119 lines
4.3 KiB
Python
119 lines
4.3 KiB
Python
"""
|
||
llm_sentiment_agent.py — 通过Agent生成舆情数据
|
||
|
||
用法：
|
||
python3 llm_sentiment_agent.py --generate 中芯国际 2024-06-01 2024-06-30
|
||
|
||
这会产生一个请求，你可以复制给Agent来获取情绪分析
|
||
"""
|
||
|
||
import argparse
|
||
import json
|
||
from datetime import datetime, timedelta
|
||
|
||
def generate_prompt(stock_name, date_range):
|
||
"""生成给Agent的舆情分析请求"""
|
||
|
||
# 模拟新闻标题（实际应从新闻API获取）
|
||
mock_news = {
|
||
"中芯国际": [
|
||
"中芯国际Q2营收超预期，先进制程占比提升",
|
||
"半导体行业复苏迹象明显，中芯产能利用率回升",
|
||
"大基金增持中芯国际，看好长期发展",
|
||
"美国制裁影响有限，中芯国产替代加速"
|
||
],
|
||
"平安好医生": [
|
||
"平安好医生亏损收窄，互联网医疗政策利好",
|
||
"医保支付接入线上问诊，行业迎来拐点",
|
||
"阿里健康京东健康竞争加剧，市场份额受挤压"
|
||
],
|
||
"叮当健康": [
|
||
"叮当健康持续亏损，即时配送成本居高不下",
|
||
"医药电商价格战激烈，盈利前景不明"
|
||
],
|
||
"中原建业": [
|
||
"房地产销售持续下滑，代建业务需求萎缩",
|
||
"中原建业股价创历史新低，流动性危机隐现"
|
||
],
|
||
"阅文集团": [
|
||
"《庆余年2》热播带动阅文IP变现增长",
|
||
"网文改编影视剧大获成功，版权收入提升",
|
||
"短视频冲击长文字阅读，用户增长放缓"
|
||
],
|
||
"泰升集团": [
|
||
"港股小盘股流动性枯竭，泰升集团成交低迷",
|
||
"地产业务不温不火，缺乏催化剂"
|
||
]
|
||
}
|
||
|
||
news = mock_news.get(stock_name, ["暂无相关新闻"])
|
||
|
||
prompt = f"""请分析【{stock_name}】在 {date_range} 期间的市场情绪。
|
||
|
||
新闻标题：
|
||
{chr(10).join(['- ' + n for n in news])}
|
||
|
||
请给出：
|
||
1. 整体情绪倾向（极度悲观/悲观/中性/乐观/极度乐观）
|
||
2. 情绪分数（-5到+5的整数，0为中性）
|
||
3. 主要影响因素（政策/业绩/行业/竞争等）
|
||
4. 未来1个月预期
|
||
|
||
返回JSON格式：
|
||
{{
|
||
"sentiment_score": 0,
|
||
"sentiment_label": "中性",
|
||
"factors": ["因素1", "因素2"],
|
||
"outlook": "短期震荡"
|
||
}}
|
||
"""
|
||
return prompt
|
||
|
||
def main():
|
||
parser = argparse.ArgumentParser(description='通过Agent生成舆情数据')
|
||
parser.add_argument('--generate', nargs=3, metavar=('STOCK', 'START', 'END'),
|
||
help='生成舆情分析请求，如：--generate 中芯国际 2024-06-01 2024-06-30')
|
||
parser.add_argument('--example', action='store_true', help='显示示例输出')
|
||
|
||
args = parser.parse_args()
|
||
|
||
if args.generate:
|
||
stock, start, end = args.generate
|
||
prompt = generate_prompt(stock, f"{start} ~ {end}")
|
||
print("=" * 60)
|
||
print("📋 请将以下内容发送给Agent（我）：")
|
||
print("=" * 60)
|
||
print()
|
||
print(prompt)
|
||
print()
|
||
print("=" * 60)
|
||
print("📥 收到回复后，将JSON结果保存到 data/llm_sentiment.json")
|
||
|
||
elif args.example:
|
||
example = {
|
||
"中芯国际": {
|
||
"2024-06-15": {
|
||
"sentiment_score": 3,
|
||
"sentiment_label": "乐观",
|
||
"factors": ["业绩超预期", "行业复苏"],
|
||
"outlook": "短期看涨",
|
||
"source": "agent_analysis"
|
||
}
|
||
}
|
||
}
|
||
print("示例输出格式（保存到 data/llm_sentiment.json）：")
|
||
print(json.dumps(example, indent=2, ensure_ascii=False))
|
||
else:
|
||
print("LLM舆情Agent接口")
|
||
print("\n用法：")
|
||
print(" python3 llm_sentiment_agent.py --generate 中芯国际 2024-06-01 2024-06-30")
|
||
print(" python3 llm_sentiment_agent.py --example")
|
||
print("\n提示：")
|
||
print(" 1. 先用 --generate 产生请求内容")
|
||
print(" 2. 将内容发给Agent（我）获取分析")
|
||
print(" 3. 把返回的JSON保存到 data/llm_sentiment.json")
|
||
print(" 4. 运行 stock_backtest_v7.py 时会自动读取")
|
||
|
||
if __name__ == "__main__":
|
||
main()
|