Rq Catalyst Calendar

RQ 股票研究 - 催化剂日历

核心原则

• 所有内容必须遵循三阶段流程：数据采集 -> 报告生成 -> HTML 渲染
• assets/template.md 是唯一报告模板来源；Python 只负责归一化、校验和填充固定占位符，不负责自由撰写长段正文
• RQData CLI 是公司结构化事件主源；web_search 只能补充 CLI 无法直接提供的宏观 / 行业 / 会议信息
• 所有结论必须数据驱动，不能写死日期、季度、股票代码、公司名称
• 没有精确事件日期时，只能输出预计窗口，不能伪造具体日期
• 每个关键事件、关键判断和跟踪建议都必须标注数据来源和置信度

数据源分工

RQData CLI 负责

• 财报相关日期、业绩快报后续正式披露窗口
• 分红、股权登记、除权除息
• 上市公司公告、股东大会、董事会 / 监事会决议、资本运作公告
• 基础证券信息、股票池、公司名称映射

web_search 负责

• 宏观数据发布日期和政策会议日程
• 行业会议、论坛、展会、监管征求意见、主题催化
• RQData CLI 无法直接提供、但会影响覆盖股票池的实时外部催化

web_search 禁止替代的内容

• 财务数据、估值、股价、成交量等结构化市场数据
• 上市公司公告、分红、股东大会、正式财报发布日期
• 任何可以直接通过 RQData CLI 或交易所 / 公司官方披露获得的结构化公司事件

web_search 使用规则

详细检索口径、结构化字段、来源等级、落盘示例和执行要求见 references/web_search.md。

允许的补充内容

• 宏观：CPI / PPI / GDP / PMI / LPR / 利率会议 / 政策发布时间
• 行业：会议、论坛、主题展会、监管政策日程、行业统计发布时间
• 主题催化：影响股票池的跨公司事件，例如补贴政策窗口、行业标准落地、重要招标或牌照审批时点

结构化落盘要求

通过 web_search 获取的信息，必须先写入 web_search_events.json。

说明：

• event_scope 仅允许 macro 或 industry
• date_type=exact 时必须提供 event_date
• date_type=estimated_window 时必须提供 window_start 与 window_end
• web_search 获取的预计窗口事件，置信度不得高于 3

fallback 规则

1. 优先使用当前环境原生可用的 web_search 工具。 2. 若无原生 web_search，fallback 到当前环境已配置的联网检索工具。 3. 若仍无法联网：

• 不得伪造实时宏观 / 行业事件
• 不得用训练记忆补日期
• 在报告中明确写出该部分缺失
• 相关判断降为最低可交付置信度，或直接标为未验证

硬性规则

以下任一条违反，视为输出失败：

• [MUST-1] 公司结构化事件必须优先来自 RQData CLI
• [MUST-2] web_search 不得替代财报、分红、公告、股东大会等公司正式事件主源
• [MUST-3] 公告分类必须基于标题语义和原文校验，不能依赖不透明数字分类码
• [MUST-4] 没有精确日期时只能写预计窗口，不能把窗口伪装成确定日期
• [MUST-5] 所有关键事件都要写 数据来源：XXX，置信度X
• [MUST-6] 预计窗口、未验证信息和推断信息不得作为核心高确信度结论
• [MUST-7] 同一事件要做去重、来源校验和日期语义校验，不能把披露日误写成事件发生日
• [MUST-8] 若过去公告已明确未来日期，必须按实际事件日纳入日历，同时保留原披露日和原文链接
• [MUST-9] 最终输出必须严格来自模板，不得在脚本中自由拼写整篇报告

确信度评级

• 5：RQData CLI、交易所公告、上市公司官网、官方监管披露
• 4：政府部门、行业协会、官方机构、权威财经媒体，且时间和内容明确
• 3：一般新闻源或二手整理，但出处明确且与其他来源一致；或 web_search 的预计窗口事件
• 2：单一来源、细节不完整、日期仍待核实
• 1：推断、估算窗口、未验证信息

