Market News Analyst

# Market News Analyst

## 概述

此技能能够对过去 10 天内影响市场的重大新闻事件进行全面分析，重点关注其对美国股市和大宗商品的影响。该技能利用 WebSearch 和 WebFetch 工具自动从可信来源收集新闻，评估市场影响幅度，分析实际市场反应，并生成按市场影响重要性排序的结构化英文报告。

## 何时使用此技能

在以下情况使用此技能： - 用户请求分析近期重大市场新闻（过去 10 天） - 用户希望了解市场对特定事件的反应（FOMC 决议、财报、地缘政治） - 用户需要包含影响评估的全面市场新闻摘要 - 用户询问新闻事件与大宗商品价格波动之间的相关性 - 用户请求分析央行政策公告如何影响市场

示例用户请求： - "Analyze the major market news from the past 10 days" - "How did the latest FOMC decision impact the market?" - "What were the most important market-moving events this week?" - "Analyze recent geopolitical news and commodity price reactions" - "Review mega-cap tech earnings and their market impact"

## 分析工作流

分析市场新闻时，请遵循以下结构化的 6 步工作流：

### 步骤 1：通过 WebSearch/WebFetch 收集新闻

**目标：** 收集过去 10 天内涵盖重大市场驱动事件的全面新闻。

**搜索策略：**

执行涵盖不同新闻类别的并行 WebSearch 查询：

**货币政策：** - Search: "FOMC meeting past 10 days", "Federal Reserve interest rate", "ECB policy decision", "Bank of Japan" - Target: 央行决策、前瞻性指引变化、通胀评论

**通胀/经济数据：** - Search: "CPI inflation report [current month]", "jobs report NFP", "GDP data", "PPI producer prices" - Target: 主要经济数据发布和意外数据

**巨头财报：** - Search: "Apple earnings [current quarter]", "Microsoft earnings", "NVIDIA earnings", "Amazon earnings", "Tesla earnings", "Meta earnings", "Google earnings" - Target: 最大公司的业绩、指引、市场反应

**地缘政治事件：** - Search: "Middle East conflict oil prices", "Ukraine war", "US China tensions", "trade war tariffs" - Target: 影响市场的冲突、制裁、贸易争端

**大宗商品市场：** - Search: "oil prices news past week", "gold prices", "OPEC meeting", "natural gas prices", "copper prices" - Target: 供应中断、需求转变、价格波动

**企业新闻：** - Search: "major M&A announcement", "bank earnings", "tech sector news", "bankruptcy", "credit rating downgrade" - Target: 巨头公司以外的大型企业事件

**推荐新闻来源（优先级顺序）：** 1. 官方来源：FederalReserve.gov, SEC.gov (EDGAR), Treasury.gov, BLS.gov 2. 一级财经新闻：Bloomberg, Reuters, Wall Street Journal, Financial Times 3. 专业来源：CNBC（实时）、MarketWatch（摘要）、S&P Global Platts（大宗商品）

**搜索执行：** - 使用 WebSearch 进行广泛的主题搜索 - 使用 WebFetch 获取来自官方来源或主要新闻机构的特定 URL - 收集发布日期以确保新闻在 10 天窗口内 - 记录：事件日期、来源、标题、关键细节、市场背景（盘前、交易时段、盘后）

**筛选标准：** - 专注于一级市场驱动事件（见 references/market_event_patterns.md） - 优先考虑具有明确市场影响（价格波动、成交量激增）的新闻 - 排除：特定小盘股新闻、次要产品更新、例行备案

在整个收集过程中请用英文思考。记录每条重要新闻条目： - 日期和时间 - 事件类型（货币政策、财报、地缘政治等） - 来源可靠性层级 - 初始市场反应（如可观察到）

### 步骤 2：加载知识库参考

**目标：** 访问领域专业知识以指导影响评估。

根据收集的新闻类型加载相关参考文件：

**始终加载：** - `references/market_event_patterns.md` - 所有主要事件类型的综合模式 - `references/trusted_news_sources.md` - 来源可信度评估

**有条件加载（基于收集的新闻）：**

如果发现**货币政策新闻**： - 重点关注：market_event_patterns.md → 央行货币政策事件部分 - 关键框架：加息/降息反应、QE/QT 影响、鹰派/鸽派基调

