Agent Skills
返回列表
星耀数智公告搜索

星耀数智公告搜索

行业专业 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-rwhv0nty/ad-announcement-analysis。

技能介绍

问题场景

在量化研究与公告筛选中,A股上市公司公告数据分散于交易所、资讯平台及内部数据库,存在三个典型痛点:一是分类维度混乱,不同来源对同一公告类型(如业绩预告、回购)的标签定义不一致,导致跨平台检索时需手动映射;二是结构化处理困难,PDF格式的公告难以直接提取关键字段,需人工转录或依赖昂贵的商业工具;三是实时性与缓存策略冲突,高频回测需要历史数据快照,而事件驱动策略又依赖最新公告,传统方案难以兼顾。

技能如何工作

该技能基于中国银河证券的星耀数智(XYSZ)数据服务,通过统一的TAG分类树实现标准化检索。核心工作流分为三步:

  1. 参数化检索:通过 --tag 参数(如 10301=业绩预告)精准定位公告类型,支持 --type(stock/fund/bond)、--codes(如 600***.SH)和日期范围(--begin/--end)的交叉过滤。例如,检索2026年7月16日前发布的沪深300成分股回购公告,可组合使用 --codes 600***.SH,601***.SH --begin 20260601 --end 20260716。
  1. 多级输出模式:

- 轻量级响应:不指定 --pdf 时,直接返回公告标题列表,适用于快速筛选(如当日全部风险提示公告)。
- 深度分析模式:添加 --pdf 后,自动下载PDF并转换为Markdown格式,AI可直接读取内容进行摘要生成、事件抽取或对比分析(如同一公司连续两期业绩预告的差异)。

  1. 本地化优化:通过 --local 和 --local-path 参数启用本地缓存,避免重复网络请求,同时支持指定历史日期范围的数据快照(如回测2025年Q4的机构调研公告)。

适用边界与注意点

  • 认证约束:需提前通过开户营业部申请AmazingData账号(环境变量 AD_USERNAME/AD_PASSWORD/AD_HOST/AD_PORT),且同一时间仅支持单点登录。
  • 数据完整性:本地缓存模式(--local)与指定日期范围(--begin/--end)二选一,混合使用可能导致数据不一致。
  • 交易日历依赖:MarketData 实例化时必须传入交易日历(如 ad.MarketData(base_data.get_calendar())),否则无法正确解析非交易日的公告延迟发布场景。
  • 分类树维护:TAG分类树(references/announcement_categories.md)需定期更新,例如2026年新增的“ESG报告”类别需由数据服务方同步至本地文件。

使用场景

  • 量化研究员需要构建事件驱动策略,定期扫描全市场业绩预告公告(TAG 10301)并提取关键财务数据用于因子计算
  • 基本面分析师针对特定持仓股(如 600***.SH),检索过去一年所有回购公告(TAG 10408)并下载PDF进行管理层动机分析
  • 回测工程师在策略验证阶段,需要按日期范围(如 2025年Q4)批量获取机构调研公告的历史快照并标注分类标签
  • 风控专员每日监控沪深300成分股的风险提示公告,通过代码列表(--codes 600***.SH,601***.SH)快速筛选当日新增风险事件

适合人员

  • 量化研究员:需要标准化的公告分类数据和历史快照,用于事件驱动策略的因子构建与回测验证
  • 基本面分析师:需要快速检索特定股票的公告类型(如业绩预告、回购)并深度阅读PDF全文提取关键信息
  • 回测工程师:需要按日期范围和分类标签批量获取历史公告数据,确保策略回测的数据一致性与可重复性
  • 风控专员:需要实时监控特定证券代码的风险相关公告(如违规处罚、财务预警),用于风险预警与合规审查