---
name: aifinlab/a-share-nlp-sentiment
source: https://app.decimal.ai/s/aifinlab-a-share-nlp-sentiment@1/SKILL.md
source_sha256: c3913232dc5b
---

# 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

```python
# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})
```

### 示例 2: 命令行使用

```bash
python scripts/run_skill.py --input data.json
```