如果发现**地缘政治事件**： - 加载：`references/geopolitical_commodity_correlations.md` - 重点关注：能源大宗商品、贵金属、与事件匹配的区域框架

如果发现**巨头财报**： - 加载：`references/corporate_news_impact.md` - 重点关注：特定公司部分、板块传染模式

如果发现**大宗商品新闻**： - 加载：`references/geopolitical_commodity_correlations.md` - 重点关注：特定大宗商品部分（石油、黄金、铜等）

**知识整合：**

将收集的新闻与历史模式进行比较，以： - 预测预期的市场反应 - 识别异常（市场反应与历史模式不同） - 评估反应是否为典型幅度或过度反应 - 确定是否按预期发生了传染

### 步骤 3：影响幅度评估

**目标：** 按市场影响重要性对每个新闻事件进行排序。

**影响评估框架：**

对于每个新闻条目，从三个维度进行评估：

**1. 资产价格影响（主要因素）：**

衡量实际或估算的价格波动：

**股市：** - 指数级别：S&P 500, Nasdaq 100, Dow Jones - 严重：当日 ±2%+ - 重大：±1-2% - 适中：±0.5-1% - 轻微：±0.2-0.5% - 可忽略：<0.2%

- 板块级别：特定板块 ETF - 严重：±5%+ - 重大：±3-5% - 适中：±1-3% - 轻微：<1%

- 个股级别：巨头公司 - 严重：±10%+（且指数权重导致指数波动） - 重大：±5-10% - 适中：±2-5%

**大宗商品市场：** - 石油 (WTI/Brent)： - 严重：±5%+ - 重大：±3-5% - 适中：±1-3%

- 黄金： - 严重：±3%+ - 重大：±1.5-3% - 适中：±0.5-1.5%

- 基本金属（铜等）： - 严重：±4%+ - 重大：±2-4% - 适中：±1-2%

**债券市场：** - 10 年期国债收益率： - 严重：当日 ±20bps+ - 重大：±10-20bps - 适中：±5-10bps

**货币市场：** - 美元指数 (DXY)： - 严重：±1.5%+ - 重大：±0.75-1.5% - 适中：±0.3-0.75%

**2. 影响广度（乘数）：**

评估受影响的市场/板块数量：

- **系统性（3 倍乘数）：** 多种资产类别、全球市场 - 示例：FOMC 意外、银行业危机、重大战争爆发

- **跨资产（2 倍乘数）：** 股票 + 大宗商品，或股票 + 债券 - 示例：通胀意外、地缘政治供应冲击

- **全行业（1.5 倍乘数）：** 整个行业或相关行业 - 示例：科技股财报集群、能源政策公告

- **个股特定（1 倍乘数）：** 单家公司（除非是有指数影响的巨头） - 示例：个别公司财报、并购

**3. 前瞻性意义（修正值）：**

考虑未来影响：

- **制度转变（+50%）：** 根本性市场结构转变 - 示例：美联储从加息转向降息、重大地缘政治重组

- **趋势确认（+25%）：** 强化现有轨迹 - 示例：连续强劲的通胀数据、持续的财报超预期

- **孤立事件（0%）：** 一次性事件，前瞻信号有限 - 示例：范围内的单个数据点、公司特定问题

- **反向信号（-25%）：** 与主流叙事相矛盾 - 示例：市场忽略利好消息、坏消息反而上涨

**影响评分计算：**

``` 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 ```

**计算示例：**

**FOMC 加息 75bps（鹰派基调）：** - 价格影响：S&P 500 -2.5%（严重 = 10 分） - 广度：系统性（股票、债券、美元、大宗商品均波动）= 3x - 前瞻：趋势确认（持续紧缩）= +25% - **得分：(10 × 3) × 1.25 = 37.5**

**NVIDIA 财报超预期：** - 价格影响：NVDA +15%，Nasdaq +1.5%（严重 = 10 分） - 广度：全行业（半导体、广义科技）= 1.5x - 前瞻：趋势确认（AI 需求）= +25% - **得分：(10 × 1.5) × 1.25 = 18.75**

**地缘政治爆发（中东）：** - 价格影响：石油 +8%，S&P -1.2%（严重 = 10 分） - 广度：跨资产（石油、股票、黄金）= 2x - 前瞻：孤立事件（未升级）= 0% - **得分：(10 × 2) × 1.0 = 20**

**单一股票财报（非巨头）：** - 价格影响：股票 +12%，无指数影响（重大 = 7 分） - 广度：个股特定 = 1x - 前瞻：孤立 = 0% - **得分：(7 × 1) × 1.0 = 7**

**排名：**

对所有新闻条目评分后，按影响得分从高到低排序。这将决定报告顺序。

