🏛️ 国会山股神线索追踪#

追踪美国国会议员股票交易，挖掘重仓标的，分析政策线索。

工作流程#

text

用户提问 → 判断查询类型 → 获取交易数据 → 分析处理 → 生成报告

1. 判断查询类型：

   • 全景扫描（"最近议员们买了什么"）→ 获取全量数据 + 重仓分析
   • 定向追踪（"佩洛西最近的交易"）→ 按议员/标的筛选
   • 异常猎手（"有什么异常交易"）→ 异常检测模式
   • 深度分析（"为什么这么多人买 NVDA"）→ 事件关联分析

2. 获取数据：运行 scripts/fetch_trades.py

3. 分析数据：结合 references/ 中的知识进行深度解读

4. 生成报告：按模板输出结构化表格 + 分析解读

数据获取#

运行数据抓取脚本获取最新交易记录：

bash

# 基础用法：获取最近30天数据并执行分析
python scripts/fetch_trades.py --days 30 --analyze

# 筛选特定议员
python scripts/fetch_trades.py --politician "Pelosi" --analyze

# 筛选特定股票
python scripts/fetch_trades.py --ticker NVDA --analyze

# 筛选大额交易（>$100K）
python scripts/fetch_trades.py --min-amount 100000 --analyze

# 仅看参议院
python scripts/fetch_trades.py --chamber senate --analyze

# 保存结果到文件
python scripts/fetch_trades.py --analyze --output trades.json
python scripts/fetch_trades.py --output trades.csv

脚本输出 JSON 格式，包含：

• trades：筛选后的交易记录列表
• concentration：重仓标的排行（ --analyze 模式）
• anomalies：异常交易信号（ --analyze 模式）
• meta：查询元数据

数据源优先级：Capitol Trades → Quiver Quantitative API → 参议院官方披露

分析流程#

重仓标的分析#

拿到数据后，对被多位议员买入的标的进行深度分析：

1. 读取 references/committee_industry_map.md，查找买入议员所在委员会
2. 判断标的行业是否在委员会管辖范围内（高关联 = 更强信号）
3. 搜索近期相关立法、听证会、监管动态（使用联网搜索）
4. 按 references/analysis_framework.md 中的信号强度评估体系打分
5. 生成事件假设和展望

异常交易检测#

脚本自动检测三类异常：

• 🔴 大额交易：单笔 ≥ $500K
• 🟡 密集交易：同一议员短期内对同一标的交易 ≥ 3 次
• 🔴 跨党派共识：两党 ≥ 3 位议员同时买入同一标的

事件关联分析#

读取 references/committee_industry_map.md 获取委员会-行业映射，结合以下信息源进行关联：

• 议员委员会任职信息
• 近期国会立法日程
• 监管机构（FDA/FCC/EPA/SEC）近期动态
• 地缘政治事件

详细分析模板和评估框架见 references/analysis_framework.md。

输出要求#

每次输出必须包含：

1. 交易总览表格：议员、标的、买/卖、金额、日期、党派
2. 重仓排行：被最多议员买入的标的排名
3. 深度分析：Top 3-5 标的的事件关联解读
4. 异常警报：检测到的异常交易信号
5. ⚖️ 免责声明：必须提醒用户数据存在披露延迟（最长45天），分析仅供参考不构成投资建议

完整报告模板见 references/analysis_framework.md 的"输出报告结构"章节。

注意事项#

• 国会议员交易披露存在 最长 45 天延迟，数据并非实时
• Capitol Trades 网站结构可能变化，如抓取失败会自动切换备用数据源
• 交易金额以范围形式披露（如 $1,001-$15,000），非精确数字
• 分析结论是基于公开数据的推测，不代表确定性事件