使用规则：

• 混合结论的置信度取关键来源中的最低值
• web_search 的预计窗口事件最高只能标 3
• 低置信度信息不能成为高影响事项的唯一依据

图表 / 图片需求

本 skill 的推荐图示为“催化剂时间轴图”，但允许在图表无法生成时降级为表格，不把图表能力写成当前脚本做不到的强制要求。

• 图表名称：催化剂时间轴图
• 图表目的：把未来 30 天高影响事件按日期铺开，帮助识别事件密集日和连续催化链条
• 使用的数据文件：announcement_raw.json、earnings_express_raw.json、latest_financial_raw.json、dividend_raw.json、可选 web_search_events.json
• 关键字段：event_date、window_start、window_end、event_type、impact_level、company/scope_name
• 建议图表类型：横向时间轴或甘特式时间带
• 时间范围：--start-date 到 --end-date
• 图表应回答的问题：未来 30 天哪几天最密集、哪些事件需要提前准备、哪些只有窗口没有精确日期
• 报告放置位置：## 完整日历视图 之前或同节内
• 若图表缺失：必须保留 完整日历视图 表格和 日期不确定事件 表格作为降级交付

目标产出

• 报告长度：5-8 页
• 目标字数：2,000-3,000 字
• 输出文件：
• Markdown 报告
• HTML 报告（若本地已安装 rq-report-renderer）
• 报告目录：用户通过 --data-dir 和 --output 指定，不写死固定路径

目录结构

catalyst-calendar/
├── SKILL.md
├── scripts/
│   └── generate_report.py
├── assets/
│   └── template.md
└── references/
    └── data_contract.md

输入文件契约

原始数据目录由 --data-dir 指定，脚本会优先读取下列文件：

• stock_pool.json
• earnings_express_raw.json
• latest_financial_raw.json
• dividend_raw.json
• instrument_meta.json
• announcement_raw.json
• web_search_events.json（可选，仅用于宏观 / 行业催化补充）

文件结构默认兼容 RQData CLI 常见输出：

• 顶层为对象，核心数据放在 data 字段
• data 可以是列表，也可以是单个对象
• 股票字段常见命名：
• order_book_id
• ticker
• stock_code
• symbol
• 公司名字段常见命名：
• name
• display_name
• stock_name
• company_name
• symbol

完整字段说明见 references/data_contract.md。

工作流

步骤 1：准备参数

AS_OF_DATE="$(date +%F)"
START_DATE="$AS_OF_DATE"
INDEX_ID="${INDEX_ID:-000300.XSHG}"
ORDER_BOOK_IDS_JSON="${ORDER_BOOK_IDS_JSON:-[\"000001.XSHE\",\"600000.XSHG\"]}"
START_QUARTER="${START_QUARTER:-2025q1}"
END_QUARTER="${END_QUARTER:-2025q4}"
DIVIDEND_LOOKBACK_START="$(python3 - <<'PY'
from datetime import date, timedelta
print((date.today() - timedelta(days=365)).isoformat())
PY
)"
ANNOUNCEMENT_LOOKBACK_START="$(python3 - <<'PY'
from datetime import date, timedelta
print((date.today() - timedelta(days=120)).isoformat())
PY
)"
END_DATE="$(python3 - <<'PY'
from datetime import date, timedelta
print((date.today() + timedelta(days=30)).isoformat())
PY
)"

DATA_DIR="${DATA_DIR:-$HOME/rq_equities_reports/catalyst_calendar}"
OUTPUT_MD="${OUTPUT_MD:-$DATA_DIR/catalyst_calendar_${START_DATE}_${END_DATE}.md}"

步骤 2：采集原始数据

以下文件名是脚本默认识别的输入文件名。字段名需要和实际 RQData 返回保持一致，必要时先用 rqdata help <subcommand> 检查。

mkdir -p "$DATA_DIR"

