# 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。
```py
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
```py
data = DataAPI.NewsHeatIndexGet(secID=universe, beginDate="20150916", endDate="20150916")
data.sort('heatIndex', ascending=False).head()
```
| | secID | exchangeCD | exchangeName | ticker | secShortName | newsPublishDate | heatIndex | insertTime | updateTime |
| --- | --- |
| 125 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 2015-09-16 | 4.726101 | 2015-09-16 01:10:03 | 2015-09-17 13:53:26 |
| 205 | 600837.XSHG | XSHG | 上海证券交易所 | 600837 | 海通证券 | 2015-09-16 | 3.508772 | 2015-09-15 22:05:04 | 2015-09-17 13:53:26 |
| 251 | 601688.XSHG | XSHG | 上海证券交易所 | 601688 | 华泰证券 | 2015-09-16 | 2.685285 | 2015-09-16 01:36:04 | 2015-09-17 13:53:26 |
| 241 | 601398.XSHG | XSHG | 上海证券交易所 | 601398 | 工商银行 | 2015-09-16 | 2.542069 | 2015-09-15 22:30:08 | 2015-09-17 13:53:26 |
| 269 | 601939.XSHG | XSHG | 上海证券交易所 | 601939 | 建设银行 | 2015-09-16 | 2.398854 | 2015-09-15 22:30:08 | 2015-09-17 13:53:26 |
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
```py
data = DataAPI.NewsSentimentIndexGet(secID=universe, beginDate="20150916", endDate="20150916")
data.sort('sentimentIndex', ascending=True).head()
```
| | secID | exchangeCD | exchangeName | ticker | secShortName | newsPublishDate | sentimentIndex | insertTime | updateTime |
| --- | --- |
| 49 | 000831.XSHE | XSHE | 深圳证券交易所 | 000831 | 五矿稀土 | 2015-09-16 | -0.294702 | 2015-09-16 09:20:07 | 2015-09-17 14:03:25 |
| 125 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 2015-09-16 | -0.171486 | 2015-09-16 01:10:03 | 2015-09-17 14:03:25 |
| 171 | 600489.XSHG | XSHG | 上海证券交易所 | 600489 | 中金黄金 | 2015-09-16 | -0.162101 | 2015-09-16 02:05:34 | 2015-09-17 14:03:25 |
| 231 | 601225.XSHG | XSHG | 上海证券交易所 | 601225 | 陕西煤业 | 2015-09-16 | -0.162101 | 2015-09-16 02:05:34 | 2015-09-17 14:03:25 |
| 95 | 002653.XSHE | XSHE | 深圳证券交易所 | 002653 | 海思科 | 2015-09-16 | -0.154720 | 2015-09-15 20:35:05 | 2015-09-17 14:03:25 |
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：
```py
data = DataAPI.NewsByTickersGet(secID='600030.XSHG', beginDate='20150916', endDate='20150916')
data.sort('relatedScore', ascending=False).head(10)
```
| | secID | exchangeCD | exchangeName | ticker | secShortName | newsID | newsTitle | relatedScore | sentiment | sentimentScore | newsPublishSite | newsPublishTime | newsInsertTime |
| --- | --- |
| 71 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14554253 | “股民好伴侣”南方理财金H详细操作指南 | 0.999999 | -1 | -0.028868 | 中国经济网 | 2015-09-16 09:27:00 | 2015-09-16 09:41:30 |
| 106 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14564116 | 嘉实超短债债券：2015年第八次收益分配公告 | 0.999993 | -1 | -0.196649 | 证券之星 | 2015-09-16 13:16:23 | 2015-09-16 13:37:17 |
| 118 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14575307 | 银华交易型货币(ETF)：关于增加东兴证券、中航证券为基金申购赎回代理机构的公告 | 0.999950 | -1 | -0.402002 | 证券之星 | 2015-09-16 16:14:01 | 2015-09-16 16:57:18 |
| 31 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14539393 | 中信证券总经理程博明被查 已有11名骨干被带走 | 0.999950 | -1 | -0.097207 | 新浪财经 | 2015-09-16 02:42:00 | 2015-09-16 03:19:25 |
