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）

python

在调用方 skill 中

from stockthemeevents import analyzethemeevents

result = analyzethemeevents(
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. 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

1. 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

1. 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

1. 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

1. 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

markdown

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. 1. [新闻标题 1] (2026-03-20)

- 来源：金十数据 - 摘要：... - 链接：查看详情

1. 2. [新闻标题 2] (2026-03-19)

- 来源：财联社 - 摘要：... - 链接：查看详情

---

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。

bash
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。

bash
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。

bash
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。

json
{
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

bash
pip install akshare sentence-transformers scikit-learn

注意事项

1. 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. 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

python

在 stock-daily-report skill 中

result = analyzethemeevents(
stocklist=topgainers, # 近 10 日涨幅前 30
outputpath=dailyreport_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