claude-trading-skills 中的 Market News Analyst:10 日市场新闻影响量化评分与报告实战

原创2026-11-14 22:28:231,424 阅读
文章标签:金融科技AI 技能人工智能数据分析

claude-trading-skills 中的 Market News Analyst:10 日市场新闻影响量化评分与报告实战

本文以 examples/weekly-trade-strategy/.claude/skills/market-news-analyst/SKILL.md 为主线,完整拆解该技能如何用 WebSearch/WebFetch 采集过去 10 日的市场驱动新闻、如何用「价格冲击 × 影响广度 × 前瞻意义」三维公式给出可比较的影响分数,并落到一份按影响力排序的英文 Markdown 报告。读完你将能够:独立复现六步分析流程、按仓库内的打分档位给出可复核的 Impact Score,并把该技能接入 weekly-trade-strategy 的四步报告流水线与 multi-asset-opportunity-daily 工作流。

技能定位:一个「纯知识型」新闻分析技能

该文档的 YAML frontmatter 只有两个字段,却决定了整个技能的触发边界(SKILL.md):

---
name: market-news-analyst
description: This skill should be used when analyzing recent market-moving news events and their impact on equity markets and commodities. Use this skill when the user requests analysis of major financial news from the past 10 days, wants to understand market reactions to monetary policy decisions (FOMC, ECB, BOJ), needs assessment of geopolitical events' impact on commodities, or requires comprehensive review of earnings announcements from mega-cap stocks. The skill automatically collects news using WebSearch/WebFetch tools and produces impact-ranked analysis reports. All analysis thinking and output are conducted in English.
---

这段 description 不只是说明文字,它承担了「路由」职责:Claude 依据它判断是否该激活本技能。因此其中明确了四个要素——时间窗(past 10 days)、分析对象(US equity markets 与 commodities)、高优先级事件类型(FOMC/ECB/BOJ、地缘政治、超大型科技股财报)、执行手段(WebSearch/WebFetch)以及语言约束(思考与输出均为英文)。

仓库对 frontmatter 有强制校验。在 scripts/hooks/check_skill_frontmatter.py 中,pre-commit 钩子要求 skills/*/SKILL.md 的 name 必须与父目录名完全一致、description 不得为空;同一规则体现在契约测试 skills/market-news-analyst/scripts/tests/test_skill_contract.py,它断言 metadata["name"] == "market-news-analyst",并强制 description 中含有 market-moving news 与 past 10 days 两个短语。换句话说,「10 天窗口」是被测试锁定的行为契约,不是可选措辞。

技能的元数据登记在 skills-index.yaml:

字段 值 含义
category market-regime 归属市场环境/状态判断类
status production 生产可用
knowledge_only true 无脚本实现,纯提示词知识资产
timeframe daily 日频使用节奏
difficulty intermediate 中等使用门槛
operational_role.type workflow_step 作为工作流中的一步被调用
integrations websearch / required 强依赖联网检索
inputs / outputs news_search_query、date_range → news_impact_report 输入日期区间,输出新闻影响报告
workflows multi-asset-opportunity-daily 已被具体工作流引用

knowledge_only: true 是本技能最关键的技术特征:目录下没有 scripts/ 业务代码(仅有一份契约测试),所有「逻辑」都以自然语言规则的形式存在于 SKILL.md 与 references/ 中。这既是优点(零依赖、无需 API Key),也意味着输出一致性完全依赖提示词约束的严格程度——这正是该文档用大量表格与数值档位来表述规则的原因。

六步工作流总览

文档将分析固定为 6 个步骤(SKILL.md),形成「采集 → 装载知识 → 打分 → 反应分析 → 因果判断 → 成文」的闭环:

步骤 名称 核心产出 关键约束
1 News Collection 候选事件清单(含日期、来源、事件类型、初始反应) 必须落在 10 日窗口内,必须记录发布日期
2 Load Knowledge Base 历史反应模式与来源可信度框架 两个文件「总是加载」,其余按新闻类型条件加载
3 Impact Magnitude Assessment 每个事件的 Impact Score 与排名 三维度打分,可复算
4 Market Reaction Analysis 事件的多资产实际反应 仅对 Impact Score > 5 的事件做详析
5 Correlation & Causation 事件间交互与传导路径 明确区分相关与因果
6 Report Generation 结构化英文 Markdown 报告 按分数降序,含固定章节