### 步骤 4：市场反应分析

**目标：** 分析市场实际上如何对每个事件做出反应。

对于每个重要新闻条目（影响得分 >5），进行详细的反应分析：

**即时反应（日内）：** - 方向：积极、消极、混合 - 幅度：与价格影响类别一致 - 时机：盘前、交易时段、盘后 - 波动性：VIX 波动、买卖价差

**多资产反应：**

**股票：** - 指数表现（S&P 500, Nasdaq, Dow, Russell 2000） - 板块轮动（哪些板块跑赢/跑输） - 个股走势（巨头、相关公司） - 成长 vs 价值、大盘 vs 小盘的分化

**固定收益：** - 国债收益率（2Y, 10Y, 30Y） - 收益率曲线形态（变陡、趋平、倒挂） - 信用利差（IG, HY） - TIPS 盈亏平衡通胀率（通胀预期）

**大宗商品：** - 能源：石油 (WTI, Brent)、天然气 - 贵金属：黄金、白银 - 基本金属：铜、铝（如相关） - 农产品：小麦、玉米、大豆（如相关）

**货币：** - 美元指数 (DXY) - EUR/USD, USD/JPY, GBP/USD - 新兴市场货币 - 避险货币（JPY, CHF）

**衍生品：** - VIX（波动率指数） - 期权活动（看跌/看涨比率，异常成交量） - 期货头寸

**模式对比：**

根据知识库中的预期模式对比观察到的反应：

- **一致：** 反应符合历史模式 - 示例：美联储加息 → 科技股下跌，美元上涨（符合预期）

- **放大：** 反应超出典型模式 - 示例：通胀数据高于共识 +0.3% → 抛售达到典型水平的 2 倍 - 调查：头寸、情绪、累积因素

- **减弱：** 反应弱于历史模式 - 示例：地缘政治事件 → 原油几无波动 - 调查：已计入价格，其他抵消因素

- **反向：** 反应与历史模式相反 - 示例：利好消息被忽视，利空消息引发上涨 - 调查：“利好即是利空”动态，美联储转向预期

**异常识别：**

标记显著偏离模式的反应： - 市场无视了通常会影响市场的消息 - 对通常次要的消息反应过度 - 传染效应未如预期蔓延 - 避险资产失效（相关性破裂）

**情绪指标：**

- 风险偏好开启 vs 风险偏好关闭：哪种模式占主导 - 头寸：拥挤交易平仓的证据 - 动量：随后交易日的跟进或反转

### 步骤 5：相关性与因果关系评估

**目标：** 区分直接影响与巧合的时机。

**多事件分析：**

当 10 天内发生多个重大事件时，评估相互作用：

**强化事件：** - 方向性影响相同 - 示例：鹰派 FOMC + 火热 CPI → 均对股票利空，走势放大 - 综合影响通常是非线性的（大于部分之和）

**抵消事件：** - 方向性影响相反 - 示例：强劲盈利（正面）+ 地缘政治紧张局势（负面）→ 净反应减弱 - 确定哪种因素占主导

**连续事件：** - 一个事件为下一个事件奠定了反应基础 - 示例：首次加息反应温和，第二次加息反应剧烈（累积紧缩担忧） - 路径依赖很重要

**巧合时机：** - 事件不相关但同时发生 - 难以分离个别影响 - 注意归因中的不确定性

**地缘政治-大宗商品相关性：**

对于地缘政治事件，专门使用 geopolitical_commodity_correlations.md 分析大宗商品市场反应：

**能源：** - 将冲突/制裁映射到供应中断风险 - 评估实际与担忧的供应影响 - 持续时间：暂时性飙升 vs 持续性高位

**贵金属：** - 避险资金流 vs 实际利率驱动因素 - 黄金对风险偏好关闭事件的反应 - 央行购买的含义

**工业金属：** - 对经济放缓担忧导致的需求破坏 - 供应链中断 - 铜、铝中的中国因素

**农业：** - 黑海粮食出口（俄罗斯-乌克兰） - 天气叠加因素 - 粮食安全政策响应

**传导机制：**

追踪新闻影响如何流经市场：

**直接渠道：** - 新闻 → 资产价格立即反应 - 示例：OPEC 减产 → 石油价格立即上涨

**间接渠道：** - 新闻 → 经济影响 → 资产价格 - 示例：加息 → 抵押贷款利率上升 → 房地产放缓 → 住宅建筑商股票下跌

**情绪渠道：** - 新闻 → 风险偏好转变 → 广泛资产重新配置 - 示例：银行业危机 → 逃向优质资产 → 国债上涨，股票抛售

**反馈循环：** - 初始反应产生次级效应 - 示例：股票抛售 → 追加保证金通知 → 被迫卖出 → 抛售加深

### 步骤 6：报告生成

**目标：** 创建按市场影响排序的结构化英文 Markdown 报告。

**报告结构：**

