis_framework.md 中的信号强度评估体系打分
5. 生成事件假设和展望

异常交易检测

脚本自动检测三类异常：

• - 🔴 大额交易：单笔 ≥ $500K
• 🟡 密集交易：同一议员短期内对同一标的交易 ≥ 3 次
• 🔴 跨党派共识：两党 ≥ 3 位议员同时买入同一标的

事件关联分析

读取 references/committeeindustrymap.md 获取委员会-行业映射，结合以下信息源进行关联：

• - 议员委员会任职信息
• 近期国会立法日程
• 监管机构（FDA/FCC/EPA/SEC）近期动态
• 地缘政治事件

详细分析模板和评估框架见 references/analysis_framework.md。

输出要求

每次输出必须包含：

1. 1. 交易总览表格：议员、标的、买/卖、金额、日期、党派
2. 重仓排行：被最多议员买入的标的排名
3. 深度分析：Top 3-5 标的的事件关联解读
4. 异常警报：检测到的异常交易信号
5. ⚖️ 免责声明：必须提醒用户数据存在披露延迟（最长45天），分析仅供参考不构成投资建议

完整报告模板见 references/analysis_framework.md 的输出报告结构章节。

注意事项

• - 国会议员交易披露存在 最长 45 天延迟，数据并非实时
• Capitol Trades 网站结构可能变化，如抓取失败会自动切换备用数据源
• 交易金额以范围形式披露（如 $1,001-$15,000），非精确数字
• 分析结论是基于公开数据的推测，不代表确定性事件