Step 1:用并行检索构建覆盖矩阵

采集阶段不是「搜一下新闻」,而是按六个类别执行并行查询(SKILL.md)。这套查询矩阵可直接复用:

类别 推荐检索词 目标内容
货币政策 FOMC meeting past 10 days、Federal Reserve interest rate、ECB policy decision、Bank of Japan 央行决议、前瞻指引变化、通胀表态
通胀与经济数据 CPI inflation report [current month]、jobs report NFP、GDP data、PPI producer prices 主要数据发布及超预期幅度
超大型股财报 Apple earnings [current quarter]、Microsoft earnings、NVIDIA earnings、Amazon earnings、Tesla earnings、Meta earnings、Google earnings 业绩、指引、市场反应
地缘政治 Middle East conflict oil prices、Ukraine war、US China tensions、trade war tariffs 冲突、制裁、贸易争端
商品市场 oil prices news past week、gold prices、OPEC meeting、natural gas prices、copper prices 供给中断、需求变化、价格波动
公司事件 major M&A announcement、bank earnings、tech sector news、bankruptcy、credit rating downgrade 超大型股之外的重要公司事件

来源优先级在文档中明确为三层(SKILL.md):

  1. 官方来源:FederalReserve.gov、SEC.gov(EDGAR)、Treasury.gov、BLS.gov
  2. 一线财经媒体:Bloomberg、Reuters、Wall Street Journal、Financial Times
  3. 专业来源:CNBC(实时)、MarketWatch(综述)、S&P Global Platts(商品)

配套的知识库文件 trusted_news_sources.md 把这一分级扩展为四层(Tier 1 官方/一级来源、Tier 2 主流财经媒体、Tier 3 垂直专业媒体、Tier 4 研究与智库),并给出「可信度正/负信号」清单(是否具名信源、是否有多家交叉印证、是否引用官方文件、是否有更正机制;红旗包括仅匿名信源、单一来源、标题党、无核实、意识形态压过事实)。同一文件还提供了「按新闻类型选源」的映射,例如货币政策首选央行官网 + WSJ/Reuters/FT 央行条线,财报首选公司 IR 新闻稿 + SEC 10-Q/8-K,商品首选 Reuters 商品条线与 Platts。

采集时必须落地的字段(SKILL.md):事件日期与时间、事件类型、来源可信度层级、初始市场反应(若可观测),以及市场上下文(盘前 / 盘中 / 盘后)。过滤准则同样明确:聚焦 Tier 1 级别的市场驱动事件,优先保留有清晰价格或成交量反应者,排除小盘个股新闻、微小产品更新、例行申报文件。

这一步的两个隐含工程要求值得强调:「并行执行」意味着六类查询应并发发起而非串行等待;「记录发布日期」意味着时间窗校验必须落在采集阶段而非写作阶段,否则很容易混入超出 10 天的旧闻,破坏后续打分的时间一致性。

Step 2:按新闻类型条件加载知识库

知识库装载策略是「2 + N」(SKILL.md):

始终加载:

文件 作用
references/market_event_patterns.md 各类重大事件的历史反应模式
references/trusted_news_sources.md 来源可信度评估框架

条件加载:

若采集到 加载文件 重点章节
货币政策新闻 market_event_patterns.md Central Bank Monetary Policy Events(加息/降息、QE/QT、鹰鸽基调)
地缘政治事件 geopolitical_commodity_correlations.md Energy Commodities、Precious Metals、对应区域框架
超大型股财报 corporate_news_impact.md 具体公司章节、板块传染模式
商品新闻 geopolitical_commodity_correlations.md 具体品种章节(原油、黄金、铜等)

这些文件的实际内容体量可观。market_event_patterns.md 覆盖央行政策(含 ECB 的边缘国家利差、BOJ 的 YCC 与套息交易、PBOC 的 LPR/RRR/MLF)、CPI/PPI/PCE、非农与失业率、GDP 分项、地缘冲突与关税制裁、超大型科技/银行/能源财报、信用事件与评级调整、OPEC+ 与农产品报告、衰退指标(2s10s 倒挂、LEI),以及 2008、2020、2022 三个历史案例。其「事件分级」把 FOMC 决议、通胀超预期 ±0.2%、重大地缘冲击、超大型科技股业绩不及预期、银行危机列为 Tier 1 市场级事件——这与 Step 1 的过滤准则互为呼应。

