新闻情绪 Alpha 雷达

> Pay Skill 范式：鉴权型（agent_local）
> 鉴权型：履约在本机执行（需本地取数/解析大文件），远端网关只做支付鉴权，支付通过后返回 fulfillment: "agent_local"，Agent 再跑 scripts/ 下的脚本产出结果。

Overview

把「新闻情绪」这种外生另类数据，落成两类可复现的截面选股因子，并给出现货可交叉校验的统计诊断：

• 基准双因子——SENTI（相关度加权的情绪累加，含时间衰减）与 SENATT（SENTI 再乘个股新闻关注度）。覆盖日度 IC、年化 ICIR、胜率、10 分档多空年化与回撤。
• 时序拓展因子——对 SENATT 序列做 tsfresh 式滑窗算子提取（纯标准库可实现子集），测每个算子的截面 IC，验证「时序特征截面化」是否含增量信息。

输入：新闻情绪面板（原始新闻行，或已算好的 senti/senatt 列）+ 日线价格（用于前瞻收益）。输出：因子诊断表 + 文献对照。

边界：新闻情绪是 NLP 标注的外生数据，共享缓存仅含日线、不含新闻字段，故 base/ts_expand 默认如实标注【未获取】；仅输出因子构造说明与公开文献实测对照（不具名、不编造）。提供新闻面板后即可真实计算。

When to Use

• 用户说「想验证新闻情绪/舆情能不能做成选股因子」时
• 用户说「SENTI、SENATT 这种新闻因子应该怎么复现、IC 多少」时
• 用户说「手里有逐条新闻+主体相关度+情绪极性的标注数据，帮我算截面 IC」时
• 用户说「对情绪因子做时序特征拓展（tsfresh 那类算子），看看截面上有没有用」时
• 用户说「新闻情绪因子换手太高/只看当日，我想看时序特征」时

Workflow

统一入口 scripts/run_local.py，按 --mode 分派：

--mode base（SENTI / SENATT 诊断，需 --input 新闻面板 + --prices 日线）
1. 读 --input：自动识别为原始新闻行（含 emotion 列）或已算 senti/senatt 列；
2. 若原始新闻行：按「当日 14:50 至上一交易日 14:50」窗口、相关度 > rel_thr(默认0.3) 的新闻，按情绪极性(+1/-1/0) × 相关度 × 时间衰减(decay=exp(-Δh/T), T 默认 24h) 累加得 SENTI；再乘个股当日新闻关注度（新闻数截面归一化）得 SENATT；
3. 用 --prices 日线算日度前瞻收益，逐日截面相关得日度 IC，汇总 IC 均值/年化 ICIR/胜率，10 分档多空年化与回撤；
4. 读 references/methodology.md 的因子公式与参数口径。

--mode ts_expand（时序拓展，需 --input 为 senatt 面板或原始新闻行 + --prices）
1. 构造/载入 SENATT 序列；对每个股票做长度为 window(默认20) 的滑窗，提纯标准库可实现算子子集（mean/std/min/max/linear_trend/second_derivative/first_location_of_minimum/change_quantiles/autocorrelation/kurtosis/skewness/variation_coefficient）；
2. 每个算子单独做截面 IC 诊断，输出算子级 IC 表；需 scipy/numpy 的算子（小波/傅里叶/近似熵等）标为未实现并指向文献对照。

--mode catalog（不需数据）
1. 直接输出因子构造说明 + 公开量化研究实测对照（基准双因子日度 IC/多空年化、6 个代表性时序拓展因子多头/多空年化），见 references/output_templates.md。

