ig50 本地数据 + 大模型构建实时研报摘要的工程方案

把大模型和股票数据结合起来做研报自动化，是 2024 年最火的话题之一。我用 ig50 的本地数据 + GPT-4 搭了一套完整的实时研报摘要系统，跑了 3 个月，每天自动出 30-50 篇研报摘要。这篇把工程链路完整拆解。

为什么做这件事

我做了 5 年量化研究，最痛苦的环节就是"读完 5000 只股票的公告和新闻"。每天收盘后，光是把当天所有公告浏览一遍就要 4-5 小时。等你看完，事件窗口已经过了。

大模型出现之后，我意识到可以让 LLM 帮我做"信息压缩"：把每只股票的当日公告 + 资金流向 + 价格异动，压缩成 200 字的研报摘要。这样我每天只需要看摘要，感兴趣再点开看原文。

系统架构

整个系统我拆成 5 个模块：

1. 数据接入层：从 ig50 本地拉当日数据
2. 文本收集层：抓取公告、新闻、互动易问答
3. 特征工程层：把结构化数据 + 文本拼接成 LLM 输入
4. LLM 调用层：调用 GPT-4 生成摘要
5. 摘要推送层：通过邮件 + 微信推送到我手机

数据接入层

ig50 的本地数据接口我用得最多的是这几个：

• time/data/gonggao：当日全市场公告分类（按"业绩预告"“减持”“回购”"中标"等分类）
• time/zijin/zjlrqs/last10/{code}：单只股票最近 10 个交易日资金流向
• time/real/{code}：当日行情
• time/history/trade/{code}/day：历史日线（用于计算异动幅度）

数据接入层每天下午 16:30 跑一次，单机本地 3 秒搞定全市场 5000 只股票。

文本收集层

公告文本我从 ig50 的 time/data/gonggao 接口拿，里面直接返回公告正文（已经做了 OCR + 结构化）。

新闻文本我用了一个简单的爬虫，从财联社、新浪财经、东方财富抓当日股票相关新闻。单个股票平均能抓到 3-5 条新闻。

互动易问答我用 ig50 的 time/data/hudongyi 接口（如果有的话），没有的话就用爬虫。

特征工程层

这是整个系统最关键的环节。我需要把"结构化数据"和"文本数据"拼接成 LLM 能理解的输入 prompt。

每个股票的 prompt 结构：

你是一名专业的 A 股股票分析师，请基于以下信息为 {dm}({mc}) 生成今日研报摘要：

【当日行情】
- 最新价：{close}
- 涨跌幅：{change_pct}%
- 成交量：{volume} 万股
- 成交额：{amount} 万元
- 5 日主力净流入：{zlJlr_5d} 万元

【当日公告】
{announcement_text}

【资金异动】
{funding_anomaly_text}

【价格异动】
{price_anomaly_text}

【新闻摘要】
{news_summary_text}

请生成 200 字以内的研报摘要，包括：
1. 当日核心事件（最多 3 件）
2. 资金面观察（主力 / 散户动向）
3. 后续观察重点

要求：
- 客观陈述，不预测涨跌
- 引用具体数据
- 标注信息不确定程度

每个 prompt 的 token 数大约 1500-3000。

LLM 调用层

我用 GPT-4-turbo，API 价格 $0.01/1K input token + $0.03/1K output token。

每天 5000 只股票 × 平均 2000 input token + 300 output token：

• 输入成本：5000 × 2 = 10000K token × $0.01 = $100
• 输出成本：5000 × 0.3 = 1500K token × $0.03 = $45
• 单日总成本：约 $145

这个成本显然不能每天全市场跑。我的策略是先筛选后调用：

筛选规则（只用结构化数据，不需要 LLM）：

1. 当日涨跌幅 > 5% 或 < -5%
2. 当日主力净流入 > 5000 万 或 < -5000 万
3. 当日有"业绩预告"“减持”“回购”“中标”"重大合同"类公告
4. 当日成交量 > 5 日均量的 2 倍

筛选后每天大约剩 30-50 只股票进入 LLM 调用，单日成本降到 $1.5 左右。

LLM 调用我用了异步并发，30-50 只股票并行调用，5 分钟内全部完成。

摘要推送层

LLM 输出的摘要用 Streamlit Dashboard 展示，我每天早上 9 点打开 dashboard 就能看到。

同时每天 8:30 通过企业微信 webhook 推送"今日重点关注摘要 TOP 10"到我的手机。这 TOP 10 是按"事件重要性"排序的，我自己写了一个简单的排序规则：

1. 有业绩预告的股票排最前
2. 有大额回购 / 减持的股票排第二
3. 资金大幅流入 + 价格上涨的股票排第三

实际运行效果

2024 年 1 月到 3 月的实测数据：

• 每日推送摘要数量：35 ± 12 篇
• 摘要平均长度：186 字
• 摘要完整度评分（我自己打分）：4.2/5.0
• 摘要中错误信息率：约 6%（LLM 偶尔编造数据，需要人工校验）

整体效率提升：

• 之前：每天 4-5 小时浏览公告
• 现在：每天 30-40 分钟看摘要，感兴趣再点开原文
• 效率提升 6-8 倍

踩过的 3 个坑

第一个坑是 LLM 幻觉。GPT-4 会"编造"不存在的公告细节，比如把"减持 1%“说成"减持 5%”。解决方案：让 LLM 输出时强制附带"信息源引用"，凡是没有源数据的描述必须标注"信息源不明确"。

第二个坑是 token 超限。某些公告正文特别长（比如重大资产重组方案），单个 prompt 会超过 GPT-4 的 8K 限制。解决方案：先用一个简短的摘要模型把长公告压缩成 300 字，再喂给 GPT-4。

第三个坑是 prompt 注入。LLM 收到公告正文后，偶尔会被公告里的"我司郑重承诺…" 这种官方语气带偏，输出"看好 / 不看好"这种主观判断。解决方案：在 system prompt 里强制"客观陈述，不预测涨跌"。

接口汇总

这次实战用到的 ig50 接口：

1. time/data/gonggao：当日全市场公告分类（含正文）
2. time/zijin/zjlrqs/last10/{code}：最近 10 个交易日资金流向
3. time/real/{code}：当日行情
4. time/history/trade/{code}/day：历史日线（计算异动）
5. time/f10/info/{code}：公司基本信息（用于 prompt 上下文）
6. time/data/longhubang：龙虎榜（资金异动分析）

整个系统用 ig50 的本地数据 + Python + GPT-4 搭起来，单机就能跑。最大的成本不是工程实现，是 LLM API 调用费。 但只要你做好前置筛选，把 LLM 调用量控制在每天 50 次以内，月成本不到 50 美元。

gitee开源地址
github开源地址