```markdown # Market News Analysis Report - [Date Range]

## Executive Summary

[3-4 sentences covering:] - Period analyzed (specific dates) - Number of significant events identified - Dominant market theme/regime (risk-on/risk-off, sector rotation) - Top 1-2 highest-impact events

## Market Impact Rankings

[Table format, sorted by Impact Score descending]

| Rank | Event | Date | Impact Score | Asset Classes Affected | Market Reaction | |------|-------|------|--------------|------------------------|-----------------| | 1 | [Event] | [Date] | [Score] | [Equities, Commodities, etc.] | [Brief reaction] | | 2 | ... | ... | ... | ... | ... |

---

## Detailed Event Analysis

[For each event in rank order, provide comprehensive analysis]

### [Rank]. [Event Name] (Impact Score: [X])

**Event Date:** [Date, Time] **Event Type:** [Monetary Policy / Earnings / Geopolitical / Economic Data / Corporate] **News Source:** [Source, with credibility tier]

#### Event Summary [3-4 sentences describing what happened] - Key details (e.g., rate decision, earnings beat/miss magnitude, conflict developments) - Context (was this expected, surprise factor) - Forward guidance or implications stated

#### Market Reaction

**Immediate (Day-of):** - **Equities:** S&P 500 [+/-X%], Nasdaq [+/-X%], Sector rotation [details] - **Bonds:** 10Y yield [change], credit spreads [movement] - **Commodities:** Oil [+/-X%], Gold [+/-X%], Copper [+/-X%] (if relevant) - **Currencies:** USD [+/-X%], [other relevant pairs] - **Volatility:** VIX [level/change]

**Follow-Through (Subsequent Sessions):** - [Direction: sustained, reversed, or consolidated] - [Additional price action details if significant]

**Pattern Comparison:** - **Expected Reaction:** [Based on historical patterns from knowledge base] - **Actual vs Expected:** [Consistent / Amplified / Dampened / Inverse] - **Explanation of Deviation:** [If applicable, why reaction differed]

#### Impact Assessment Detail

**Asset Price Impact:** [Severe/Major/Moderate/Minor] - [Justification] **Breadth:** [Systemic/Cross-Asset/Sector/Stock-Specific] - [Affected markets] **Forward Significance:** [Regime Change/Trend Confirmation/Isolated/Contrary] - [Rationale]

**Calculated Score:** ([Price Score] × [Breadth Multiplier]) × [Forward Modifier] = [Total]

#### Sector-Specific Impacts

[If relevant, detail which sectors/industries were most affected] - [Sector 1]: [Impact and reason] - [Sector 2]: [Impact and reason] - [Example: Technology -3% (rate sensitivity), Energy +5% (oil price spillover)]

#### Geopolitical-Commodity Correlation Analysis

[Include this section only for geopolitical events] - [Specific commodity affected]: [Price movement] - [Supply/demand mechanism]: [Explanation] - [Historical precedent]: [Comparison to similar past events] - [Expected duration]: [Temporary shock vs sustained impact]

[Repeat detailed analysis for each ranked event]