# 示例：股票池
rqdata index constituents --payload "{
  \"order_book_id\": \"$INDEX_ID\",
  \"date\": \"$AS_OF_DATE\"
}" --format json > "$DATA_DIR/stock_pool.json"

# 示例：业绩快报（以观察起始日为锚点，抓取最近披露的快报）
rqdata stock cn financial-express --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON,
  \"info_date\": \"$START_DATE\",
  \"interval\": \"4q\"
}" --format json > "$DATA_DIR/earnings_express_raw.json"

# 示例：最新正式财报（用于判断快报对应报告期是否已经被正式财报覆盖）
rqdata stock cn financial --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON,
  \"fields\": [\"revenue\"],
  \"start_quarter\": \"$START_QUARTER\",
  \"end_quarter\": \"$END_QUARTER\",
  \"statements\": \"all\"
}" --format json > "$DATA_DIR/latest_financial_raw.json"

# 示例：分红相关原始数据
rqdata stock cn dividend --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON,
  \"start_date\": \"$DIVIDEND_LOOKBACK_START\",
  \"end_date\": \"$END_DATE\"
}" --format json > "$DATA_DIR/dividend_raw.json"

# 示例：基础信息（用于补公司名称）
rqdata stock cn instruments --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON
}" --format json > "$DATA_DIR/instrument_meta.json"

# 示例：公告数据（用于精确识别财报、股东大会、利润分配等事件）
rqdata stock cn announcement --payload "{
  \"order_book_ids\": $ORDER_BOOK_IDS_JSON,
  \"start_date\": \"$ANNOUNCEMENT_LOOKBACK_START\",
  \"end_date\": \"$END_DATE\"
}" --format json > "$DATA_DIR/announcement_raw.json"

步骤 2B：补充 web_search 宏观 / 行业事件

仅当需要补充实时宏观或行业催化，且这些信息无法直接通过 RQData CLI 获得时，才执行此步骤。

执行要求：

• 先检索，再整理，最后落为 web_search_events.json
• 每条记录都要保留来源、链接、发布时间、检索时间和相关性说明
• 不得把检索到的新闻标题直接当作结构化事件，必须手工或脚本抽取 event_date 或 window_start/window_end

步骤 3：生成 Markdown 报告

python3 catalyst-calendar/scripts/generate_report.py \
  --data-dir "$DATA_DIR" \
  --start-date "$START_DATE" \
  --end-date "$END_DATE" \
  --output "$OUTPUT_MD"

常用参数：

• --data-dir：原始 JSON 数据目录
• --start-date：观察窗口开始日期
• --end-date：观察窗口结束日期
• --output：输出 Markdown 路径
• --template：自定义模板路径，默认 catalyst-calendar/assets/template.md
• --report-date：报告日期，默认当天
• --no-render：不生成 HTML

步骤 4：渲染 HTML

脚本默认会尝试使用本地安装的 rq-report-renderer 渲染 HTML。如果本地没有可用渲染器，脚本会保留 Markdown 并打印警告。

阶段门控

阶段 1：数据采集完成标准

• RQData 原始文件齐全，或缺失原因已明确记录
• announcement_raw.json 的时间范围包含观察起始日前至少 120 天
• 若使用 web_search，web_search_events.json 已按结构化字段落盘
• 未验证日期、模糊窗口和推断信息已被单独标识

阶段 2：报告生成完成标准

• 所有未来事件都完成去重
• 公告披露日与实际事件日已做语义区分
• 预计窗口事件未被写成精确日期
• 模板占位符全部替换完成
• 关键事件后都有 数据来源：XXX，置信度X