--mode all：以上按顺序执行。

输入数据规格

--prices（日线，已有共享缓存，通常不必传）：列 date,ticker,close（其余列忽略）；用于日度前瞻收益。

--input（新闻情绪面板，三选一）：

1. 原始新闻行（推荐，可完整复现 SENTI/SENATT）：列 ticker,news_date,news_time,relevance,emotion
   - ticker：股票代码（与价格面板一致）
   - news_date：新闻日期 YYYY-MM-DD
   - news_time：新闻时间 HH:MM 或 HH:MM:SS（用于时间衰减）
   - relevance：主体相关度，0~1 浮点
   - emotion：0/中性、1/正面、2/负面（任一写法均可）
2. 已算 SENTI 面板：列 ticker,date,senti
3. 已算 SENATT 面板：列 ticker,date,senatt（ts_expand 直接可用）

缺 --input 时：base/ts_expand 如实标注未获取，仅给 catalog 对照。

Notes / Constraints

• 新闻情绪为外生另类数据，效果高度依赖新闻源覆盖度与 NLP 标注质量；本包不做新闻抓取与情绪标注，只消费已标注面板。
• 原文献测试为日度换仓、样本期 2018–2023，风格偏好小盘、换手率显著高于传统截面策略；本包复现时用日线算日度 IC，与原始日度口径一致。
• 时间衰减常数 T、相关度阈值 rel_thr、关注度定义均为可调参数，默认值取自公开方法的通用设定，非唯一正确值。
• 取不到数据 → 输出「未获取」，绝不编造；合成数据仅用于管线自测，不当作结论。
• 不构成投资建议；历史有效不代表未来有效，新闻情绪因子时效性极强、易失效。

Pay Skill 模式（鉴权型，按次付费，已接入 X402）

本 Skill 为付费技能（Pay Skill），按次收费，已通过腾讯 SkillHub +
微信支付 Agent Pay X402 协议接入。不存在免费运行模式——
未完成支付授权前，不得执行本地履约脚本、不得输出任何付费内容；
鉴权型只由服务端返回的 paid: true 解锁本机履约。

> 使用者须已安装并开通 weixinpay_pay 插件（微信 AI 支付 / AI 专属卡）。
> Step 0 检查不通过时不发起付费调用，直接引导开通后重试。

鉴权型：履约在本机执行（需调用本地取数脚本 / 解析本地或远程大文件），
远端网关只负责订单鉴权与支付状态确认，支付通过后返回 fulfillment: "agent_local"，
不返回业务结果；Agent 收到 paid: true 后才在本地跑 scripts/ 下的脚本产出结果。

• 统一网关主接口：POST https://pay.zerone-iteration.com/api/invoke
  （请求体 {"skill": "news-sentiment-alpha", "skill_version": "1.0.1", "query": "...", "amount": 990}）
• 兼容入口：POST https://pay.zerone-iteration.com/api/resource（等价于默认 Skill）
• 支付回调：POST https://pay.zerone-iteration.com/api/pay/notify
• 退款回调：POST https://pay.zerone-iteration.com/api/refund/notify
• 实现：透明网关（nginx + Java 17 / Spring Boot + WechatPay-Java，微信支付公钥模式）；
  skill/skill_version 仅做格式校验后透传进 X402 预下单，不查 SkillHub（不查注册表、不反查是否真实存在/已发布/版本匹配）；
  无本地白名单，新增 Skill 免 Java 注册、免改 JAR、免重启，直接 POST /api/invoke 传正确 slug+版本即可
• 状态：透明网关联调通过（DEV_MODE 冒烟 402 + payment_code + X-Out-Trade-No → paid=true 已验证）；生产需置 NEWS_SENTIMENT_ALPHA_DEV_MODE=false 并填齐双密钥。

Agent 侧调用规范（含付费前置插件检查）

Step 0 付费前置插件检查（必须，缺失则不得发起付费调用）

1. 检测当前环境中 weixinpay_pay 插件（微信支付 Agent Pay / AI 专属卡）是否已安装并已开通；
2. 若不存在或未开通：不调用 /api/invoke，改为提示用户先安装/开通微信 AI 支付，完成后再继续；
3. 若可用：继续 Step 1。