| 19 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14537527 | 中信三家营业部“重出江湖” 7个交易日买入A股119.49亿元占比近17% | 0.999181 | -1 | -0.133462 | 新浪财经 | 2015-09-16 01:36:00 | 2015-09-16 01:40:36 |
| 33 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14539225 | 中信证券危机应对:火上浇油 | 0.998778 | -1 | -0.253825 | 和讯网 | 2015-09-16 03:14:10 | 2015-09-16 03:16:14 |
| 40 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14551566 | 中信证券事件再升级:总经理被查 遇前所未有危机 | 0.998508 | -1 | -0.225816 | 网易财经 | 2015-09-16 05:01:25 | 2015-09-16 08:58:45 |
| 61 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14548828 | 中信证券事件再升级：总经理程博明被查 | 0.998508 | -1 | -0.221037 | 中国证券网 | 2015-09-16 08:08:43 | 2015-09-16 08:12:59 |
| 129 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14584031 | 复盘中信证券：它曾是证券行业的新一代龙头 | 0.997775 | -1 | -0.008536 | 金融界 | 2015-09-16 21:44:48 | 2015-09-16 21:50:33 |
| 53 | 600030.XSHG | XSHG | 上海证券交易所 | 600030 | 中信证券 | 14549075 | “国家队主攻手”陷救市漩涡 中信证券总经理程博明被调查 | 0.997283 | -1 | -0.159776 | 新华网 | 2015-09-16 07:26:00 | 2015-09-16 08:16:56 |
## 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。
```py
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”！
- Python 量化交易教程
- 第一部分 新手入门
- 一 量化投资视频学习课程
- 二 Python 手把手教学
- 量化分析师的Python日记【第1天：谁来给我讲讲Python？】
- 量化分析师的Python日记【第2天：再接着介绍一下Python呗】
- 量化分析师的Python日记【第3天：一大波金融Library来袭之numpy篇】
- 量化分析师的Python日记【第4天：一大波金融Library来袭之scipy篇】
- 量化分析师的Python日记【第5天：数据处理的瑞士军刀pandas】
- 量化分析师的Python日记【第6天：数据处理的瑞士军刀pandas下篇
- 量化分析师的Python日记【第7天：Q Quant 之初出江湖】
- 量化分析师的Python日记【第8天 Q Quant兵器谱之函数插值】
- 量化分析师的Python日记【第9天 Q Quant兵器谱之二叉树】
- 量化分析师的Python日记【第10天 Q Quant兵器谱 -之偏微分方程1】
- 量化分析师的Python日记【第11天 Q Quant兵器谱之偏微分方程2】
- 量化分析师的Python日记【第12天：量化入门进阶之葵花宝典：因子如何产生和回测】
- 量化分析师的Python日记【第13天 Q Quant兵器谱之偏微分方程3】
- 量化分析师的Python日记【第14天：如何在优矿上做Alpha对冲模型】
- 量化分析师的Python日记【第15天：如何在优矿上搞一个wealthfront出来】
- 第二部分 股票量化相关
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha对冲策略——观《量化分析师Python日记第14天》有感
- 熔断不要怕， alpha model 为你保驾护航！
- 寻找 alpha 之: alpha 设计
- 1.2 基本面因子选股
- Porfolio（现金比率+负债现金+现金保障倍数）+市盈率
- ROE选股指标
- 成交量因子
- ROIC&cashROIC
- 【国信金工】资产周转率选股模型
- 【基本面指标】Cash Cow
- 量化因子选股——净利润／营业总收入
- 营业收入增长率+市盈率
- 1.3 财报阅读 • [米缸量化读财报] 资产负债表-投资相关资产
- 1.4 股东分析
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）— 更新版
- 谁是中国A股最有钱的自然人
- 1.5 宏观研究
- 【干货包邮】手把手教你做宏观择时
- 宏观研究：从估值角度看当前市场
- 追寻“国家队”的足迹
- 二 套利
- 2.1 配对交易
- HS300ETF套利（上）
- 【统计套利】配对交易
- 相似公司股票搬砖
- Paired trading
- 2.2 期现套利 • 通过股指期货的期现差与 ETF 对冲套利
- 三 事件驱动
- 3.1 盈利预增
- 盈利预增事件
- 事件驱动策略示例——盈利预增
- 3.2 分析师推荐 • 分析师的金手指？
- 3.3 牛熊转换
- 历史总是相似 牛市还在延续
- 历史总是相似 牛市已经见顶？
- 3.4 熔断机制 • 股海拾贝之 [熔断错杀股]
- 3.5 暴涨暴跌 • [实盘感悟] 遇上暴跌我该怎么做？
- 3.6 兼并重组、举牌收购 • 宝万战-大戏开幕
- 四 技术分析
- 4.1 布林带
- 布林带交易策略
- 布林带回调系统-日内
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均线系统
- 技术分析入门 —— 双均线策略
- 5日线10日线交易策略
- 用5日均线和10日均线进行判断 --- 改进版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑异同移动平均线方法
- 4.4 阿隆指标 • 技术指标阿隆（ Aroon ）全解析
- 4.5 CCI • CCI 顺势指标探索
- 4.6 RSI
- 重写 rsi
- RSI指标策略
- 4.7 DMI • DMI 指标体系的构建及简单应用
- 4.8 EMV • EMV 技术指标的构建及应用
- 4.9 KDJ • KDJ 策略
