소스 정보
- 저장소
- jewdore/openclaw-finclaw-test
- 최근 소스 활동
- 2026년 3월 16일 10:29
- 감지된 SKILL.md 언어
- 중국어
- 스타
- 0
- 포크
- 0
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
파일 탐색기
8 개 파일SKILL.md 표시 중
SKILL.md
소스 지침 · 읽기 전용 미리보기- name
- akshare-risk-trigger
- description
- 用于基于AkShare数据的风险触发监控场景。适用于金融工作中的基础任务单元。
# AKShare A股风险舆情触发 Skill
## 1. Skill 概述
这个 Skill 基于 **AKShare** 的 A 股行情、新闻、热度与风险专题数据,构建一个可执行的 **风险舆情触发机制**。它不是预测未来收益的黑盒模型,而是一个面向研究、预警和盘前/盘后巡检的规则型引擎:
- 识别 **价格风险**:大跌、波动放大、换手异常。
- 识别 **舆情风险**:个股相关新闻中的负面关键词聚集。
- 识别 **热度失衡**:热度冲高但排名恶化,或舆情过热。
- 识别 **结构性风险**:高股权质押、商誉减值预期。
- 输出 **触发等级**、**触发原因** 与 **综合风险分数**。
## 2. 数据来源
本 Skill 默认使用以下 AKShare 接口:
1. **A股历史行情**:`stock_zh_a_hist`
- 用途:计算收益率、波动率、回撤、换手异常等。
- 来源说明:东方财富沪深京 A 股日频历史行情。
2. **个股新闻**:`stock_news_em`
- 用途:抓取指定股票或关键词的最近新闻,进行负面关键词计数。
- 来源说明:东方财富指定个股新闻资讯。
3. **A股人气榜**:`stock_hot_rank_em`
- 用途:获取当前人气排名,用作过热/拥挤度参考。
4. **个股热度历史趋势**:`stock_hot_rank_detail_em`
- 用途:获取近期排名、新晋粉丝、铁杆粉丝等热度变化。
5. **上市公司质押比例**:`stock_gpzy_pledge_ratio_em`
- 用途:识别高质押风险。
6. **商誉减值预期明细**:`stock_sy_yq_em`
- 用途:识别商誉减值预期带来的财务/舆情共振风险。
7. **千股千评**:`stock_comment_em`
- 用途:读取机构参与度、综合得分、关注指数等辅助特征。
> 建议安装 AKShare 最新版本后使用,因为 `stock_news_em`、`stock_hot_rank_detail_em` 等接口在近几个版本有过修复记录。AKShare 官方文档当前展示的版本为 **1.18.39**,官方安装建议为 `pip install akshare --upgrade`,GitHub 仓库采用 **MIT License**。
## 3. 功能
### 3.1 核心触发维度
Skill 会从 4 个维度构造风险触发项:
#### A. 行情风险触发
- **单日大跌触发**:最近一个交易日跌幅 <= 阈值(默认 -7%)
- **5日累计下跌触发**:最近 5 个交易日累计收益 <= 阈值(默认 -12%)
- **20日波动放大触发**:近 20 日波动率 / 近 60 日波动率 >= 阈值(默认 1.5)
- **换手异常触发**:最新换手率 / 过去 20 日平均换手率 >= 阈值(默认 2.0)
- **回撤触发**:最近收盘价相对 60 日最高收盘回撤 >= 阈值(默认 20%)
#### B. 舆情风险触发
- 统计最近新闻标题和摘要中的 **负面关键词**,如:
- 立案
- 处罚
- 违规
- 违约
- 减值
- 商誉
- 质押
- 暴跌
- 亏损
- ST
- 问询函
- 诉讼
- 终止
- 下修
- 若负面新闻占比超过阈值(默认 30%),触发 **舆情风险**。
#### C. 热度过热触发
- 当前处于人气榜前列,同时:
- 近期排名恶化,或
- 近几次热度波动异常,或
- 新闻负面占比不低
- 用来识别 **“高关注 + 风险事件”** 的拥挤交易场景。
#### D. 结构性风险触发
- **高质押触发**:上市公司质押比例 >= 阈值(默认 20%)
- **商誉减值预期触发**:在对应报告期的商誉减值预期明细中出现
- **千股千评低分辅助触发**:综合得分过低,作为弱辅助信号
### 3.2 输出结果
输出字段示例:
- `symbol`:股票代码
- `as_of_date`:计算日期