Step 1 调用统一网关：POST /api/invoke，请求体：

{
  "skill": "news-sentiment-alpha",
  "skill_version": "1.0.1",
  "query": "用户原始需求（用于订单留痕，不作为履约输入）",
  "amount": 990
}

• skill：必填，固定为本 Skill 的 slug news-sentiment-alpha（与 SkillHub 已发布的一致；透明网关下传错 slug 时错误延后到 SkillHub/微信预下单环节才返回）；
• skill_version：必填，当前版本号 1.0.1（缺失返回 400 MISSING_SKILL_VERSION）；
• amount：必填，单位分，服务端校验为大于 0 的整数（小数/布尔/零/负数一律 400 INVALID_AMOUNT，不静默截断）；
  区间不强制，价格由 SkillHub 产品定价约束。

Step 2 支付触发（X402 预下单 → 402）：未支付时服务端依次执行——

1. 生成订单号 out_trade_no（402 响应头 X-Out-Trade-No 与响应体 out_trade_no 均会返回，Agent 须记下）；
2. 调用微信支付 Native 下单，获取 code_url；
3. 用 SkillHub 开发者私钥（SHA256withRSA）对 X402 AI 预下单请求签名；
4. 调用 POST https://payapp.weixin.qq.com/palmpayminiapp/clawagentpay/preorder 换取 payment_code；
5. 返回 HTTP 402，响应头 WeixinPay-Required 与 body WeixinPay 块中
   同时携带 X402 预下单返回的 payment_code（必须是 X402 的 payment_code，
   不能直接把微信 code_url 当作 payment_code 返回），并回显本单 amount 与 out_trade_no。
   ⚠️ body 的 WeixinPay 嵌套结构最易遗漏：缺失时 weixinpay 插件从 body 解析不到
   payment_code，会报「当前支付订单已过期」，该报错常被误判为「返回了 code_url」。

Step 3 用户支付授权：Agent 将 WeixinPay-Required 头（或 body WeixinPay 块）中的
payment_code 作为 paymentCode 交给 weixinpay_pay 插件，向用户申请支付授权。

Step 4 二次调用鉴权：用户完成支付后，Agent 再次调用 POST /api/invoke
（请求体同 Step 1，带请求头 X-Out-Trade-No: <402 返回的订单号>）；
服务端按订单号主动向微信查单验证支付成功（不依赖回调到达）后返回：

{"ok": true, "paid": true, "fulfillment": "agent_local",
 "skill": "news-sentiment-alpha", "out_trade_no": "...", "already_fulfilled": false}

Step 5 本地履约（本 Skill 的关键差异）：Agent 收到 paid: true 且
fulfillment: "agent_local" 后，在本机执行 scripts/ 下的脚本产出结果
（见 scripts/README.md），再把结果交付给用户。
支付未确认前，不执行本地取数脚本、不输出任何付费内容
（未支付重试返回 402 {"code":"NOT_PAID"}）。

> 幂等说明：already_fulfilled: true 表示同一订单此前已鉴权通过；
> 此时直接复用上次已产出的结果，不要重复跑取数脚本（避免重复消耗外部接口配额）。

异常处理说明（Agent 与服务端两侧）

> 核心原则（SkillHub 官方教程 FAQ）：支付失败/未确认时必须如实告知用户，绝不据此推进后续流程。

核心特征对照表（供审核查验）

包内 pay/server.py 为 Python 参考实现（含 APIv3 签名、X402 预下单、回调验签解密、
主动查单、幂等鉴权、透明网关无需注册表），部署说明见 PAY_SKILL_UPGRADE.md 与 pay_skill.yaml。

注意：本 Skill 涉及两套独立密钥/证书——

• 微信支付 API 证书（wechat_pay）：用于微信 Native 下单与主动查单；
• SkillHub 开发者密钥（skillhub）：用于 X402 预下单签名。

私钥均不得写入 Skill 包或仓库，须通过环境变量注入服务端。