# 通用风控模块 - 个股利好利空风险监控

## 模块说明

`news_risk_monitor.py` + `structural_market_risk.py` 是通用模块，适配A股结构化行情，可被各个策略共享使用。

### 核心功能

基于公开数据，提前预判潜在消息面风险和板块风险：

| 监控维度 | 预警规则 | 预判逻辑 |
|----------|----------|----------|
| **量价异常** | 近5日放量下跌 >7%，无公开消息 | 可能利空提前泄露，资金先跑 |
| | 成交量放天量 >2倍，但股价不涨 | 可能利好兑现，主力出货 |
| | 向下跳空缺口未回补 | 技术面偏空，趋势向下 |
| **融资变化** | 一周融资余额减少 >20% | 杠杆资金出逃，不看好后市 |
| | 融资买入占成交额 >20% | 杠杆比例过高，波动风险大 |
| **龙虎大宗** | 机构大额卖出上榜 | 机构出逃，看空 |
| | 大宗折价 >8% | 大股东折价出货，利空 |
| **舆情监控** | 讨论量突然暴涨 >5倍 | 热度太高，往往见顶 |
| | 舆情情感分 < -0.5 | 市场一致看空，情绪偏空 |
| **国际联动** | A+H股H股隔夜跌幅 >3% | A股大概率跟随下跌 |
| | 大宗商品股对应期货跌幅 >4% | 个股价格承压 |
| | 美股隔夜跌幅 >2% | A股开盘承压，系统性风险 |
| | 重大国际利空消息 | 直接预警，建议降仓 |
| **结构化行情风控** | 单板块仓位 >15% | 提示减仓分散 |
| | 板块累计涨幅 >50% | 风险评分放大，警惕利好出尽 |
| | 单一风格仓位 >40% | 提示超配风险 |
| | 冷门板块连续大跌 >20% | 如果基本面没问题，提示低吸机会 |
| | 热点板块消息 | 风险评分放大2倍，灵敏度提高

### 量化规则

**风险等级划分：**

| 总分 | 等级 | 操作建议 |
|------|------|----------|
| ≥40 | 🔴 EXIT | 建议清仓离场 |
| 25~40 | 🟠 REDUCE | 建议减仓 |
| 10~25 | 🟡 WATCH | 继续观察，不新开仓 |
| <10 | 🟢 SAFE | 安全，按计划操作 |

**整合进五维风险评估：**

原来四个维度 + 消息风险维度：
1. 流动性风险 (15%)
2. 估值风险 (20%)
3. 技术面风险 (20%)
4. 基本面风险 (20%)
5. **消息面风险 (25%)** → 权重更高，因为黑天鹅危害大

### 使用方法

```python
# 导入通用模块
import sys
sys.path.append("../../../guanyu-risk/common/")
from news_risk_monitor import NewsRiskMonitor, StockNewsData, FiveDimensionRiskAssessment

# 初始化监控器
monitor = NewsRiskMonitor()

# 填充数据
data = StockNewsData(
    code="600000",
    name="浦发银行",
    recent_vol_change=1.2,       # 成交量较20日均变化
    recent_pct_change=-8.5,      # 近5日涨跌幅%
    gap_down=True,              # 是否有向下缺口
    finance_balance_change=-0.25, # 融资余额周变化比例
    has_large_order=False,       # 龙虎榜是否大额卖出
    has_bulk_discount=False,      # 是否有大宗折价
    discussion_count_change=3.0,  # 讨论量较上周变化倍数
    sentiment_score=-0.6,         # 舆情情感分-1~1
    # 国际联动数据
    is_ah=False,
    ah_hk_overnight_change=0,
    is_commodity_related=False,
    commodity_future_overnight_change=0,
    us_index_overnight_change=-1.2,
    has_major_international_news=False
)

# 分析
result = monitor.analyze_stock(data)
print(monitor.get_risk_report(result))
print(f"风险等级: {result.risk_level}")
print(f"建议: {result.suggestion}")

# 整合到五维风险评估
five_dim = FiveDimensionRiskAssessment(monitor)
eval_result = five_dim.calculate_total_risk(
    liquidity_risk=0.2,
    valuation_risk=0.5,
    technical_risk=0.3,
    fundamental_risk=0.4,
    news_data=data
)
print(f"综合风险分: {eval_result['total_risk_score']:.2f}")
print(f"建议: {eval_result['suggestion']}")
```

### 数据获取说明

公开数据都可以从这些渠道获取：
- 量价、融资：东方财富、TuShare、AkShare 直接接口
- 龙虎榜：交易所官网、东方财富
- 大宗交易：交易所、TuShare
- 舆情：雪球、股吧公开数据，可以用爬虫获取讨论量

## 设计思路

核心思想：**A股很多消息会提前泄露，从量价、资金、情绪上能提前发现痕迹**，不等公告出来再反应，提前减仓规避黑天鹅。

层层设防：就算技术面、基本面都没问题，消息面不对劲，直接降仓，把风险拦在前面。

## 作者

关羽（云长）  
风险都督  
2026-03-27