---

## Thematic Synthesis

### Dominant Market Narrative [Identify overarching theme across the 10-day period] - [E.g., "Persistent inflation concerns dominated despite mixed economic data"] - [E.g., "Tech sector strength drove markets higher despite geopolitical headwinds"]

### Interconnected Events [Analyze how events related or compounded] - [Event A] + [Event B] → [Combined impact analysis] - [Sequential causation if applicable]

### Market Regime Assessment **Risk Appetite:** [Risk-On / Risk-Off / Mixed] **Evidence:** - [Supporting indicators: sector performance, safe haven flows, credit spreads, VIX]

**Sector Rotation Trends:** - [Growth vs Value] - [Cyclicals vs Defensives] - [Outperformers and underperformers]

### Anomalies and Surprises [Highlight unexpected market reactions] 1. [Event]: Market reacted [unexpectedly] because [explanation] 2. [Continue for significant anomalies]

---

## Commodity Market Deep Dive

[Dedicated section for commodity movements]

### Energy - **Crude Oil (WTI/Brent):** [Price level, % change over period, key drivers] - **Natural Gas:** [If significant movement] - **Key Events:** [Specific news impacting energy: OPEC, geopolitics, inventory data]

### Precious Metals - **Gold:** [Price level, % change, safe-haven flows vs real rate dynamics] - **Silver:** [If significant divergence from gold] - **Drivers:** [Geopolitical risk premium, inflation hedging, USD strength]

### Base Metals - **Copper:** [As economic barometer - demand signals] - **Aluminum, Nickel:** [If relevant supply/demand news] - **China Factor:** [Impact of Chinese economic data/policy]

### Agricultural (If Relevant) - **Grains:** [Wheat, Corn, Soybeans - weather, Ukraine conflict impacts]

[For each commodity, reference geopolitical events from main analysis and draw correlations]

---

## Forward-Looking Implications

### Market Positioning Insights [What the news suggests for current market positioning] - [Trend continuation or reversal signals] - [Overvaluation or undervaluation indications] - [Sentiment extremes (complacency or panic)]

### Upcoming Catalysts [Events on horizon that may be set up by recent news] - [Next FOMC meeting expectations post-recent decision] - [Upcoming earnings seasons based on guidance] - [Geopolitical developments to monitor]

### Risk Scenarios [Based on recent news, identify key risks] 1. **[Risk Name]:** [Description, probability, potential impact] 2. **[Risk Name]:** [Description, probability, potential impact] 3. [Continue for 3-5 key risks]

---

## Data Sources and Methodology

### News Sources Consulted [List primary sources used, organized by tier] - **Official Sources:** [e.g., FederalReserve.gov, SEC.gov] - **Tier 1 Financial News:** [e.g., Bloomberg, Reuters, WSJ] - **Specialized:** [e.g., S&P Global Platts for commodities]

### Analysis Period - **Start Date:** [Specific date] - **End Date:** [Specific date] - **Total Days:** 10

### Market Data - Equity indices: [Data sources] - Commodity prices: [Data sources] - Economic data: [Government sources]

### Knowledge Base References - `market_event_patterns.md` - Historical reaction patterns - `geopolitical_commodity_correlations.md` - Geopolitical-commodity frameworks - `corporate_news_impact.md` - Mega-cap impact analysis - `trusted_news_sources.md` - Source credibility assessment

