FinGPT实战：情感+技术+基本面三模块智能分析贵州茅台

一、问题引入：金融大模型很强，但怎么用到自己的分析里？

FinGPT 是开源社区最受关注的金融大语言模型框架之一。它把金融情感分析、市场预测、财报解读、新闻摘要等能力打包成了一套模块化工具——不需要自己训练模型，直接用预训练的金融 LLM 就能跑。但问题是：一套完整的 FinGPT 分析流程涉及数据源配置、模型选择、情感分析、报告生成等多个模块串联，每个模块都有自己的参数和依赖。光是把这些串起来，就要写不少胶水代码。

能不能把 FinGPT 的全套能力变成一个 Skill——输入股票代码和分析维度，自动完成数据抓取、模型推理和报告输出？本文分 5 步完整展示：如何用自然语言让 EasyClaw 自动拉取 FinGPT、分析模块架构、转化为 Skill。

二、成果展示：最终产出全貌

2.1 输出结构

2.2 三份核心报告说明

报告	分析维度	FinGPT 对应模块	输出内容
sentiment_report	市场情感	Sentiment Analysis	新闻情感评分、社交媒体热度、情感时序趋势
technical_report	技术面	Technical Analysis	均线/MACD/RSI 解读、趋势判断、关键价位
fundamental_report	基本面	Fundamental Analysis	财报解读、估值分析、营收利润趋势
summary	综合	Report Generator	三维度交叉分析 +

2.3 产出文件用途速览

文件	用途	适用场景
sentiment_report.md + chart.png	市场情感全景：新闻+社交媒体双维度	把握市场情绪方向，辅助择时
technical_report.md + chart.png	技术面结构化解读	替代人工翻K线，快速定位信号
fundamental_report.md + chart.png	基本面深度分析	财报季快速扫描、估值跟踪
summary.md	三维综合分析摘要	快速决策参考、团队分享
data/ 目录	所有分析的原始数据（CSV）	二次分析、自定义图表、入库

三、Step 1：环境准备

从 EasyClaw 官网下载并安装最新版。本文所有操作均通过自然语言对话完成，不需要手动安装 Python、配置 FinGPT 依赖或编写调用代码。

打开 EasyClaw → 左侧面板 →「Skill」→「Skill Creator」。如看不到该入口，在「设置 → 通用」中启用「开发者模式」后重启。

问题	解决方法
Skill Creator 灰显不可点击	「设置 → 通用 → 启用开发者模式」，重启 EasyClaw
提示网络连接失败	「设置 → 网络 → 检查代理设置」，确保能访问 GitHub

四、Step 2：项目架构分析

在 Skill Creator 中输入：

从 GitHub 拉取 FinGPT 项目（https://github.com/AI4Finance-Foundation/FinGPT），先展示目录结构，标注出情感分析、技术分析、基本面分析和报告生成等核心模块的位置和职责。

EasyClaw 自动扫描后输出：

FinGPT/
├── finGPT/
│   ├── sentiment/         ← ★ 情感分析模块
│   │   ├── news_analyzer.py      ← 新闻情感分析（FinBERT/NLP模型）
│   │   └── social_analyzer.py    ← 社交媒体情感分析
│   ├── technical/         ← ★ 技术分析模块
│   │   └── ta_analyzer.py        ← 技术指标计算+解读
│   ├── fundamental/       ← ★ 基本面分析模块
│   │   └── fa_analyzer.py        ← 财报解读+估值分析
│   ├── data/              ← 数据源接口
│   │   └── data_fetcher.py       ← 统一数据拉取
│   └── report/            ← ★ 报告生成模块
│       └── report_generator.py   ← 综合报告输出
├── config/
│   └── model_config.yaml  ← 模型选择配置
└── requirements.txt

这是 EasyClaw 自动识别出的结果，不需要你手动翻目录、读源码。

五、Step 3：核心参数配置与 Skill 创建

3.1 分析参数一览

参数名	所属模块	含义	默认值	说明
symbol	全部	股票代码	—	必填
modules	全部	启用的分析模块	all	可选：sentiment/technical/fundamental/all
sentiment_window	情感分析	情感分析回溯天数	30	越长覆盖的历史新闻越多
news_sources	情感分析	新闻数据源	finChina	可选：finChina/sina/东方财富
ta_period	技术分析	技术指标计算周期	60	日K线数量
fa_fiscal_years	基本面分析	财报回溯年数	3	分析最近N年的财务数据
language	报告生成	报告语言	zh	zh=中文，en=英文

3.2 用自然语言创建 Skill

在 Skill Creator 中粘贴以下内容。EasyClaw 自动完成代码拉取、架构分析、依赖安装和 Skill 封装。

从 GitHub 拉取 FinGPT 项目（https://github.com/AI4Finance-Foundation/FinGPT），自动分析项目架构。

识别以下核心模块：
- sentiment/：新闻情感分析（FinBERT模型）+ 社交媒体情感分析，输出评分和时序趋势
- technical/：技术指标计算+自然语言解读，输出技术面报告
- fundamental/：财报解读+估值分析，输出基本面报告
- data/：统一数据源接口，拉取新闻/社交媒体/财务数据
- report/：综合报告生成，汇总三维度分析

