如何使用优矿之“新闻热点”？

来源：https://uqer.io/community/share/55fa68a0f9f06cb1199d44c6

本期讲解如何使用优矿的新闻热点相关API，以及一个“然并卵”的示例策略。

包括：

• 股票新闻热点获取：NewsHeatIndexGet
• 股票新闻情感获取：NewsSentimentIndexGet
• 股票相关新闻获取：NewsByTickersGet

本篇中，我们只研究沪深300成分股。

from quartz.api import set_universe
universe = set_universe("HS300")

1. 获取新闻热点

使用：NewsHeatIndexGet

Type:       function
Definition: DataAPI.NewsHeatIndexGet(exchangeCD='', ticker='', secShortName='', beginDate='', endDate='', secID='', field='', pandas='1')
Docstring:
包含证券相关的新闻热度指数数据，输入一个或多个证券交易代码、起止日期，获取该证券一段时间内的新闻热度指数(即证券当天关联新闻数量占当天新闻总量的百分比(%))。每天更新。（注：1、2014/1/1起新闻来源众多、指数统计有效，2013年及之前的网站来源不全、数据波动大，数据自2004/10/28始；2、新闻量的统计口径为经算法处理后证券关联到的所有常规新闻；3、数据按日更新。)

关键的参数：

• secID: 证券代码列表
• beginDate：新闻搜索开始日期
• endDate：新闻搜索结束日期

data = DataAPI.NewsHeatIndexGet(secID=universe, beginDate="20150916", endDate="20150916")
data.sort('heatIndex', ascending=False).head()

获取的数据列表中，每一行就是对应的证券在某一天的新闻热度（heatIndex)。可以看到9月16日，中信证券（600030）荣登热度排行榜榜首！

2. 获取新闻情感

光知道新闻热度的话不够，我们还需要这道整体的新闻情感（正面or负面？）。

使用：NewsSentimentIndexGet

Type:       function
Definition: DataAPI.NewsSentimentIndexGet(exchangeCD='', ticker='', secShortName='', beginDate='', endDate='', secID='', field='', pandas='1')
Docstring:
包含证券相关的新闻情感指数数据，输入一个或多个证券交易代码、起止日期，获取该证券一段时间内的新闻情感指数(即当天证券关联新闻的情感均值)。（注：1、2014/1/1起新闻来源众多、指数统计有效，2013年及之前的网站来源不全、数据波动大，数据自2004/10/28始；2、新闻量的统计口径为经算法处理后证券关联到的所有常规新闻；3、数据按日更新。)

关键的参数：

• secID: 证券代码列表
• beginDate：新闻搜索开始日期
• endDate：新闻搜索结束日期

data = DataAPI.NewsSentimentIndexGet(secID=universe, beginDate="20150916", endDate="20150916")
data.sort('sentimentIndex', ascending=True).head()

获取的数据列表中，每一行就是对应的证券在某一天的新闻情感（heatIndex)，负数代表负面情感，正数代表正面情感。可以看到9月16日，中信证券（600030）在新闻情感指数榜上排名倒数第二！

3. 股票详细新闻获取

用户如果想更深度的剖析个别新闻对某只证券的影响，可以通过API获取详细的新闻分析列表：

使用：NewsByTickersGet

Type:       function
Definition: DataAPI.NewsByTickersGet(ticker='', secShortName='', secID='', exchangeCD='', beginDate='', endDate='', field='', pandas='1')
Docstring:
包含证券相关的新闻数据，同时可获取针对不同证券的新闻情感数据。输入证券代码或简称、查询的新闻发布起止时间，同时可输入证券交易所代码，获取相关新闻数据，如：新闻ID、新闻标题、发布来源、发布时间、入库时间等。(注：1、自2014/1/1起新闻来源众多、新闻量日均4万左右，2013年及之前的网站来源少、新闻数据量少；2、数据实时更新。)

关键的参数：

• secID: 证券代码列表
• beginDate：新闻搜索开始日期
• endDate：新闻搜索结束日期

我们来试着获取2015年9月16日当天中信证券的相关新闻：

data = DataAPI.NewsByTickersGet(secID='600030.XSHG', beginDate='20150916', endDate='20150916')
data.sort('relatedScore', ascending=False).head(10)

4. 使用新闻数据编写简单策略

策略的指导想法是买入市场关为热点，并且新闻情感为正面的股票。

策略参数：

• 开始日期：2010年1月1日
• 结束日期：2015年9月1日
• 选择域：沪深成分股（2010年1月1日采样）
• 调仓周期：10个交易日
• 买入方法：等权重买入
• 规则：选取热度最高的100支股票，从中再选取情感最高并且为正的20支。

from CAL.PyCAL import *

start = '2010-01-01'                       
end = '2015-09-01'                        
benchmark = 'HS300'                        
universe = set_universe('HS300', start)        
capital_base = 1000000                      
freq = 'd'                              
refresh_rate = 10                         

def initialize(account):                     
    pass

def handle_data(account):                    
    cal = Calendar('China.SSE')
    endDate = cal.advanceDate(account.current_date, '-1b', BizDayConvention.Preceding)
    beginDate = cal.advanceDate(endDate, '-10b', BizDayConvention.Preceding)

    # 获取当前参考期内股票热度
    data = DataAPI.NewsHeatIndexGet(secID=account.universe, beginDate=beginDate.strftime("%Y%m%d"), endDate=endDate.strftime("%Y%m%d"))

    # 只选取热度排名前100的股票
    sortedHeatIndex = data.groupby('secID')[['secID', 'heatIndex']].mean()
    choosenStocks = list(sortedHeatIndex.sort('heatIndex', ascending=False).index[:100].values)

    # 获取选取的50支股票的情感指数
    data = DataAPI.NewsSentimentIndexGet(secID=choosenStocks, beginDate=beginDate.strftime("%Y%m%d"), endDate=endDate.strftime("%Y%m%d"))

    # 只选取正面情感最高的20支股票
    data = data.groupby('secID')[['secID', 'sentimentIndex']].mean()
    sortedSentimentIndex = data.sort('sentimentIndex', ascending=False)
    sortedSentimentIndex = sortedSentimentIndex[sortedSentimentIndex['sentimentIndex'] > 0]
    choosenStocks = list(sortedSentimentIndex.index[:20].values)

    estimtedPortfolioValue = account.referencePortfolioValue

    # 卖出当前持仓
    for s in account.valid_secpos:
        order_to(s, 0)

    # 等比例买入选择股票
    for s in choosenStocks:
        order(s, int(estimtedPortfolioValue / len(choosenStocks) / account.referencePrice[s] / 100.)*100)

看来这么简单的想法确实是“然并卵”！