News Sentiment Scan

舆情监控与情绪分析技能，扫描多渠道信息源并进行情绪打分。

功能

• 多渠道信息采集：公司公告、新闻报道、券商研报、社交媒体（微博、雪球）
• 去噪处理：过滤广告、水军、无关信息
• 情绪打分：-10（极度负面）至 +10（极度正面）
• 事件提取：识别并量化每条重大事件的情绪贡献
• 输出格式：情绪温度计 + 重大事件清单

情绪评分标准

使用方式

基本命令

python3 {SKILL_DIR}/scripts/sentiment_scan.py <stock_code> [days] [market]

参数说明：

• stock_code：股票代码
• 港股：XXXX.HK（如 0700.HK）或 5位数字（如 00700）
• 美股：字母代码（如 AAPL、TSLA）
• A股：6位数字（如 002594、600519）
• days：监控天数，默认 7
• market：市场标识（可选，auto 自动识别）

示例：

# 监控比亚迪近7天舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py 002594 7

# 监控腾讯近30天舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py 0700.HK 30

# 监控苹果近7天舆情
python3 {SKILL_DIR}/scripts/sentiment_scan.py AAPL 7 us

输出格式

==================================================
📰 舆情监控报告：{股票名称}（{代码}）
==================================================

📅 监控周期：最近{N}天
🔍 信息来源：{来源列表}
⏰ 生成时间：{时间戳}

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

🌡️ 情绪温度计：{分数}（{情绪标签}）

   -10  ════════════●════════════  +10
        😱        😐        🤩
        └──────────┘
            {当前情绪位置}

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📋 重大事件清单：

1. [{情绪图标}] {事件标题}
   来源：{来源} | 时间：{日期}
   情绪贡献：{贡献分数} | 置信度：{置信度}%
   
2. [{情绪图标}] {事件标题}
   来源：{来源} | 时间：{日期}
   情绪贡献：{贡献分数} | 置信度：{置信度}%
   
...

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

📊 情绪统计：
├── 正面事件：{N}条（{占比}%）
├── 中性事件：{N}条（{占比}%）
├── 负面事件：{N}条（{占比}%）
└── 平均情绪：{平均分}

💡 操作建议：{建议}

情绪来源权重

事件类型与情绪贡献

数据来源

1. Yahoo Finance：公司新闻、分析师评级
2. Google News：财经媒体报道
3. Twitter/X：社交媒体讨论
4. 微博：中国社交媒体（需要网络访问）
5. 雪球：投资社区讨论

注意事项

• 情绪分析基于自然语言处理，可能存在误差
• 重大事件需结合基本面判断
• 本工具仅供参考，不构成投资建议
• 社交媒体信息可能被操纵，请谨慎判断