News Sentiment Research

⚙️ 本技能遵循公共运行环境契约（最高优先级，先于本文其余内容执行）： 详见 _shared/env-contract.md，执行前先读它。

news-sentiment-research — 新闻情绪研究方法论

把「RSS 新闻 → 情绪信号 → 交易规律」的完整研究管线沉淀为一套可复现、可升级的流程。核心成果（2026-08-20 实测）：

• 51,741 个有效事件、5,661 只股票、98 个交易日的完整研究
• 最优策略：+84.34% / Calmar 7.76（无止损 + 四重过滤 + 动态止盈）
• 动态止盈 100% 胜率是唯一利润引擎；固定止损 100% 亏损
• 来源预测力跨度 8.66pp（财联社 +5.26% vs 南华早报 -3.40%）

数据链路

Copy code
Huntly SQLite /data/huntly/db.sqlite (423,848 篇)
  └─ page.connected_at = Asia/Shanghai 本地时间字符串（陷阱：无 tzinfo，需手动 replace）
      ▼
PostgreSQL news_article_enrichment 富集
  └─ huntly_page_id, tickers[] (后缀 600036.SH), sentiment_label, sentiment_score,
     event_tags[], industries[]
  └─ 情绪 = FinBERT (0.6) + 金融词典 51,887 词 (0.4) 融合
      ▼
信号生成 |score| ≥ 0.25
  └─ 时间对齐: 盘中(9:30-11:30/13:00-15:00)→当日收盘成交；盘后/盘前/非交易日→下一交易日
      ▼
QuantDB 前复权日K线 data/quantdb/1_kline_data/daily_forward/dt=YYYYMMDD/data.parquet
  └─ compute_limits 涨跌停 / T+1 / ST 剔除 / 停牌顺延
      ▼
回测引擎 → 研报 MD → md_to_pdf_report.py → PDF → 落盘股票报告目录

⚠️ 核心陷阱（每个都实测踩过）

执行流程

第 1 步：事件研究（消息出来后股价怎么走？）

bashCopy code
docker exec quantmind python3 /app/scripts/backtest_news_event_study.py

输出：利好/利空 T+0~T+20 平均累计收益曲线、胜率曲线、板块差异、强/弱信号对比、T+5 收益分布（分位数+盈亏比）。

关键口径：

• 利空预测力 > 利好（强利空 T+5 -2.39% vs 强利好 -0.17%）
• 利好效应 T+1~T+3 最强，T+15 耗尽
• 利好分布右偏（均值 +0.15% / 中位数 -1.05%），少数大牛股拉高均值 → 动态止盈适配

第 2 步：七维深度分析（找规律）

bashCopy code
docker exec quantmind python3 /app/scripts/backtest_news_deep_analysis.py

第 3 步：优化策略回测（融合规律）

bashCopy code
docker exec quantmind python3 /app/scripts/backtest_news_optimized.py

优化开关（scripts/backtest_news_optimized.py 顶部，可独立控制每个优化项做消融实验）：

pythonCopy code
ENABLE_SOURCE_FILTER = True      # 来源白/黑名单
ENABLE_TIME_FILTER = True        # 时段过滤
ENABLE_MULTI_CONFIRM = True      # 多篇确认 ≥2 篇同向
ENABLE_MOMENTUM_FILTER = True    # 首日动量（利好+涨/利空+跌才入场）
ENABLE_REVERSAL_EXIT = True      # 情绪反转出场
ENABLE_CONSECUTIVE_BOOST = True  # 连续3天同向 → 仓位 1.5x
ENABLE_TAG_BOOST = True          # 事件标签 → 仓位 1.3-1.5x

参数寻优结论（5 版本实测）：

铁律：

1. 禁用固定止损——所有版本止损出场 0% 胜率，新闻行情「先洗盘再拉升」
2. 动态止盈是唯一引擎——盈利>15% 激活、回撤 5% 出场，100% 胜率
3. 多篇确认+首日动量贡献 53pp 收益——关掉后 84%→31%
4. 止盈不能太敏感——激活 10%/回撤 3% 反而不如 15%/5%（+75.7% vs +84.3%）
5. 到期浮盈续持，浮亏照离场（P0 结论）——到期时赚钱的仓位继续持有到动态止盈兑现，亏钱的照常 20 天离场；数据上是 +105.35% vs 基线的 +54.70%，Calmar 12.76 vs 6.15（同数据快照）

第 4 步：研报生成与落盘

bashCopy code
# 1) 手工撰写或脚本生成 MD（模板见 docs/news_sentiment_deep_report.md）
# 2) 容器内转 PDF（研报排版：深蓝封面+金色双线+斑马纹+红涨绿跌）
docker exec quantmind python3 /app/backend/scripts/md_to_pdf_report.py /tmp/report.md /tmp/report.pdf
# 3) 落盘前端可见目录（必做，只发 /tmp = 未交付）
docker cp report.md  quantmind:/data/reports/stock_reports/每日复盘/新闻情绪研究报告_$(date +%F).md
docker cp report.pdf quantmind:/data/reports/stock_reports/每日复盘/新闻情绪研究报告_$(date +%F).pdf

报告标准结构（13 章）：数据基础 → 事件研究 → 来源特征 → 时间特征 → 信号强度 → 价格行为 → 事件标签 → 策略回测（含 P0 升级 v6/hw40）→ 极端案例 → 规律清单 → 风险局限 → 结论 → 单股深度分析应用手册。模板：docs/news_sentiment_deep_report.md（2026-08-21 升华版）。

第 5 步：单股新闻面三步纵深（stock-market-analysis 的 L7 层）

用户对单只股票做深度分析时，把本技能 21 条规律退化为「三步纵深」（详见 docs/news_sentiment_deep_report.md §13）。这不是本技能的完整回测流程，而是统计规律在单股的落地。

