新闻流事件驱动选股系统

新闻流事件驱动选股系统 - 接收财经新闻输入，通过百度千帆API进行事件NLP分析，关联受益A股标的，输出事件驱动选股信号。

当用户在飞书群中发送财经新闻或政策信息时，自动触发事件驱动选股分析流程。

触发条件

• 用户在"新闻流事件驱动选股"群中发送任何包含财经/政策/行业/公司信息的文本
• 用户明确要求分析某条新闻
• 用户粘贴的新闻链接或新闻摘要

分析流程

1. 调用千帆API分析引擎

使用百度千帆 API 进行深度新闻分析，执行以下脚本：

bash

python3 ~/.hermes/skills/quant-finance/wq-news-event-driven-stock-pick/scripts/news_analyzer.py

将新闻文本通过 -t 参数传入脚本（推荐方式）：

bash

python3 ~/.hermes/skills/quant-finance/wq-news-event-driven-stock-pick/scripts/news_analyzer.py -t "新闻内容..."

也可通过 stdin 传入（注意需设置足够超时）：

bash

echo '新闻内容...' | python3 ~/.hermes/skills/quant-finance/wq-news-event-driven-stock-pick/scripts/news_analyzer.py

指定模型（可选，默认 ernie-4.5-turbo-128k）：

bash

python3 ~/.hermes/skills/quant-finance/wq-news-event-driven-stock-pick/scripts/news_analyzer.py -t "新闻内容..." -m ernie-4.5-turbo-128k

⚠️ 注意：GLM-5.2 模型有推理模式，需要较大 max_tokens（建议 16384+）且耗时较长。默认使用 ERNIE-4.5-Turbo-128K 更快更稳定。使用 GLM 时请显式指定：

bash

python3 ~/.hermes/skills/quant-finance/wq-news-event-driven-stock-pick/scripts/news_analyzer.py -t "新闻内容..." -m glm-5.2 --max-tokens 16384

2. 脚本输出

脚本返回结构化的 JSON 分析结果，包含：

• event_type: 事件类型 (policy/earnings/industry/company/macro)
• event_summary: 事件摘要
• affected_sectors: 受影响板块列表
• beneficiary_stocks: 受益标的列表（含股票代码、名称、受益逻辑、信号强度）
• risk_factors: 风险提示
• signal_summary: 综合信号评级

3. 格式化输出

将脚本返回的 JSON 结果格式化为易读的 Markdown 报告，发送给用户。

输出模板见 templates/output_template.md。

事件分类体系

详见 references/event_taxonomy.md。

类型	代号	示例
政策类	policy	降准降息、产业政策、监管新规
财报类	earnings	业绩超预期/不及预期、预告修正
行业类	industry	供需变化、价格异动、技术突破
公司类	company	并购重组、股权变动、高管变更
宏观类	macro	GDP/CPI/PMI数据、国际经贸

信号强度评级

等级	代号	标准
强信号	strong	直接受益，主营业务收入占比>30%
中信号	medium	间接受益，供应链/上下游关联
弱信号	weak	情绪面受益，概念相关性

降级机制

• 如果千帆API不可用，使用当前模型直接进行内联分析
• 如果无法匹配具体标的，输出板块方向判断
• 始终标注数据来源和分析置信度

Web Dashboard (事件驱动交易台)

系统包含一个可视化 Web 前端页面，位于 ~/.hermes/output/event-driven-trader-dashboard.html。

架构

text

浏览器 (HTML+JS)  ──fetch──>  Flask 后端 (app.py, :5566)  ──subprocess──>  news_analyzer.py  ──>  千帆API
     ↑                              |
     └─── JSON 渲染到各区域 ────────┘

• 前端: ~/.hermes/output/event-driven-trader-dashboard.html — 七层全链路分析面板（新闻输入、分析流水线、影响力面板、板块热力、标的排序、共振矩阵、分析报告）
• 后端: ~/.hermes/output/app.py — Flask 服务，端口 5566，提供 POST /api/analyze 接口
• 分析引擎: scripts/news_analyzer.py — 调用百度千帆 API 返回结构化 JSON

本地开发环境

bash

cd ~/.hermes/output && python3 app.py
# 访问 http://localhost:5566

线上生产部署 (racingai.top/event-driven)

Dashboard 已部署在 ECS 服务器 (<SERVER_IP>) 上，地址：http://racingai.top/event-driven

ECS 部署架构：

text

Nginx (:80)
  ├── /event-driven      -> Python http.server (:5566) -> 返回HTML或React SPA页面
  ├── = /api/analyze     -> Python http.server (:5566) -> 调用 news_analyzer.py -> 千帆API (精确匹配)
  ├── = /api/health      -> Python http.server (:5566) -> 健康检查 (精确匹配)
  └── /                  -> Vite dev server (:5173, fintech React应用) -> /api 由 Vite proxy 到 Go 后端 (:8080)

⚠️ nginx 路由必须用精确匹配 location = /api/analyze，不能用前缀匹配 location /api/。前缀匹配会拦截所有 /api/ 请求（包括策略页面的 /api/strategy/list 等），导致 Go 后端 API 调用全部断裂。

