热点$$$上市公司公告事件驱动Agent：实时抓取+影响研判方案

本文介绍如何构建一个针对上市公司公告的事件驱动Agent，核心功能是实时抓取公告数据，并结合规则与模型对影响进行快速研判。下文从数据源、抓取、解析、研判到输出，分步说明可落地的实现方案。

一、整体架构与数据流

Agent按“采集→清洗→存储→研判→推送”五段流水线运行。关键路径如下：

• 公告源：巨潮资讯网、上交所、深交所、港交所披露易
• 抓取层：requests + APScheduler 或 Scrapy 增量爬虫
• 消息队列：Redis 或 Kafka，端口默认 6379 / 9092
• 研判层：规则引擎 + 轻量级文本分类模型
• 输出层：Webhook 推送到企业微信/钉钉/自建看板

二、实时抓取：从公告源到本地队列

优先使用官方公开接口，避免全站爬取。以巨潮资讯网为例，公告查询接口通常为：

POST http://www.cninfo.com.cn/new/hisAnnouncement/query

关键请求参数包括 stock、searchkey、category、pageNum。建议设置 pageSize=30，轮询间隔 10~30 秒。抓取到新公告后，立即写入 Redis 列表：

import redis, json
r = redis.Redis(host='127.0.0.1', port=6379, db=0)
r.lpush('announcement_queue', json.dumps(item))

注意：对同一股票代码去重，可用 Redis 的 SETNX 以公告ID为键，避免重复处理。

三、公告解析：提取关键字段与正文

公告通常为 PDF 或 HTML。建议先提取元数据，再按需下载正文。元数据字段至少包括：

• 股票代码、股票简称
• 公告标题、公告类型
• 发布日期、公告ID
• 原文链接

正文解析可用 pdfplumber 或 BeautifulSoup。对于标题，直接做关键词匹配即可快速分类。例如：

keywords = {
    '业绩预告': ['业绩预告', '预增', '预减', '扭亏'],
    '重大合同': ['中标', '合同', '订单'],
    '股权变动': ['增持', '减持', '回购', '质押'],
    '风险提示': ['风险提示', '立案', '处罚', '退市']
}

四、影响研判：规则先行，模型补充

研判目标：输出“利好/利空/中性”及影响强度（1~5级）。建议采用两级策略。

第一级：规则引擎

根据公告类型和关键数字直接打分。例如：

• 业绩预增且净利润增幅 > 50%：利好，强度4
• 股东减持比例 > 2%：利空，强度3
• 立案调查：利空，强度5

规则可配置在 YAML 文件中，便于调整。

第二级：文本分类模型

对规则无法覆盖的公告，使用轻量级模型。推荐 FastText 或 TextCNN，输入为公告标题+前200字正文。训练数据可人工标注历史公告。输出类别概率后，与规则结果加权融合。

final_score = 0.6 * rule_score + 0.4 * model_score

五、事件驱动触发与推送

当研判结果满足以下任一条件时，触发推送：

• 影响强度 ≥ 4
• 公告类型为“立案调查”“退市风险”“重大合同”
• 同一股票连续两条利好/利空公告

推送内容包含：股票代码、公告标题、研判结论、强度、原文链接。推送方式可用 Webhook：

c​url -X POST https://your-webhook-url \
  -H 'Content-Type: application/json' \
  -d '{"stock":"000001","title":"...","sentiment":"利好","strength":4}'

六、部署与监控要点

• 使用 Docker 部署抓取与研判服务，端口映射如 5000:5000
• 监控队列长度：LLEN announcement_queue，超过阈值告警
• 日志记录每条公告的处理耗时与研判结果，便于回溯
• 对官方接口设置 User-Agent 和请求间隔，避免被封

七、小结

该Agent的核心在于“实时抓取+规则研判”的闭环。先跑通最小可用版本：抓取巨潮资讯网、解析标题、规则打分、Webhook推送。后续再逐步加入正文解析、模型分类和回测验证。整个方案不依赖复杂基础设施，适合个人或小团队快速落地。