① 直接消息判定 —— 窗口 [T-2, T] 内 Huntly 库标题 + 正文搜 {股票名}/{code}：

• 命中 → 来源（白名单财政联/同花顺？黑名单南华/彭博？）、时段（19-22 黄金？凌晨噪声）、多篇（≥2 同向→×2.2）、当天涨跌（首日动量双确认）
• 零命中 → 明确写「个股近期无直接催化」，禁止用行业新闻冒充个股消息

② 相关行业归类 —— 标题含行业词（超级电容/薄膜电容/电力设备等）的新闻按板块定性：

• 利好共振源（同行量产/业绩预增）vs 利空分化源（同行亏损/行业竞争叙事），写清"间接、板块级"

③ 21 条规律对照打分 —— 按来源/时段/多篇/首日动量/反转/标签/板块逐条对位，输出明确新闻面结论（不许含混）。再与 L2 微观结构截面交叉（见 [[quantdb-full-analysis-design]] L4b）：

（阈值：L2 负IC因子≥70% 分位 + 正IC因子≤40% = 负面组合；反之为正面组合。）

已验证的 21 条规律清单

升级路线图（按优先级）

P0：消除到期亏损 ✅ 已完成（2026-08-20）

25 笔 max_hold 出场贡献全部净亏损。实验了三条路线（9 个变体）：

最终采纳 hw40：到期（20 天）时浮盈仓位不卖，继续持有到动态止盈/情绪反转/绝对上限 60 天；浮亏仓位照常到期离场。同数据快照对比：+105.35% / Calmar 12.76 vs 基线 +84.34% / 7.76。

续持上限单调性实验（2026-08-20 同快照）：

Copy code
续持上限:  0天(v3)  20天    40天    60天    80天
收益:     +84.3%  +78.5%  +105.3% +54.7%  +54.7%
回撤:     49.2%   47.7%   42.0%   26.6%   26.6%
Calmar:   7.76    7.20    12.76   7.79    7.79

• 曲线非单调：hw40 是甜点，hw20 反而不如 v3（续持太短，多数赢家到期二次离场而非跑到止盈）
• hw60/hw80 完全一致（8 位小数）：60 天续持上限已是事实上的「无限期」，无仓位能活过 60 天
• 回撤随续持上限递减：更长的续持减少「到期一刀切」的集中亏损，但收益在 hw40 后急剧塌方
• 续持 20 天不够：hw20 的 7 笔续持中仅 2 笔跑到止盈；hw40 的 9 笔中 5 笔跑到止盈——赢家需要 30-50 天才能激活 +15% 止盈线

配套开关（scripts/backtest_news_optimized.py，默认已开启）：

pythonCopy code
HOLD_WINNERS = True     # QM_HOLD_WINNERS 环境变量可关
MAX_EXTEND_DAYS = 60    # 续持上限（自入场日算总持仓 80 天）

实验注意：PG 富集表是活数据（情绪富集持续更新），不同时间跑回测输入会变（信号数曾差 16 个），对比变体必须在同一数据快照下完成。

P1：动态来源权重

来源预测力会随时间漂移（媒体风格/受众结构变化）。改为：

• 每月滚动复测各来源预测力（用最近 60 个交易日事件）
• 白名单从静态集合改为 Top-N 动态入选
• 信号分值 = 情绪分 × 来源权重

P2：做空现实化

当前假设无障碍做空。实盘化：

• 引入两融标的过滤（PG 查询 margin_trading 标记）
• 融券成本（年化 ~8%）计入做空持仓成本
• 北交所/科创板做空已剔除，继续剔除流动性不足标的

P3：日内时间对齐精度

当前盘中消息统一按收盘价成交。升级：

• 盘中消息按「消息时刻 + 15 分钟」的分钟线价格成交（QuantDB 若有分钟线）
• 盘后消息按次日开盘价成交（当前已如此）
• 涨停板排队：开盘一字板挂单等开板的 pending 机制（参考 backtest_l2_year.py）

P4：情绪模型升级

• FinBERT 中文金融微调数据增强（当前利空识别 58.7% > 利好 43.2%，可能含模型偏差）
• 加入标题/正文分离评分（标题情绪权重更高）
• 事件类型分类器（业绩/监管/合作/增减持）替代 event_tags 关键词

P5：多市场扩展

• 港股/美股新闻源接入 Huntly（SKILL.md 已有架构，数据管线复用）
• 美股情绪模型需英文 FinBERT（当前是中文模型）
• 加密货币新闻源已有 QuantBC 数据平台，可先行试点

脚本清单

所有脚本在容器内运行（本地 Python 缺 asyncpg）：

bashCopy code
docker exec quantmind python3 /app/scripts/<script>.py

宿主机副本在 scripts/，容器内 /app/scripts/（挂载同步）。

报告模板

完整研报模板：docs/news_sentiment_deep_report.md（12 章结构，2026-08-20 版 13 页 PDF）。 复用时替换数据即可，章节结构不动。

关联技能

• [[news-sentiment-finbert]] — 情绪识别管线（FinBERT+词典融合的源头）
• [[quantdb-fields]] — QuantDB 字段单位速查（volume 股/amount 万元等陷阱）
• [[daily-review]] — 报告落盘「每日复盘」目录的路径规范
• [[model-train-infer-backtest-report]] — md_to_pdf_report.py 研报排版细节
• [[stock-market-analysis]] — 单股深分主技能（本技能是它的 L7 新闻层底座；L4b 订单微结构截面层底座 = scripts/L2_微观结构因子系统化分析报告.md）
• [[quantdb-full-analysis-design]] — 9 层个股深分框架（L7 三步纵深在此落地，含新闻×L2 交叉印证矩阵）