ECS 文件清单：

文件	路径	说明
前端页面	/var/www/event-driven/event-driven-trader-dashboard.html	同步自本地
后端服务	/var/www/event-driven/server.py	纯标准库HTTP服务（零依赖），仅部署于 ECS，不随技能分发
分析引擎	/var/www/event-driven/news_analyzer.py	同步自本地
systemd	/etc/systemd/system/event-driven.service	开机自启+崩溃重启
nginx	/etc/nginx/conf.d/port_mapping.conf	路由配置

⚠️ 关键：ECS 服务器 Python 版本为 3.6.8

ECS 上无法使用 Flask（需 Python 3.9+），因此线上后端使用纯 http.server 标准库实现（server.py），零外部依赖。

Python 3.6 兼容性陷阱：

• subprocess.run(capture_output=True) → 3.7+ 才支持，改用 stdout=subprocess.PIPE, stderr=subprocess.PIPE
• subprocess.run(text=True) → 3.7+ 才支持，改用手动 .decode("utf-8")
• ECS 上不要 pip install flask，直接用 server.py（已处理兼容性）

同步更新到 ECS：

bash

# 复制文件到ECS
scp ~/.hermes/output/event-driven-trader-dashboard.html root@<SERVER_IP>:/var/www/event-driven/
scp ~/.hermes/skills/quant-finance/wq-news-event-driven-stock-pick/scripts/news_analyzer.py root@<SERVER_IP>:/var/www/event-driven/
# 重启服务
ssh root@<SERVER_IP> "systemctl restart event-driven"

详细部署文档见 references/web-dashboard-setup.md。

API 接口

• POST /api/analyze - body: {"text": "新闻内容", "model": "ernie-4.5-turbo-128k"}，返回 news_analyzer.py 的 JSON 分析结果
• GET /api/health - 健康检查

⚠️ 关键陷阱

1. 静态页陷阱: HTML 文件本身是纯静态展示页，初始数据为硬编码的碳达峰示例。runAnalysis() 必须通过 fetch 调用后端 API 并用 renderMetrics/renderSectors/renderTargets/renderReport 四个函数动态渲染结果。如果只播放 pipeline 动画而不更新数据，用户会认为"点击没反应"。

2. Python 3.6 陷阱: ECS 服务器仅有 Python 3.6.8，subprocess.run 不支持 capture_output=True 和 text=True 参数（3.7+ 才有）。线上 server.py 已用 stdout=subprocess.PIPE + 手动 .decode("utf-8") 规避。

3. 后端必须运行: 无论本地（Flask app.py）还是线上（server.py），后端服务必须在运行中，否则前端 fetch 失败会弹出错误提示。

React SPA 集成 (racingai.top 主站)

事件驱动交易台不仅作为独立 HTML 页面运行，还集成在 racingai.top 的 React SPA（fintech 应用）中，用户通过顶部导航栏 "事件驱动" Tab 访问。

前端组件

• 组件路径 (ECS): <APP_DIR>/fintech/my-app/src/pages/EventDrivenTrader.tsx
• 路由路径: /event-driven（在 src/constants/index.ts 定义，src/app/router.tsx 注册）
• 技术栈: React 19 + Ant Design 5 + ECharts 5 (echarts-for-react)
• 运行模式: Vite dev server (:5173)，HMR 热更新

React 端关键陷阱

1. 懒加载 + ECharts = 需要刷新才能用 (终极修复): EventDrivenTrader 原本用 lazy() 懒加载，首次路由跳转时 ECharts 初始化不完整。尝试在 router.tsx 中改为直接 import 仍然不够——最终修复方案是在 NavBar.tsx 中对"事件驱动"按钮使用 window.location.href = '/event-driven' 全页跳转，而非 React Router 的 navigate()。这样点击直接加载独立 HTML 页面（Python 后端 :5566 提供），完全绕过 React SPA 的客户端路由问题。NavBar.tsx 中用 external: true 标记此类链接，handleClick 中判断后用 window.location.href 而非 navigate()。

2. handleAnalyze 必须真正调 API: 组件初始版本的 handleAnalyze() 只调了 message.success('分析已启动...') 弹 toast，没有实际调用后端。必须改为 async 函数，通过 fetch('/api/analyze') 调用后端并 setResult(data) 更新状态，然后用 result 状态驱动所有区域渲染。

3. nginx 精确匹配: React SPA 中的 axios 实例 baseURL 为 /api，策略页面的 /api/strategy/list 等请求通过 Vite proxy 走 Go 后端 (:8080)。如果 nginx 用 location /api/ 前缀匹配拦截，会把这些请求也送到 Python 后端 (:5566) 导致全部 404。必须用 location = /api/analyze 精确匹配。

同步 React 组件到 ECS

bash

# 上传组件到ECS (Vite HMR 会自动热更新)
scp EventDrivenTrader.tsx root@<SERVER_IP>:<APP_DIR>/fintech/my-app/src/pages/
scp router.tsx root@<SERVER_IP>:<APP_DIR>/fintech/my-app/src/app/
# 如果 HMR 未完全生效（如结构性改动），重启前端服务
ssh root@<SERVER_IP> "systemctl restart fintech-frontend"

详细部署文档见 references/web-dashboard-setup.md。

• 分析结果仅供参考，不构成投资建议
• 需要结合市场环境、估值水平综合判断
• 事件驱动策略适合短期交易，需注意时效性