阶段 3：交付完成标准

• Markdown 报告生成成功
• 若渲染器可用，HTML 报告生成成功
• 关键章节齐全
• 若图表缺失，已通过表格完成降级交付

模板规则

• 报告必须严格基于 template.md 生成
• 模板占位符采用 [[TOKEN]] 语法，不使用 Jinja
• 当前模板仅允许以下占位符：
• [[REPORT_DATE]]
• [[START_DATE]]
• [[END_DATE]]
• [[COVERAGE_SCOPE]]
• [[EXEC_SUMMARY]]
• [[CALENDAR_TABLE]]
• [[EVENT_TYPE_SECTIONS]]
• [[HIGH_IMPACT_SECTIONS]]
• [[RECENT_DISCLOSED_SECTIONS]]
• [[ACTION_SECTION]]
• [[ESTIMATED_EVENT_SECTIONS]]
• [[APPENDIX]]

报告质量要求

• 完整包含模板中的主章节
• 每个关键数据块后必须有来源说明
• 不得出现硬编码示例值残留
• 不得将预计窗口写成精确日期
• 高影响事件必须给出事件依据和关注点
• 若过去公告已明确未来日期，正文应按实际事件日展示，而不是按公告披露日展示
• 公告处理应先做标题筛选；只有高概率携带未来日期或期间的公告才需要读取原文
• 正文必须保留可追溯的公告原文链接
• 宏观 / 行业事件若来自 web_search，必须保留来源名称、URL、发布时间和检索时间
• 无事件时必须明确写出“无数据 / 无事件”，不能输出空章节

阶段验收清单

• [ ] 数据采集 -> 报告生成 -> HTML 渲染三阶段都按顺序执行
• [ ] RQData CLI 与 web_search 的边界没有混用
• [ ] web_search 事件已写入结构化 JSON，而不是散落在自然语言笔记里
• [ ] 公司事件与宏观 / 行业事件都保留来源和置信度
• [ ] 事件去重、来源校验、日期语义校验已完成
• [ ] 时间轴图若未生成，表格降级路径仍能支撑报告质量
• [ ] Markdown / HTML 输出达到 5-8 页目标的可交付质量

常见错误

• 直接在 Python 里拼接整篇报告正文
• 用固定季度映射伪造财报发布日期
• 把十大股东数据误当作股东大会日期来源
• 把分红预案、股权登记、除权除息混成一个事件
• 使用网络搜索替代 RQData 的正式公司事件
• 用新闻发布时间代替真实事件发生日期
• 使用固定输出目录而不是 --data-dir / --output

催化剂日历报告

报告日期：[[REPORT_DATE]] 观察区间：[[START_DATE]] 至 [[END_DATE]] 覆盖范围：[[COVERAGE_SCOPE]]

执行摘要

[[EXEC_SUMMARY]]

完整日历视图

[[CALENDAR_TABLE]]

按事件类型分类

[[EVENT_TYPE_SECTIONS]]

高影响事件详解

[[HIGH_IMPACT_SECTIONS]]

近期已披露催化剂

[[RECENT_DISCLOSED_SECTIONS]]

跟踪建议

[[ACTION_SECTION]]

日期不确定事件

[[ESTIMATED_EVENT_SECTIONS]]

附录：口径说明

[[APPENDIX]]

Catalyst Calendar Data Contract

Raw Inputs

The generator looks for these files inside --data-dir:

• stock_pool.json
• earnings_express_raw.json
• latest_financial_raw.json
• dividend_raw.json
• instrument_meta.json
• announcement_raw.json
• web_search_events.json (optional)

Each file may be:

• { "data": [...] }
• { "data": { ... } }
• [...]
• { ... }

Common Identifier Fields

Ticker fields:

• order_book_id
• ticker
• stock_code
• symbol
• code

Company name fields:

• display_name
• name
• stock_name
• company_name
• symbol_name
• symbol

web_search_events.json Contract

web_search_events.json is only for macro / industry catalysts that cannot be directly sourced from RQData CLI.