geopolitical_commodity_correlations.md 则以「冲击量级」而非泛泛描述来组织内容,例如霍尔木兹海峡紧张对应全球约 20% 石油供给通道、伊朗相关紧张局势下油价即时 +5~15%、2019 年沙特 Aramco 袭击单日 +15%、制裁移除 100~200 万桶/日对应油价 +10~20%、2022 年北溪中断推动天然气 +300~400%。这类量化锚点是后续「实际 vs 预期」对比能落地的前提。

c corporate_news_impact.md 提供超大型股的量级模板,例如「Magnificent 7」曾合计占 S&P 500 市值约 25–30%,因此单只个股的 ±10% 波动足以带动指数;NVIDIA 的典型情形是「Beat + Raise → 个股 +10~15%、Nasdaq +1~2%、半导体板块 +3~5%」,而「Miss → 个股 -10~20%、Nasdaq -1~2%、AMD 等芯片股 -5~8%」。

知识整合的目标不是罗列历史,而是做四件事:预测应有反应、识别异常(实际与历史模式背离)、判断反应幅度是否属常态、确认传染是否如期发生。

Step 3:三维度 Impact Score,把主观判断变成可复算数字

这是整份文档最「工程化」的部分(SKILL.md)。第 1 维度是资产价格冲击,按资产类别给出分档:

股指(S&P 500 / Nasdaq 100 / Dow Jones):

档位 单日涨跌幅
Severe ±2%+
Major ±1–2%
Moderate ±0.5–1%
Minor ±0.2–0.5%
Negligible <0.2%

板块 ETF: Severe ±5%+ / Major ±3–5% / Moderate ±1–3% / Minor <1% 个股(超大型股): Severe ±10%+(且权重大到能带动指数)/ Major ±5–10% / Moderate ±2–5% 原油(WTI/Brent): Severe ±5%+ / Major ±3–5% / Moderate ±1–3% 黄金: Severe ±3%+ / Major ±1.5–3% / Moderate ±0.5–1.5% 基本金属(铜等): Severe ±4%+ / Major ±2–4% / Moderate ±1–2% 10 年期美债收益率: Severe 单日 ±20bps+ / Major ±10–20bps / Moderate ±5–10bps 美元指数(DXY): Severe ±1.5%+ / Major ±0.75–1.5% / Moderate ±0.3–0.75%

第 2 维度是影响广度(乘数),第 3 维度是前瞻意义(修饰符):

广度 乘数 典型情形
Systemic 3x 多资产类别 + 全球市场(FOMC 意外、银行危机、大规模战争爆发)
Cross-Asset 2x 股 + 商品,或股 + 债(通胀意外、地缘供给冲击)
Sector-Wide 1.5x 整条产业链或相关板块(科技财报密集期、能源政策)
Stock-Specific 1x 单一公司(除非超大型股带动指数)
前瞻意义 修饰符 典型情形
Regime Change +50% 结构性切换(美联储由加息转降息、重大地缘格局重排)
Trend Confirmation +25% 强化既有路径(连续强通胀、持续超预期财报)
Isolated Event 0% 一次性事件、前瞻信号有限
Contrary Signal -25% 与主流叙事相反(利好被无视、利空反而上涨)

价格冲击分值与计算公式:

Impact Score = (Price Impact Score × Breadth Multiplier) + Forward-Looking Modifier

Price Impact Score:
- Severe: 10 points
- Major: 7 points
- Moderate: 4 points
- Minor: 2 points
- Negligible: 1 point

文档给出四个可直接对照的算例:

情形 价格冲击 广度 前瞻 文档给出的结果
FOMC 加息 75bps(鹰派基调) S&P 500 −2.5%(Severe=10) Systemic 3x Trend Confirmation +25% (10 × 3) × 1.25 = 37.5
NVIDIA 财报超预期 NVDA +15%、Nasdaq +1.5%(Severe=10) Sector-Wide 1.5x Trend Confirmation +25% (10 × 1.5) × 1.25 = 18.75
中东地缘冲突升级 油 +8%、S&P −1.2%(Severe=10) Cross-Asset 2x Isolated 0% (10 × 2) × 1.0 = 20
非超大型股单股财报 个股 +12%,无指数影响(Major=7) Stock-Specific 1x Isolated 0% (7 × 1) × 1.0 = 7

