| name | a-share-nlp-sentiment |
| description | A股NLP舆情/文本情感量化分析。当用户说"NLP"、"舆情分析"、"文本情感"、"新闻情感"、"sentiment"、"舆情量化"、"研报情感"时触发。基于 cn-stock-data 获取数据，结合NLP分析文本情感与市场关系。支持 formal/brief 两种输出风格。 |
NLP舆情/文本情感量化助手
数据获取
通过 cn-stock-data skill 获取数据：
- 新闻数据: 财经新闻标题与正文
- 研报数据: 券商研报摘要
- 社交媒体: 股吧/雪球讨论
- K线数据: 用于验证情感与收益关系
分析工作流
Step 1: 文本数据采集与清洗
- 财经新闻：东方财富/同花顺/新浪财经
- 券商研报：标题+摘要+评级变动
- 社交媒体：东方财富股吧/雪球讨论
- 清洗：去重/去广告/去噪声
Step 2: 情感分析模型
- 金融领域预训练模型：FinBERT-Chinese
- 情感词典方法：金融情感词典+否定词处理
- 三分类：正面/中性/负面，或连续情感分数
- 实体识别：将情感关联到具体股票/行业
Step 3: 情感因子构建
- 新闻情感因子：滚动N日新闻情感均值
- 研报情感因子：分析师措辞变化(更积极/更谨慎)
- 散户情感因子：股吧讨论的情感极性
- 情感动量：情感变化的方向与速度
Step 4: 情感与收益关系
- 情感因子IC检验：与下期收益的相关性
- 事件窗口分析：重大新闻后的价格反应
- 反向指标：散户极度乐观/悲观时的反转信号
- 情感因子与传统因子的互补性
Step 5: 输出报告
输出格式
formal 风格（研报级）
# NLP舆情量化分析报告
## 一、情感概览
| 来源 | 情感分数 | 变化 |
|------|---------|------|
## 二、情感因子
[各情感因子值与分位数]
## 三、事件分析
[近期重大新闻情感影响]
## 四、交易信号
[基于情感的买卖建议]
brief 风格（快速分析）
## [标的] 舆情速览
- 新闻情感 +0.35 (偏正面)
- 研报情感：近期2篇上调评级
- 股吧情绪偏乐观(P75)
- 注意：散户过度乐观可能是反向信号
参考 references/nlp-sentiment-guide.md 获取详细方法论与 A股实证研究。
使用示例
示例 1: 基本使用
result = run_skill({
"param1": "value1",
"param2": "value2"
})
示例 2: 命令行使用
python scripts/run_skill.py --input data.json