- 4.10 CMO
- CMO 策略模仿练习 1
- CMO策略模仿练习2
- [技术指标] CMO
- 4.11 FPC • FPC 指标选股
- 4.12 Chaikin Volatility
- 嘉庆离散指标测试
- 4.13 委比 • 实时计算委比
- 4.14 封单量
- 按照封单跟流通股本比例排序，剔除6月上市新股，前50
- 涨停股票封单统计
- 实时计算涨停板股票的封单资金与总流通市值的比例
- 4.15 成交量 • 决战之地， IF1507 ！
- 4.16 K 线分析 • 寻找夜空中最亮的星
- 五 量化模型
- 5.1 动量模型
- Momentum策略
- 【小散学量化】-2-动量模型的简单实践
- 一个追涨的策略(修正版)
- 动量策略（momentum driven）
- 动量策略（momentum driven）——修正版
- 最经典的Momentum和Contrarian在中国市场的测试
- 最经典的Momentum和Contrarian在中国市场的测试-yanheven改进
- ［策略］基于胜率的趋势交易策略
- 策略探讨（更新）：价量结合+动量反转
- 反向动量策略（reverse momentum driven）
- 轻松跑赢大盘 - 主题Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面选股系统：Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR预测股票开盘价 v1.0
- 5.4 决策树、随机树
- 决策树模型（固定模型）
- 基于Random Forest的决策策略
- 5.5 钟摆理论 · 钟摆理论的简单实现——完美躲过股灾和精准抄底
- 5.6 海龟模型
- simple turtle
- 侠之大者 一起赚钱
- 5.7 5217 策略 · 白龙马的新手策略
- 5.8 SMIA · 基于历史状态空间相似性匹配的行业配置 SMIA 模型—取交集
- 5.9 神经网络
- 神经网络交易的训练部分
- 通过神经网络进行交易
- 5.10 PAMR · PAMR ： 基于均值反转的投资组合选择策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假说， Hurst 指数 · 分形市场假说，一个听起来很美的假说
- 5.13 变点理论 · 变点策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用债风险模型初探之：Z-Score Model
- user-defined package
- 5.15 机器学习 · Machine Learning 学习笔记（一） by OTreeWEN
- 5.16 DualTrust 策略和布林强盗策略
- 5.17 卡尔曼滤波
- 5.18 LPPL anti-bubble model
- 今天大盘熔断大跌，后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之谜——对数周期幂率（LPPL）模型
- 六 大数据模型
- 6.1 市场情绪分析
- 通联情绪指标策略
- 互联网+量化投资 大数据指数手把手
- 6.2 新闻热点
- 如何使用优矿之“新闻热点”？
- 技术分析【3】—— 众星拱月，众口铄金?
- 七 排名选股系统
- 7.1 小市值投资法
- 学习笔记：可模拟（小市值+便宜 的修改版）
- 市值最小300指数
- 流通市值最小股票（新筛选器版）
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊驼策略
- 羊驼策略
- 羊驼反转策略（修改版）
- 羊驼反转策略
- 我的羊驼策略，选5只股无脑轮替
- 7.3 低价策略
- 专捡便宜货(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 轮动模型
- 8.1 大小盘轮动 · 新手上路 -- 二八ETF择时轮动策略2.0
- 8.2 季节性策略
- Halloween Cycle
- Halloween cycle 2
- 夏买电，东买煤？
- 历史的十一月板块涨幅
- 8.3 行业轮动
- 银行股轮动
- 申万二级行业在最近1年、3个月、5个交易日的涨幅统计
- 8.4 主题轮动
- 快速研究主题神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板块异动类
- 风险因子（离散类）
- 8.5 龙头轮动
- Competitive Securities
- Market Competitiveness
- 主题龙头类
- 九 组合投资
- 9.1 指数跟踪 · [策略] 指数跟踪低成本建仓策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸优化 · 如何在 Python 中利用 CVXOPT 求解二次规划问题
- 十 波动率
- 10.1 波动率选股 · 风平浪静 风起猪飞
- 10.2 波动率择时
- 基于 VIX 指数的择时策略
- 简单低波动率指数
- 10.3 Arch/Garch 模型 · 如何使用优矿进行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高频交易
- 12.1 order book 分析 · 基于高频 limit order book 数据的短程价格方向预测—— via multi-class SVM
- 12.2 日内交易 · 大盘日内走势 (for 择时)
- 十三 Alternative Strategy
- 13.1 易经、传统文化 · 老黄历诊股
- 第三部分 基金、利率互换、固定收益类
- 一 分级基金
- “优矿”集思录——分级基金专题
- 基于期权定价的分级基金交易策略
- 基于期权定价的兴全合润基金交易策略
- 二 基金分析
- Alpha 基金“黑天鹅事件” -- 思考以及原因
- 三 债券
- 债券报价中的小陷阱
- 四 利率互换
- Swap Curve Construction
- 中国 Repo 7D 互换的例子
- 第四部分 衍生品相关
- 一 期权数据
- 如何获取期权市场数据快照
- 期权高频数据准备
- 二 期权系列
- [ 50ETF 期权] 1. 历史成交持仓和 PCR 数据
- 【50ETF期权】 2. 历史波动率
- 【50ETF期权】 3. 中国波指 iVIX
- 【50ETF期权】 4. Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 三 期权分析
- 【50ETF期权】 期权择时指数 1.0
- 每日期权风险数据整理
- 期权头寸计算
- 期权探秘1
- 期权探秘2
- 期权市场一周纵览
- 基于期权PCR指数的择时策略
- 期权每日成交额PC比例计算
- 四 期货分析
- 【前方高能！】Gifts from Santa Claus——股指期货趋势交易研究