一个必须注意的口径不一致:公式以加法形式写作 (Price Impact Score × Breadth Multiplier) + Forward-Looking Modifier,但四个算例与 Step 6 报告模板中的 **Calculated Score:** ([Price Score] × [Breadth Multiplier]) × [Forward Modifier] = [Total] 均按「乘法修饰符」执行(0% 对应 ×1.0,+25% 对应 ×1.25)。若严格按加法并把 -25% 当作 -0.25 代入,分数会失真。实操中应以算例与模板的乘法口径为准,并在报告方法论中显式声明口径,否则同一事件在不同分析中不可比。这类「文字公式与示例不一致」正是纯提示词资产需要人工复核的典型位置。

另外两个细节也值得留意:板块与个股档位缺少 Minor/Negligible 的低端定义(股指与商品有),意味着当板块波动小于 1% 时需自行归入 Minor;而「个股 Severe」附加了「权重大到能带动指数」这一前置条件,防止把一只微盘股的暴涨误判为系统性事件。

打分完成后按分数从高到低排序,这个顺序直接决定报告的事件排列——这也是文档反复强调「Rank by actual impact, not chronological order」的落地机制。

Step 4:只对高分事件做多资产反应解剖

Step 4 设置了明确的详析门槛:仅对 Impact Score > 5 的事件展开(SKILL.md)。这一阈值恰到好处地过滤掉上表中的「单股非超大型财报」(7 分)以上的所有事件,却又把纯 Minor 级别噪音挡在外面。

反应分析要求覆盖四组维度。第一组是即时反应:方向(正/负/混合)、幅度(沿用 Step 3 分档)、时点(盘前/盘中/盘后)、波动性(VIX 变动、买卖价差)。第二组是多资产响应清单:

  • 股票:指数表现(S&P 500、Nasdaq、Dow、Russell 2000)、板块轮动、个股异动、成长 vs 价值与大 vs 小的分化
  • 固定收益:2Y/10Y/30Y 收益率、曲线形态(陡峭化/平坦化/倒挂)、信用利差(IG、HY)、TIPS 盈亏平衡通胀
  • 商品:能源(WTI、Brent、天然气)、贵金属(金、银)、基本金属(铜、铝)、农产品(小麦、玉米、大豆,如相关)
  • 汇率:DXY、EUR/USD、USD/JPY、GBP/USD、新兴市场货币、避险货币(JPY、CHF)
  • 衍生品:VIX、期权活动(Put/Call 比率、异常成交量)、期货持仓

第三组是与历史模式的对比,分四类定性:

类型 定义 示例 需追查什么
Consistent 与历史模式一致 加息 → 科技股跌、美元涨 无需特别追查
Amplified 超出典型幅度 通胀超预期 0.3% 却引发两倍于常态的抛售 仓位、情绪、累积因素
Dampened 弱于历史幅度 地缘事件后油价几乎没动 是否已被定价、是否有对冲因素
Inverse 方向相反 利好被无视、利空反而上涨 「利好即利空」逻辑、降息预期

第四组是异常识别与情绪指标:市场对通常重磅的消息无反应、对通常轻微的消息过度反应、传染未如期扩散、避险资产失效(相关性断裂);以及 Risk-On / Risk-Off 主导状态、拥挤交易是否在解除、后续交易时段是否有跟随或反转。

Step 5:相关性、因果与传导路径

Step 5 处理 10 日窗口内多事件并存时的归因难题(SKILL.md),把事件交互分为四类:

  • 同向强化(Reinforcing):鹰派 FOMC + 高通胀 CPI,同为股市利空,合力往往非线性放大(大于各自之和)
  • 相互抵消(Offsetting):强财报(正)与地缘紧张(负)并存,净反应平淡,需判断哪一因素占主导
  • 顺序传导(Sequential):第一次加息反应温和、第二次反应剧烈(累积紧缩担忧),存在路径依赖
  • 时间巧合(Coincidental):事件无关但同期发生,个体影响难以剥离,必须标注归因不确定性

地缘事件还要求按 geopolitical_commodity_correlations.md 做专项映射:能源看冲突/制裁到供给中断风险的传导并区分「实际 vs 恐慌」供给冲击与「短暂尖峰 vs 持续抬升」;贵金属看避险流与真实利率驱动、央行购金;工业金属看经济放缓导致的需求破坏与供应链中断、中国因素;农产品看黑海粮食出口、天气叠加、粮食安全政策。