额外加入能力：
- 每个模块的输出同时生成 Markdown 报告和 PNG 图表（报告与图表一一对应）
- 汇总生成 summary.md 综合分析摘要
- 所有原始数据保存为 CSV，供二次分析

封装为 EasyClaw Skill：
- 名称：FinGPT分析
- 输入：symbol、modules（默认all）、sentiment_window（默认30）、ta_period（默认60）、fa_fiscal_years（默认3）、language（默认zh）
- 输出：sentiment/technical/fundamental 三份报告+图表 + summary.md + data/ 目录

点击「创建 Skill」，等待完成。

六、Step 4：运行分析与输出解读

4.1 启动分析

@FinGPT分析 symbol=600519

使用默认参数：三模块全开、情感分析回溯30天、技术分析60根K线、基本面回溯3年财报。

只看单一维度时：

@FinGPT分析 symbol=000858 modules=sentiment  ← 只看情感
@FinGPT分析 symbol=000858 modules=technical  ← 只看技术
@FinGPT分析 symbol=000858 modules=fundamental ← 只看基本面

4.2 输出文件解读

文件	FinGPT 模块	用途
sentiment_report.md	Sentiment Analysis	近30日新闻+社交情感、情感方向判断
sentiment_chart.png	Sentiment Analysis	每日情感得分曲线 + 正面/负面/中性分布饼图
technical_report.md	Technical Analysis	均线/MACD/RSI 指标解读和趋势判断
technical_chart.png	Technical Analysis	K线图+均线叠加+MACD+RSI 多面板
fundamental_report.md	Fundamental Analysis	近3年营收/利润趋势、估值分位、ROE 变化
fundamental_chart.png	Fundamental Analysis	财务趋势折线图+PE估值水位箱线图
summary.md	Report Generator	三模块交叉分析 + + 风险提示

4.3 效率对比

环节	手动安装+手动分析	EasyClaw Skill
环境安装	Python + PyTorch + FinGPT 依赖+FinBERT模型下载，约1-2小时	0 分钟（EasyClaw内置环境）
情感分析	配置数据源→加载模型→跑推理→整理结果，约20分钟	Skill自动，—
技术分析	拉K线数据→计算指标→写解读，约15分钟	Skill自动，—
基本面分析	拉财报→算趋势→估值分析，约20分钟	Skill自动，—
报告整合	手动汇总三份分析+写摘要，约15分钟	自动生成 summary.md，0分钟
总计	约2-3小时	—

[注：本文方式的具体耗时取决于网络环境和硬件配置，实际测试后填写]

七、Step 5：进阶用法与常见问题

5.1 按需选择分析模块

@FinGPT分析 symbol=600519 modules=sentiment,technical  ← 情感+技术双维度
@FinGPT分析 symbol=600519 modules=fundamental fa_fiscal_years=5  ← 只看基本面，翻5年财报

5.2 批量标的对比分析

@FinGPT分析 symbol=600519,000858,000568 modules=sentiment

三只股票的情感分析并排对比，输出统一的横向比较报告。

5.3 常见问题排查

错误信息	原因	解决方法
情感分析返回空结果	选定时间窗口内该标的无相关新闻	增大 sentiment_window 参数或切换 news_sources
"模型加载失败"	FinBERT 模型首次下载被中断	重新创建 Skill，EasyClaw 自动重试下载
报告中文生成时出现英文混杂	language 参数未设为 zh	确认 language=zh，或检查 FinGPT 的中文模型是否已加载

八、总结

FinGPT 把金融情感分析、技术解读和基本面评估整合到了一个框架里，但多模块串联的胶水代码和模型配置拉高了使用门槛。本文通过 EasyClaw Skill 封装，将三模块的分析流程从 2-3 小时的手动操作压缩为一条指令——你只需要指定股票代码和想要的分析维度。

下一步可以尝试：

• 自定义数据源：将 FinGPT 的数据源切换为你常用的财经信息平台
• 多标的定期扫描：设置每周一自动对自选股池运行三模块分析，生成周度投研简报
• 情感信号与交易联动：将 FinGPT 的情感评分作为择时信号输入到 Backtrader 或 VNPY 策略中

资源链接：

• EasyClaw 下载：https://easyclaw.cn/?f=700
• FinGPT GitHub：https://github.com/AI4Finance-Foundation/FinGPT

你觉得 AI 情感分析对投资决策的帮助大吗？实际用下来是"情绪领先价格"还是"价格决定情绪"？欢迎在评论区分享你的经验和看法。如果你有其他金融 AI 开源项目想封装为 Skill，也欢迎留言交流。