akshare-sentiment-risk

# AkShare 单股票舆情风险识别 Skill ## 数据来源 本 Skill 使用 AkShare 提供的数据接口来完成单只股票的舆情风险识别，核心依赖如下： 1. `stock_news_em` - 用途：获取个股新闻数据。 - 典型用途：抓取指定股票相关新闻标题、发布时间、来源、链接等信息。 2. `stock_js_weibo_report` - 用途：获取微博舆情报告中近期受关注的股票。 - 典型用途：将股票热度作为风险放大因子，用于辅助判断舆情传播强度。 建议安装最新版 `akshare`，因为 `stock_news_em` 在 AkShare 更新日志中多次修复，旧版本可能出现字段变化或调用失败。 ## 功能 该 Skill 面向“单只股票”的舆情风险识别，功能包括： 1. 拉取指定股票的新闻数据。 2. 对新闻标题与正文进行规则化风险打分。 3. 识别监管、诉讼、违约、退市、经营异常、减持、股权冻结等高风险关键词。 4. 结合微博热度进行舆情传播强度修正。 5. 输出单篇新闻风险分数、总体风险分数、总体风险等级以及高风险新闻列表。 输出结果字段包括： - `overall_risk_score`: 综合风险分数，范围 0~100 - `overall_risk_level`: 综合风险等级，取值 `low` / `medium` / `high` - `article_count`: 参与分析的新闻条数 - `high_risk_count`: 高风险新闻数量 - `medium_risk_count`: 中风险新闻数量 - `weibo_hotness_rank`: 微博热度排行指数（如可获取） - `articles`: 风险最高的新闻明细 ## 使用示例 ### 1. 安装依赖 ```bash pip install akshare pandas ``` ### 2. 运行脚本 ```bash python script/main.py --symbol 000001 --stock-name 平安银行 --limit 50 --output result.json ``` ### 3. 输出说明 脚本会在终端打印 JSON，并把完整结果保存到 `result.json`。 示例输出节选： ```json { "symbol": "000001", "stock_name": "平安银行", "summary": { "overall_risk_score": 42.6, "overall_risk_level": "medium", "article_count": 28, "high_risk_count": 3, "medium_risk_count": 7, "hotness_adjustment": 4.6 } } ``` ## 交易说明 1. 本 Skill 的目标是识别“舆情风险”，不是给出直接买卖信号。 2. 舆情风险高，并不等于股价必然下跌；舆情风险低，也不等于股价必然上涨。 3. 建议将本 Skill 作为投研、合规、风控或事件驱动策略中的辅助模块，与公告、财务、估值、资金流、行业景气度等因子联合使用。 4. 当新闻接口字段变化、数据源短时不可用、或同名股票新闻混杂时，结果可能偏离实际，需要人工复核。 5. 若用于自动化交易系统，建议增加： - 新闻去重与时间窗控制 - 更细粒度情感模型 - 公告/研报/社媒多源交叉验证 - 人工审核阈值 ## License 本 Skill 代码示例以 MIT License 提供；但底层数据来自 AkShare 及其对应上游网站。 使用者需要自行遵守： - AkShare 项目许可证 - 上游数据源的使用条款 - 适用的证券、数据合规与研究使用规范