传导机制被拆成四条通道,这是「因果纪律」的可操作化:

通道 逻辑链 示例
直接通道 新闻 → 资产价格即时反应 OPEC 减产 → 油价立刻上涨
间接通道 新闻 → 经济影响 → 资产价格 加息 → 房贷利率上升 → 地产放缓 → 建商股下跌
情绪通道 新闻 → 风险偏好切换 → 广泛再配置 银行危机 → 避险 → 美债涨、股票跌
反馈回路 初始反应引发次生效应 抛售 → 追缴保证金 → 强制平仓 → 更深抛售

Step 6:用固定骨架产出可引用的报告

报告模板是一份完整的 Markdown 契约(SKILL.md),其骨架为:

# Market News Analysis Report - [Date Range]
## Executive Summary                # 3-4 句:区间、事件数、主导主题、Top1-2 事件
## Market Impact Rankings            # 按 Impact Score 降序的表格
   | Rank | Event | Date | Impact Score | Asset Classes Affected | Market Reaction |
## Detailed Event Analysis           # 每个事件一节,按名次排列
   ### [Rank]. [Event Name] (Impact Score: [X])
   **Event Date:** / **Event Type:** / **News Source:**
   #### Event Summary
   #### Market Reaction
       **Immediate (Day-of):** Equities / Bonds / Commodities / Currencies / Volatility
       **Follow-Through (Subsequent Sessions):**
       **Pattern Comparison:** Expected / Actual vs Expected / Explanation of Deviation
   #### Impact Assessment Detail
       **Asset Price Impact:** / **Breadth:** / **Forward Significance:**
       **Calculated Score:** ([Price Score] × [Breadth Multiplier]) × [Forward Modifier] = [Total]
   #### Sector-Specific Impacts
   #### Geopolitical-Commodity Correlation Analysis   # 仅地缘事件
## Thematic Synthesis
   ### Dominant Market Narrative
   ### Interconnected Events
   ### Market Regime Assessment        # Risk Appetite + 证据 + 板块轮动
   ### Anomalies and Surprises
## Commodity Market Deep Dive        # Energy / Precious Metals / Base Metals / Agricultural
## Forward-Looking Implications
   ### Market Positioning Insights
   ### Upcoming Catalysts
   ### Risk Scenarios                # 3-5 个,含概率与潜在影响
## Data Sources and Methodology
   ### News Sources Consulted         # 按层级列出
   ### Analysis Period                # Start / End / Total Days: 10
   ### Market Data
   ### Knowledge Base References      # 四个 reference 文件
*Analysis Date: [Date report generated]*
*Language: English*
*Analysis Thinking: English*

文件命名规则为 market_news_analysis_<a href="https://link.gitcode.com/i/2d84a5a6f444afe5be804952734b7369" target="_blank">START_DATE]_to_[END_DATE].md,文档给出的示例是 market_news_analysis_2024-10-25_to_2024-11-03.md([SKILL.md)。由于 Data Sources and Methodology 段落强制列出分析区间、来源层级与所用知识库文件,这份报告天然具备可复现性——他人可以按同一区间、同一来源层级重跑并比对分数。

报告质量标准共 6 条:客观以事实为基础(除概率加权情景外不做推测)、用具体百分比量化价格波动、主要论断需注明来源、区分相关与因果、无法确证归因时明确承认不确定性、术语规范且全程英文。

十条分析原则与五类常见陷阱

文档把方法论浓缩为 10 条原则(SKILL.md),每一条都对应上面的某个具体机制:

  1. 影响优先于噪音——对应 Step 1 的过滤准则与 Step 4 的 >5 分门槛
  2. 多资产视角——股、债、商品、汇率四类同时看,才能判定广度乘数
  3. 模式识别——与历史先例对比,同时标注本次的独特之处
  4. 因果纪律——严格区分「新闻驱动」与「时间巧合」
  5. 前瞻导向——重点在未来含义,而非复盘描述
  6. 客观性——把「市场发生了什么」与「我认为应该发生什么」分开
  7. 量化——用 % 与 bps,而不是"显著""大幅"
  8. 来源可信度——官方与一线媒体权重高于传闻
  9. 广度分析——个股波动只有在超大型或系统性信号下才算重要
  10. 英文一致性——思考、分析、输出统一英文

五类陷阱(SKILL.md)则是对应失效模式:

