--- name: financial-event-impact-analyzer description: "Analyze historical impact of financial events on related assets. Kensho-style event-driven analysis. Use when: asking about asset reactions to events (oil surge, gold rise, rate hikes), historical precedent analysis, causal indicator relationships. Outputs Chinese reports and charts." dependencies: - python3 - pandas - numpy - matplotlib - yfinance - tushare (TUSHARE_TOKEN env variable) - chinese-fonts: SimHei / WenQuanYi Micro Hei / Noto Sans CJK SC env: TUSHARE_TOKEN: required: true description: "Tushare Pro API Token for Chinese A-share market data. Register at: https://tushare.pro/register" sensitive: true FRED_API_KEY: required: false description: "FRED API Key for US macroeconomic data (optional). Register at: https://fred.stlouisfed.org/docs/api/api_key.html" sensitive: true --- # Financial Event Impact Analyzer (金融事件影响分析器) ## Overview 分析特定金融事件发生时相关资产的历史表现。类似 Kensho 的事件驱动分析：识别事件 → 查找历史先例 → 推论相关资产 → 分析历史表现。 **输出**: 中文分析报告 + 中文标注图表 --- ## 环境依赖 ### ⚠️ 前置检查（重要） **每次执行前必须检查**: | 检查项 | 命令 | 失败修复 | |--------|------|---------| | **中文字体** | `fc-list :lang=zh family` | `sudo apt install fonts-wqy-microhei fonts-noto-cjk` | | **TUSHARE_TOKEN** | `echo $TUSHARE_TOKEN` | 在 ~/.bashrc 中设置 | | **输出目录** | `mkdir -p memory/reports/` | 确保有写权限 | **自动检查**: `generate_charts.py` 会自动执行前置检查，输出结果。 ### Python 包依赖 ```bash pip install yfinance pandas numpy matplotlib tushare ``` ### 🔤 中文字体依赖（重要）图表使用中文标注，需要系统安装中文字体： | 系统 | 安装命令 | |------|---------| | **Ubuntu/Debian** | `sudo apt install fonts-wqy-microhei fonts-noto-cjk` | | **CentOS/RHEL** | `sudo yum install wqy-microhei-fonts` | | **macOS** | 系统自带 PingFang SC / Heiti SC | | **Windows** | 系统自带 SimHei（黑体） | **验证字体**: ```bash # 查看可用中文字体 fc-list :lang=zh family # matplotlib 查找字体 python3 -c "import matplotlib.font_manager; print([f.name for f in matplotlib.font_manager.fontManager.ttflist if 'Hei' in f.name or 'Noto' in f.name])" ``` **备选字体优先级**: 1. `SimHei` (黑体，Windows/macOS) 2. `WenQuanYi Micro Hei` (Linux常用) 3. `Noto Sans CJK SC` (现代Linux) 4. `PingFang SC` (macOS) ### 数据源环境变量 ```bash export TUSHARE_TOKEN="your_token_here" # 注册: https://tushare.pro export FRED_API_KEY="your_key_here" # 可选，用于 FRED 数据 ``` --- ## Workflow（10步工作流程） ### Step 0: 创建分析输出目录 ⭐ 重要 **目标**: 创建本次分析的专用输出文件夹，放置在 **workspace** 目录下，避免污染 skill 目录。 **命名规则**: `__` - 例如: `brent_crude_20260328_increase` **输出目录**: `~/.openclaw/workspace/memory/reports//` **目录结构**: ``` ~/.openclaw/workspace/memory/reports/brent_crude_20260328_increase/ ├── data/ # 中间数据文件 │ ├── brent_crude.json │ ├── xle.json │ └── jets.json │ └── ... ├── charts/ # 图表文件 │ ├── brent_crude_vs_xle.png │ ├── brent_crude_vs_jets.png │ ├── performance_summary.png │ ├── event_matrix_heatmap.png │ └── charts_manifest.json ├── events.json # 相似事件列表 ├── related.json # 相关资产推论 ├── performance.json # 表现分析结果 └── report.md # 最终分析报告 ``` **执行**: ```bash # 创建输出目录（使用 workspace 绝对路径） OUTPUT_DIR="$HOME/.openclaw/workspace/memory/reports/brent_crude_20260328_increase" mkdir -p "${OUTPUT_DIR}/data" "${OUTPUT_DIR}/charts" ``` --- ### Step 1: 识别表征指标 **目标**: 将用户的事件描述映射到具体指标。 **事件 → 指标映射表**: | 事件类型 | 表征指标 | |---------|---------| | 油价暴涨/暴跌 | `brent_crude` 或 `wti_crude` | | 黄金价格变动 | `gold` | | 利率变化 | `us_10y_treasury` 或 `fed_funds_rate` | | VIX/波动率飙升 | `vix` | | 美元走强/走弱 | `usd_index` | | 通胀变化 | `cpi_us` | | 衰退信号 | `unemployment_us` | | 美联储缩表 | `fed_funds_rate` + `us_10y_treasury` | **执行**: ```bash python scripts/fetch_indicator_data.py --list ``` ### Step 2: 获取历史数据 **目标**: 获取表征指标 30+ 年时序数据。 **执行**: ```bash python scripts/fetch_indicator_data.py --years 30 --output ${OUTPUT_DIR}/data/.json --json ``` ### Step 3: 提取当前事件特征 **目标**: 量化当前事件（变动幅度、方向、波动率）。 **执行**: ```bash python scripts/find_similar_events.py --data ${OUTPUT_DIR}/data/.json --output ${OUTPUT_DIR}/events.json ``` ### Step 4: 查找历史相似事件已在 Step 3 完成，`events.json` 包含相似事件列表。 ### Step 5: 推论相关资产（多经济体分析） ⭐ 核心改动 **目标**: 基于因果关系确定受影响资产，覆盖多个经济体，**不仅限于可交易的金融资产标的**。 **因果分析框架（扩展）**: | 维度 | 说明 | 示例 | |------|------|------| | **上下游** | 供应链传导效应 | 油价→能源股(受益)→航空股(受损) | | **替代效应** | 替代产品/服务 | 油价涨→电动车需求↑ | | **互补效应** | 联合需求模式 | 油价涨→天然气联动 | | **金融关联** | 资本流动、风险情绪 | 美股波动→A股联动 | | **多经济体传导** ⭐ 核心 | 跨市场传导 | 美元走强→新兴市场资本流出 | | **宏观经济指标** ⭐ 核心 | 非交易性指标传导 | 油价暴涨→各国CPI/PPI/M2变化 | **多经济体分析范围** ⭐ 核心改动（必须覆盖）: | 经济体 | 分析范围 | 具体指标 | 获取方式 | |-------|---------|---------|---------| | **中国** | 股指 + 宏观 + 利率 + 货币 + 汇率 | 沪深300/创业板、CPI/PPI/GDP/PMI、LPR、M2/M1、USD/CNY | Tushare | | **日本** | 股指 + 利率 + 汇率 + 宏观 | 日经225/TOPIX、10Y国债、USD/JPY、GDP/CPI/M2 | Yahoo Finance / FRED | | **韩国** | 股指 + 汇率 + 宏观 | KOSPI/KOSDAQ、USD/KRW、GDP/CPI | Yahoo Finance / FRED | | **欧洲** | 股指 + 利率 + 汇率 + 宏观 | 斯托克50/DAX/CAC40/富时100、德国10Y、EUR/USD、GDP/CPI/M2 | Yahoo Finance / FRED | | **亚太新兴** | 股指 + 汇率 | 恒生指数、印度Nifty、东南亚指数、汇率 | Yahoo Finance | **⚠️ 强制要求**: 每次分析必须覆盖以上所有经济体的**股市、宏观经济指标、利率、货币发行量、汇率**等维度，不仅限于可交易的金融资产标的（ETF、股票）。 **多经济体因果映射** (详见 `references/indicator_mapping.md`): | 事件类型 | 中国影响 | 日本影响 | 韩国影响 | 欧洲影响 | |---------|---------|---------|---------|---------| | **油价暴涨** | 能源股受益，航空化工受损 | 能源股受益，制造业受损 | 能源股受益，化工受损 | 能源股受益，航空汽车受损 | | **美元走强** | 出口股受益，资本流出压力 | 出口股受益，日元贬值 | 出口股受益，韩元贬值 | 出口股受益，欧元贬值 | | **利率上升** | 银行保险受益，成长股受损 | 银行股受益 | 银行股受益 | 银行股受益，地产股受损 | | **通胀上升** | 抗通胀资产受益 | 通胀摆脱通缩 | 抗通胀资产受益 | 抗通胀资产受益 | | **VIX飙升** | 防守板块受益，成长股受损 | 防守板块受益 | 防守板块受益 | 防守板块受益 | **执行**: ```bash python scripts/infer_related_assets.py --indicator --direction --multi-economy --output ${OUTPUT_DIR}/related.json ``` **输出格式扩展**: ```json { "benefited": [ {"indicator": "xle", "reason": "能源ETF直接受益", "economy": "US"}, {"indicator": "csi300_energy", "reason": "中国能源板块受益", "economy": "China"}, {"indicator": "nikkei225_energy", "reason": "日本能源股受益", "economy": "Japan"} ], "harmed": [ {"indicator": "jets", "reason": "航空ETF燃油成本上升", "economy": "US"}, {"indicator": "csi300_airline", "reason": "中国航空股成本上升", "economy": "China"}, {"indicator": "dax_auto", "reason": "德国汽车股成本上升", "economy": "Europe"} ], "macro_indicators": [ {"indicator": "cpi_china", "reason": "油价上涨推升中国CPI", "economy": "China"}, {"indicator": "cpi_eurozone", "reason": "油价上涨推升欧元区CPI", "economy": "Europe"} ] } ``` ### Step 6: 分析历史表现 **目标**: 计算每类资产在各历史事件期间的表现。 **执行**: ```bash # 先获取所有相关指标数据 for indicator in $(cat ${OUTPUT_DIR}/related.json | jq -r '.benefited[].indicator, .harmed[].indicator'); do python scripts/fetch_indicator_data.py $indicator --years 30 --output ${OUTPUT_DIR}/data/$indicator.json --json done # 分析各事件期间表现 python scripts/analyze_related_performance.py \ --events ${OUTPUT_DIR}/events.json \ --related ${OUTPUT_DIR}/related.json \ --data-dir ${OUTPUT_DIR}/data \ --output ${OUTPUT_DIR}/performance.json ``` ### Step 7: 生成图表（前置检查） ⭐ 核心改动 **目标**: 可视化时序对比和表现统计，确保中文不乱码，X轴标签不重叠。 **前置检查项**: | 检查项 | 要求 | 失败处理 | |--------|------|---------| | **中文字体** | WenQuanYi/SimHei/Noto CJK 可用 | 安装 fonts-wqy-microhei | | **输出目录** | 写权限正常 | 检查目录权限 | | **matplotlib** | 已安装 | pip install matplotlib | **图表规范**（核心改动）: | 图表类型 | 内容 | 格式 | 要求 | |---------|------|------|------| | **时序对比图** | 每类资产单独一张，双Y轴叠加 | 中文标题/标签 | ⭐ **强制每一项生成单独图表** | | **表现汇总图** | 各资产平均收益对比 | 中文标注 | - | | **事件矩阵图** | 资产×事件收益矩阵 | 中文热力图 | - | **时序对比图增强功能** ⭐ 核心改动: - ✅ **红色虚线方框**：标记过往同类事件发生时间区间 - ✅ **虚线框高度覆盖整个Y轴区域**：从Y轴底部到顶部，**不能仅覆盖表征指标的数值区域** - ✅ **事件标签**：显示事件编号和涨跌幅 - ✅ **X轴自适应**：根据数据跨度自动调整刻度间隔，避免标签重叠 - ✅ **图表宽度自适应**：长时间跨度使用更宽图表 **⚠️ 强制要求**: - **每一项相关指标都必须生成单独的时序对比图**（不能合并或省略） - **红色虚线框必须覆盖整个Y轴区域**（从底部到顶部），而非仅覆盖数值范围 **技术实现说明**（关键代码）: ```python # ⭐ 核心技术：使用 ax.get_xaxis_transform() 让矩形覆盖整个Y轴区域 rect = plt.Rectangle( (mdates.date2num(start_date), 0), # Y=0（图表底部） mdates.date2num(end_date) - mdates.date2num(start_date), 1, # Y高度=1（从底部到顶部，覆盖整个图表区域） transform=ax1.get_xaxis_transform(), # ⭐ 关键：X轴数据坐标，Y轴axes坐标(0-1) clip_on=False # 允许超出轴边界 ) ``` **原理**: `ax.get_xaxis_transform()` 使用混合坐标系： - X轴：数据坐标（实际日期） - Y轴：axes坐标（0-1，覆盖整个图表高度）这样矩形会覆盖整个Y轴区域，无论表征指标的实际数值范围如何。 **X轴间隔自适应规则**: | 数据跨度 | 刻度间隔 | |:--------:|:--------:| | ≤12个月 | 每月 | | ≤24个月 | 每季度 | | ≤60个月 | 半年 | | ≤120个月 | 每年 | | >120个月 | 每两年 | **执行**: ```bash python scripts/generate_charts.py \ --primary-indicator \ --primary-data ${OUTPUT_DIR}/data/.json \ --events ${OUTPUT_DIR}/events.json \ --related ${OUTPUT_DIR}/related.json \ --performance ${OUTPUT_DIR}/performance.json \ --output-dir ${OUTPUT_DIR}/charts ``` --- ### Step 8: 生成报告（嵌入图片） ⭐ 新增 **目标**: 生成完整中文分析报告，将所有时序对比图嵌入 Markdown。 **报告结构**: 1. **🎯 核心结论**（优先展示） 2. 当前事件特征 3. 历史相似事件列表 4. 变动幅度表格（从最新到最早） 5. 汇总统计 6. **📈 时序对比图（嵌入Markdown）** ⭐ 新增 7. 📊 表现汇总图 8. 🔥 事件矩阵热力图 9. 分析局限性 **图片嵌入格式**: ```markdown ![图表名称](charts/图表文件.png) ``` **执行**: ```bash python scripts/generate_report.py \ --primary-indicator \ --events ${OUTPUT_DIR}/events.json \ --related ${OUTPUT_DIR}/related.json \ --performance ${OUTPUT_DIR}/performance.json \ --charts-manifest ${OUTPUT_DIR}/charts/charts_manifest.json \ --output-dir ${OUTPUT_DIR} \ --output report.md ``` --- ### Step 9: 展示报告和图表 **目标**: 输出完整中文报告，向 chat 窗口展示报告内容和图表。 **报告结构** (详见 `references/report_template.md`): 1. **🎯 核心结论**（优先展示） 2. 事件概述 3. 当前事件特征 4. 历史相似事件 5. 相关资产推论 6. **历史变动幅度表格**（新增，从最新到最早） 7. 历史表现汇总 8. 图表说明 9. 分析局限性 **展示要求**: 报告生成后，将完整内容输出到 chat 窗口，并附带已生成的图表图片。 --- ## 图表规范详解 ### 1. 时序对比图（每类资产一张） **文件名**: `_vs_.png` **结构**: ``` ┌─────────────────────────────────────────────┐ │ 油价 vs 能源ETF 历史走势对比 │ ← 中文标题 ├─────────────────────────────────────────────┤ │ │ │ ┌───────┐ 红色虚线框 │ │ │事件区间│ 标记历史事件 │ │ └───────┘ │ │ │ │ 左Y轴: 油价(美元/桶) 右Y轴: 能源ETF价格 │ ← 双Y轴中文标注 │ ── 油价曲线 ── ETF曲线 │ │ │ ├─────────────────────────────────────────────┤ │ 时间轴: 2010.01.01 - 2024.12.31 │ ← YYYY.MM.DD 格式 └─────────────────────────────────────────────┘ ``` **颜色规范**: - 🔴 **红色** = 上涨 (+) - 🟢 **绿色** = 下跌 (-) - ⬛ **红色虚线框** = 历史事件区间 ### 2. 变动幅度表格（新增） **格式**: Markdown 表格，按时间从最新到最早排列 | 历史事件 | 时间区间 | 表征指标变动 | 相关资产A | 相关资产B | ... | |---------|---------|-------------|----------|----------|-----| | **事件1**（最新） | 2024.03.15-2024.06.20 | 🔴 +42% | 🔴 +15% | 🟢 -8% | ... | | **事件2** | 2022.02.10-2022.04.05 | 🔴 +38% | 🔴 +12% | 🟢 -5% | ... | | **事件3** | 2020.03.09-2020.04.21 | 🟢 -55% | 🟢 -28% | 🔴 +10% | ... | | ... | ... | ... | ... | ... | ... | **高亮规则**: - 相关性高（同向变动）的单元格加粗显示 - 反向变动的单元格使用不同颜色标记 --- ## 指标映射参考详见 `references/indicator_mapping.md`： | 类别 | 可用指标 | |------|---------| | **大宗商品** | brent_crude, wti_crude, gold, silver, copper, aluminum, natural_gas | | **美股指数** | sp500, nasdaq, dow_jones, russell2000, vix | | **美股行业ETF** | xlk, xle, xlf, xlv, xli, jets, iyr, gdx, tlt | | **外汇** | usd_cny, usd_index, eur_usd | | **美债** | us_10y_treasury, us_2y_treasury | | **FRED宏观** | fed_funds_rate, cpi_us, gdp_us, unemployment_us | | **A股指数** | csi300, sse_composite, chinext, sse50 | --- ## 事件 → 相关资产因果逻辑 ### 油价暴涨 (`oil_price_increase`) | 类别 | 资产 | 效果 | 原因 | |------|------|------|------| | **受益** | 能源ETF (xle) | ↑ | 收入增加 | | **受益** | 黄金 (gold) | ↑ | 通胀对冲 | | **受损** | 航空ETF (jets) | ↓ | 燃油成本增加 | | **受损** | 工业ETF (xli) | ↓ | 能源成本上升 | ### 黄金暴涨 (`gold_price_increase`) | 类别 | 资产 | 效果 | 原因 | |------|------|------|------| | **受益** | 黄金矿业ETF (gdx) | ↑ | 直接受益 | | **受益** | 白银 (silver) | ↑ | 贵金属联动 | | **受损** | 股市 (sp500) | ↓ | 避险信号 | | **受损** | 金融ETF (xlf) | ↓ | 风险规避 | ### 加息 (`interest_rate_increase`) | 类别 | 资产 | 效果 | 原因 | |------|------|------|------| | **受益** | 金融ETF (xlf) | ↑ | 利差扩大 | | **受益** | 美元指数 (usd_index) | ↑ | 资本流入 | | **受损** | 债券ETF (tlt) | ↓ | 利率上升 | | **受损** | REITs (iyr) | ↓ | 融资成本 | | **受损** | 成长股 (nasdaq) | ↓ | 估值压制 | ### VIX飙升 (`vix_increase`) | 类别 | 资产 | 效果 | 原因 | |------|------|------|------| | **受益** | 防守板块 (xlp, xlv) | ↑ | 避险 | | **受益** | 黄金 (gold) | ↑ | 风险规避 | | **受损** | 股市 (sp500) | ↓ | 风险规避 | | **受损** | 金融ETF (xlf) | ↓ | 风险规避 | ### 美联储缩表 (`fed_balance_sheet_reduction`) | 类别 | 资产 | 效果 | 原因 | |------|------|------|------| | **受益** | 美元指数 (usd_index) | ↑ | 流动性收紧 | | **受益** | 金融ETF (xlf) | ↑ | 利差扩大 | | **受损** | 债券ETF (tlt) | ↓ | 收益率上行 | | **受损** | 成长股 (nasdaq) | ↓ | 流动性压制 | --- ## 输出要求 ### 图表 - **语言**: 中文标题、标签、图例 - **时间格式**: YYYY.MM.DD - **颜色**: 🔴 红色 = 上涨 (+)，🟢 绿色 = 下跌 (-) - **事件标记**: 红色虚线框（历史），红色实线框（当前） - **双Y轴**: 左轴表征指标，右轴关联资产 ### 报告 - **语言**: 中文 - **格式**: Markdown 表格 - **结构**: 结论优先 → 详细统计 - **署名**: 🐂 --- ## 示例：油价暴涨分析 **用户输入**: "分析历史上油价快速上涨后各类资产的表现情况" **工作流程**: 1. 创建输出目录 → `~/.openclaw/workspace/memory/reports/brent_crude_20260328_increase/` 2. 识别 → `brent_crude` 3. 获取 → 30年布伦特原油数据 → `${OUTPUT_DIR}/data/brent_crude.json` 4. 提取 → 当前: 90天内+40%（上涨） 5. 查找 → 5次历史油价暴涨事件 → `${OUTPUT_DIR}/events.json` 6. 推论 → 能源ETF(受益)、航空ETF(受损)、黄金(对冲) → `${OUTPUT_DIR}/related.json` 7. 分析 → 各资产在各历史事件期间的收益 → `${OUTPUT_DIR}/performance.json` 8. 图表 → 时序对比图(每类资产一张)、表现汇总图 → `${OUTPUT_DIR}/charts/` 9. 报告 → 中文分析报告 + 变动幅度表格 → `${OUTPUT_DIR}/report.md` --- ## 参考文件 - `references/indicator_mapping.md`: 完整指标列表和数据源 - `references/report_template.md`: 中文报告模板结构

Financial Event Historical Impact Analyzer

Description

Latest Changes

Install Financial Event Historical Impact Analyzer with One Click