---

*Analysis Date: [Date report generated]* *Language: English* *Analysis Thinking: English*

```

**文件命名约定：** `market_news_analysis_[START_DATE]_to_[END_DATE].md`

示例：`market_news_analysis_2024-10-25_to_2024-11-03.md`

**报告质量标准：** - 客观、基于事实的分析（除概率加权情景外无推测） - 用具体百分比量化价格变动 - 为主要主张引用来源 - 区分相关性和因果关系 - 将市场走势归因于特定消息时，承认不确定性 - 使用正确的金融术语 - 保持全文英语一致

## 关键分析原则

进行市场新闻分析时：

1. **影响优于噪音：** 专注于真正影响市场的消息，过滤掉次要事件 2. **多资产视角：** 跨股票、债券、大宗商品、外汇进行分析以了解全部影响 3. **模式识别：** 与历史先例进行比较，同时注意独特之处 4. **因果关系纪律：** 严谨地归因市场走势到特定消息 vs 巧合时机 5. **前瞻性：** 强调对未来市场行为的影响，而不仅仅是回顾性描述 6. **客观性：** 将市场反应（发生了什么）与个人市场观点（应该发生什么）分开 7. **量化：** 使用具体数字（%、基点）而不是模糊术语（“重大”、“大”） 8. **来源可信度：** 对官方来源和一级新闻的重视程度高于谣言和未经证实的报告 9. **广度分析：** 仅当大盘股或系统性信号时，个股走势才具有重要意义 10. **英语一致性：** 所有思考、分析和输出均使用英语以保持一致性

## 常见陷阱

**过度归因：** - 并非每一个市场走势都是由新闻驱动的（技术面、资金流、月末再平衡都存在） - 承认归因不确定的情况

**近期偏差：** - 最新新闻并不总是最重要的 - 按实际影响排序，而不是按时间顺序

**事后偏差：** - 区分“事后显而易见”与“当时的意外” - 注意共识预期与实际结果

**单因素分析：** - 市场同时响应多个因素 - 承认相互作用效应

**忽略幅度：** - 高于共识 0.1% 的“火热” CPI 与高于 0.5% 的情况不同 - 量化意外因素

## 资源

### references/

**market_event_patterns.md** - 涵盖以下内容的综合知识库： - 央行货币政策事件（FOMC、ECB、BOJ、PBOC） - 通胀数据发布（CPI、PPI、PCE） - 就业数据（NFP、失业率、工资） - GDP 报告 - 地缘政治事件（冲突、贸易战、制裁） - 企业盈利（大盘科技、银行、能源） - 信贷事件和评级变化 - 特定大宗商品事件（OPEC、天气、供应中断） - 衰退指标 - 历史案例研究（2008 年危机、COVID-19、2022 年通胀） - 模式识别框架和情绪分析

**geopolitical_commodity_correlations.md** - 涵盖以下内容的详细相关性： - 能源大宗商品（原油、天然气、煤炭）和地缘政治冲突 - 贵金属（黄金、白银、铂金、钯金）避险动态 - 基本金属（铜、铝、镍、锌）和经济/政治风险 - 农产品（小麦、玉米、大豆）和天气/政策 - 稀土元素和关键矿物（中国主导、供应安全） - 区域地缘政治框架（中东、俄罗斯-欧洲、亚太、拉丁美洲） - 相关性汇总表 - 时间跨度考虑因素

**corporate_news_impact.md** - 大盘股分析框架： - “漂亮七股”科技股（英伟达、苹果、微软、亚马逊、Meta、谷歌、特斯拉） - 金融板块大盘股（摩根大通、美国银行等） - 医疗保健大盘股（联合健康、辉瑞、强生、默克） - 能源大盘股（埃克森美孚、雪佛龙） - 消费必需品大盘股（宝洁、可口可乐、百事可乐） - 工业大盘股（波音、卡特彼勒） - 盈利影响框架、产品发布、并购、监管问题 - 板块传染模式 - 影响幅度框架

**trusted_news_sources.md** - 来源可信度指南： - 一级主要来源（央行、政府机构、SEC） - 二级主要财经新闻（彭博社、路透社、WSJ、FT、CNBC） - 三级专业来源（能源、科技、新兴市场、中国特定、加密货币） - 四级分析和研究（独立研究、央行出版物、智库） - 搜索和聚合工具 - 来源质量评估标准 - 速度与准确性的权衡 - 推荐 10 天分析的搜索策略 - 来源可信度框架 - 需避免的危险信号来源

## 重要说明

- 所有分析思考必须使用英语进行 - 所有输出 Markdown 文件必须使用英语 - 使用 WebSearch 和 WebFetch 工具自动收集新闻 - 专注于 references 中定义的可信新闻来源 - 按影响评分对事件进行排名（价格影响 × 广度 × 前瞻重要性） - 目标分析期：从当前日期起过去的 10 天 - 强调美国股票市场和大宗商品作为主要分析对象 - FOMC 和其他央行政策决策获得最高优先级分析 - 严格区分相关性和因果关系 - 用具体百分比量化所有市场反应 - 根据收集的新闻类型加载适当的参考文件 - 生成按市场影响排名的综合报告（最高影响排在最前）