陷阱 表现 文档给出的对策
过度归因(Over-Attribution) 把每次波动都当作新闻驱动 承认技术面、资金流、月末再平衡等因素;归因不确定时明说
近因偏差(Recency Bias) 把最新当成最重要 按实际影响力排序,而非时间顺序
后见之明(Hindsight Bias) 把「事后显然」当成「当时可预期」 对照共识预期与实际结果
单因子分析 忽略多因素同时作用 承认交互效应
忽视量级 把超预期 0.1% 与 0.5% 等同 量化 surprise 幅度

最后一条尤其重要:market_event_patterns.md 把「通胀超预期 ±0.2%」定义为 Tier 1 门槛,而陷阱清单要求区分 0.1% 与 0.5%——两者结合才构成一个可操作的「超预期强度」判据。

工程化落地:契约、编排与两个版本的差异

契约测试锁定的三条不变量

skills/market-news-analyst/scripts/tests/test_skill_contract.py 用三个测试把提示词的关键行为固定下来:

  • test_frontmatter_identifies_market_news_skill:name 必须为 market-news-analyst,description 必须含 market-moving news 与 past 10 days
  • test_reference_knowledge_base_is_present_and_named:四个 reference 文件(market_event_patterns.md、trusted_news_sources.md、geopolitical_commodity_correlations.md、corporate_news_impact.md)必须实际存在,且路径字符串必须出现在 SKILL.md 正文中——防止出现「文档引用了不存在的知识库」这种静默失效
  • test_prompt_contract_requires_recency_sources_and_impact_ranking:正文必须同时包含 past 10 days、Recommended News Sources、publication dates、Impact Magnitude Assessment、ranked by market impact significance

这五个字符串就是该技能的最小行为契约:时间窗、来源优先级、发布日期校验、影响评估、按影响力排序。任何人改动 SKILL.md 时若删掉其中一项,CI 会直接失败。

两处 SKILL.md 的差异:主技能已把打分细则外移

仓库里存在两份内容不同的 market-news-analyst 定义:

迁移目标文件在开头明确标注了来源,例如 impact_assessment_framework.md 首行为 Step 3 detail, moved verbatim from SKILL.md.,correlation_causation_assessment.md、reference_index.md 同理。主技能还补了两条对使用者的重要说明:

  • Prerequisites:需要 WebSearch 与 WebFetch 可用;不需要 API Key;不强制金融术语基础
  • Output:该技能在对话中输出「会话式指导」,完整工作流执行时生成 Markdown 报告(格式见 Step 6),可按用户要求保存到 reports/ 目录;默认不自动写文件

「默认不写文件」这一点常被误解,因为在 weekly-trade-strategy 示例中,写入动作是由上层 agent 而非技能本身完成的。

Agent 编排:技能只是 Phase 1

在示例项目中,真正调用该技能的是 market-news-analyzer agent,它把分析拆成两个阶段:

Phase 1: 回顾(过去 10 天)→ Skill(market-news-analyst)
Phase 2: 前瞻(未来 7 天) → Skill(economic-calendar-fetcher) + Skill(earnings-calendar)

该 agent 的操作规范里明确要求「必须使用全部三个技能」,并在自检清单中逐项打勾:覆盖 10 日回顾、识别未来 7 日重大事件、为每个事件给出情景分析与概率、单一事件的概率之和为 100%、同时覆盖短期与中期影响、输出合法 Markdown。

最终输出位置由 agent 指定为 reports/YYYY-MM-DD/market-news-analysis.md,且要求正文使用日语、技术术语保留英文。这就解释了一个容易困惑的现象:技能本身强制英文输出,而交付物可以是日文——语言约束作用于技能内部的「思考与分析」,呈现层语言由调用方决定。

在四步流水线中的位置

examples/weekly-trade-strategy/CLAUDE.md 把整条链路定义为 4 步(第 5 步 Druckenmiller 中长期战略为可选项),新闻分析是第 3 步:

charts/YYYY-MM-DD/
  └─> [technical-market-analyst] ──> reports/YYYY-MM-DD/technical-market-analysis.md
            ├─> [us-market-analyst] ──> reports/YYYY-MM-DD/us-market-analysis.md
            │        ├─> [market-news-analyzer] ──> reports/YYYY-MM-DD/market-news-analysis.md
            └────────┴───────────────┴─> [weekly-trade-blog-writer] ──> blogs/YYYY-MM-DD-weekly-strategy.md