- `risk_score`:0~100 的综合风险分数
- `risk_level`:`LOW` / `MEDIUM` / `HIGH` / `CRITICAL`
- `triggers`:触发项列表
- `headline_negative_ratio`:负面新闻占比
- `pledge_ratio`:质押比例(如可获取)
- `goodwill_warning`:是否存在商誉减值预期
- `latest_rank`:最新热度排名(如可获取)
- `comment_score`:千股千评综合得分(如可获取)
## 4. 目录结构
```text
akshare-a-share-risk-sentiment-trigger/
├─ skill.md
├─ LICENSE
├─ requirements.txt
└─ script/
├─ config.py
├─ utils.py
├─ data_loader.py
├─ risk_engine.py
└─ run_skill.py
```
## 5. 使用示例
### 5.1 安装依赖
```bash
pip install -r requirements.txt
```
### 5.2 运行单只股票预警
```bash
python script/run_skill.py --symbol 603777
```
### 5.3 指定日期区间与报告期
```bash
python script/run_skill.py \
--symbol 300750 \
--start-date 20240101 \
--end-date 20260313 \
--report-date 20241231
```
### 5.4 输出为 JSON
```bash
python script/run_skill.py --symbol 002594 --output json
```
### 5.5 自定义负面关键词
```bash
python script/run_skill.py \
--symbol 600519 \
--negative-keywords 立案,处罚,问询函,暴雷,违约,减值
```
## 6. 触发逻辑说明
Skill 内置一个规则分值系统,默认做法如下:
- 单日大跌:+18 分
- 5日累计大跌:+16 分
- 波动放大:+12 分
- 换手异常:+10 分
- 60日大回撤:+12 分
- 负面新闻占比 >= 30%:+12 分
- 负面新闻占比 >= 50%:额外 +8 分
- 人气榜前 100 且排名恶化:+6 分
- 质押比例 >= 20%:+10 分
- 质押比例 >= 35%:额外 +8 分
- 商誉减值预期:+14 分
- 千股千评综合得分偏低:+4 分
风险等级映射:
- `0 ~ 19`:LOW
- `20 ~ 39`:MEDIUM
- `40 ~ 59`:HIGH
- `60+`:CRITICAL
你可以在 `script/config.py` 中调整阈值与打分权重。
## 7. 交易说明
1. **本 Skill 仅用于研究、监控、教学与策略辅助,不构成任何投资建议。**
2. 风险触发并不等于必然下跌,也可能对应利空兑现后的反弹阶段。
3. AKShare 的部分数据来自第三方站点,存在:
- 接口临时失效
- 字段变更
- 数据延迟
- 历史口径修正
4. 建议将本 Skill 用作 **预警系统**,而不是独立下单系统。
5. 在真实交易中,至少结合以下信息复核:
- 公司公告
- 交易所问询/处罚
- 财报与预告
- 板块环境
- 市场整体风险偏好
6. 若用于量化回测,请先固定样本期、字段口径与接口版本,避免未来函数与幸存者偏差。
7. 热度与新闻类信号很容易放大短线噪声,建议与流动性、财务质量、事件验证机制配合使用。
## 8. 可扩展方向
- 新增公告文本解析
- 接入板块热度与资金流
- 多股票批量扫描
- 企业级消息推送(飞书 / 钉钉 / 企业微信)
- 回测模块:检验触发后 1/3/5/10 日收益分布
- LLM 摘要模块:自动生成风险说明
## 9. License
### 本 Skill 代码 License
本压缩包内除第三方依赖外的自编代码采用 **MIT License**,详见根目录 `LICENSE`。
### 第三方依赖说明
- **AKShare** 官方仓库采用 **MIT License**。
- 通过 AKShare 获取的数据,仍需遵守 AKShare 与其上游数据源的使用约束。
- 使用者应自行确认对第三方数据源的合规使用边界,尤其是在商业环境、再分发、缓存和高频采集场景下。
GitHub에서 보기