关键点在于输入依赖:新闻分析要读取前两步的技术面与市场环境报告作为上下文,避免脱离当前市场阶段谈新闻影响;而它的输出又是最终博客(200–300 行、面向兼业交易者)的三大输入之一。CLAUDE.md 还给这条链路加了一条纪律性约束:博客的板块配比相对上周变动需控制在 ±10–15% 以内,避免新闻分析结论导致仓位剧烈跳变。

在通用工作流中的位置

在 workflows/multi-asset-opportunity-daily.yaml 中,该技能是第 3 步的可选环节:

  - step: 3
    name: Scan news + catalyst landscape
    name_ja: ニュースとカタリストの状況を調査する
    skill: market-news-analyst
    optional: true
    consumes:
      - hot_themes
    produces:
      - catalyst_news_brief
    decision_gate: false

它的上游是第 2 步 theme-detector 产出的 hot_themes,下游是第 4 步 trade-hypothesis-ideator 的假设卡片合成,后者是一个 decision_gate: true 的决策关口,其判断问题为「每条假设的第一层(宏观)是否与第二层(主题)一致,且 what-is-priced-in 是否仍然有利」。optional: true 的含义很实际:这是多资产每日扫描中的增强项——若当天没有值得纳入的新闻催化剂,可跳过而不断链,但一旦产出 catalyst_news_brief,它就会参与该关口的三层对齐判断。

实操:在 weekly-trade-strategy 中跑一次分析

按照 CLAUDE.md 的标准流程,先准备目录(在示例项目根目录下执行):

# 创建当周目录(图表与报告分开存放)
mkdir -p charts/2025-11-03
mkdir -p reports/2025-11-03

新闻分析这一步所需的输入是前两步的产出,因此调用提示应显式声明依赖(对应 CLAUDE.md):

market-news-analyzerエージェントでニュースとイベント分析を実行してください。
過去10日間のニュース影響と今後7日間の重要イベントを分析し、
reports/2025-11-03/market-news-analysis.mdに保存してください。

若只想单独使用新闻技能而不要 7 日前瞻,可直接给出更贴近 SKILL.md 触发条件的请求,例如「分析过去 10 天的主要市场新闻并按影响排序」「最新 FOMC 决议如何影响市场」「复盘超大型科技股财报及其市场影响」。这些表述与 description 中的触发短语高度重合,命中率最高。

指定一个具体周期的检索词时,注意把模板里的占位符替换为当前月份/季度,例如 CPI inflation report November、Apple earnings Q4,否则检索会停留在模板字面量上。

使用边界与注意事项

这是知识型技能,不产生数据。 knowledge_only: true 决定了它不会抓取行情、不计算指标、不落盘。所有价格数字来自 WebSearch/WebFetch 检索到的公开报道,因此报告的精度上限等于所引媒体的精度。若要严格复算,需要另外的数据源。

打分只在同一份报告内可比。 Impact Score 是一个相对排序工具,不是绝对风险度量——37.5 分与 18.75 分的差别说明「前者更值得排第一」,不说明前者「风险是后者的两倍」。同时,由于公式的加法/乘法口径在文档中存在不一致(见 Step 3),跨报告比较前必须确认口径一致。

超大型股的量级基准有时效性。 corporate_news_impact.md 中「Magnificent 7 占 S&P 500 约 25–30%」以及各类财报反应的百分比,是特定时期的历史观察,不是恒定参数。使用时应当作「历史参照区间」而非「预测保证」。

英文输出是硬约束。 SKILL.md 在 Overview、Step 1、Step 6 与 Important Notes 中四次重申「分析与思考使用英文」。若你的交付物需要其他语言,应像 market-news-analyzer agent 那样在呈现层做转换,而不是改动技能的语言设定。

归因必须保留不确定性。 文档明确要求「Acknowledge uncertainty when attributing market moves to specific news」,并在 Step 5 把「时间巧合」单列一类。当多个事件同期发生且方向相反时,诚实的做法是标注归因置信度,而非给出一个看似精确的单一结论。

不要修改仓库中的技能文件来适配本地需求。 该仓库为只读参考源;如需调整打分档位或语言,应在自己的项目里复制技能目录后再改,并同步更新 references 中的路径引用,否则 test_reference_knowledge_base_is_present_and_named 这类契约检查会暴露引用断裂。

登录后查看全文
claude-trading-skills