Each record must contain at least:

• query
• source_name
• source_type
• title
• url
• published_at
• retrieved_at
• summary
• why_relevant
• confidence
• event_scope
• scope_name
• event_title
• date_type
• impact_level

Date fields:

• date_type = exact requires event_date
• date_type = estimated_window requires both window_start and window_end

Allowed event_scope values:

• macro
• industry

Recommended source_type values:

• official
• government
• association
• authoritative_media
• general_news
• inference

Example:

{
  "data": [
    {
      "query": "2026年4月 CPI 发布日期 国家统计局",
      "source_name": "国家统计局",
      "source_type": "government",
      "title": "2026年4月居民消费价格数据发布时间安排",
      "url": "https://www.stats.gov.cn/...",
      "published_at": "2026-04-01",
      "retrieved_at": "2026-04-07",
      "summary": "国家统计局更新了 4 月价格数据发布时间。",
      "why_relevant": "宏观数据发布可能影响利率预期和高估值板块风险偏好。",
      "confidence": 4,
      "event_scope": "macro",
      "scope_name": "宏观",
      "event_title": "4月 CPI / PPI 数据发布",
      "date_type": "exact",
      "event_date": "2026-04-10",
      "impact_level": "H"
    }
  ]
}

Normalized Event Fields

Each normalized event contains:

• event_id
• ticker
• company
• event_type
• event_title
• event_date
• date_type
• window_start
• window_end
• impact_level
• source
• confidence
• evidence
• notes
• disclosure_date
• source_link

Validation Rules

• Company structured events should come from RQData CLI
• web_search_events.json must not be used to replace earnings dates, dividend dates, or official announcement events
• Web-search estimated windows must not exceed confidence 3
• If a past announcement explicitly states a future meeting or activity date, the normalized event_date should use the actual future date, while disclosure_date keeps the original announcement date
• Raw announcement PDFs should be read selectively: only titles that are likely to contain useful future dates or windows should trigger PDF parsing

Date Rules

• date_type = exact: the event has an explicit date from source data
• date_type = estimated_window: the event only has an expected disclosure or occurrence window
• When only a quarter or period is known, the generator must use an estimated window instead of a fabricated exact date
• Dividend events should be queried with a long enough lookback window, but should only enter the calendar when ex_dividend_date falls inside the observation window
• Announcement events should be queried with an additional lookback before the report start date; for catalyst-calendar, about 120 days is recommended because past announcements may already contain exact future event dates
• For web events, published_at is the disclosure / publication date of the source, not the event occurrence date

Catalyst Calendar Web Search Reference

Purpose

Use web_search only to supplement macro / industry catalysts that RQData CLI cannot directly provide.

Allowed Coverage

• Macro release dates and policy meeting schedules
• Industry conferences, forums, exhibitions, consultation windows, regulatory milestones
• Cross-company thematic catalysts that may affect the covered stock pool

Prohibited Usage

• Do not use web_search to replace earnings dates, dividends, exchange announcements, shareholder meetings, or other formal company events
• Do not use web_search to replace structured financial, valuation, or price data
• Do not fill missing real-time dates from memory

Required Output File

All web-searched catalysts must be written to web_search_events.json.

Each record must contain:

• query
• source_name
• source_type
• title
• url
• published_at
• retrieved_at
• summary
• why_relevant
• confidence
• event_scope
• scope_name
• event_title
• date_type
• event_date or window_start + window_end
• impact_level

Field Rules

• event_scope only allows macro or industry
• date_type=exact requires event_date
• date_type=estimated_window requires window_start and window_end
• Estimated-window web events cannot have confidence above 3
• published_at is the source publication date, not the event date
• retrieved_at is the actual search / retrieval date

Source Types And Confidence Ceiling

• official: max confidence 5
• government: max confidence 4
• association: max confidence 4
• authoritative_media: max confidence 4
• general_news: max confidence 3
• inference: max confidence 1

Search Workflow

1. Search only for information RQData CLI cannot directly supply. 2. Prefer official and primary sources first. 3. Extract the actual event date or expected window from the source. 4. Write the result to web_search_events.json with source metadata and relevance notes. 5. If the date is still not confirmed, downgrade to estimated_window and lower confidence.

Fallback

1. Use the native web_search tool when available. 2. Otherwise use the configured network search tool in the current environment. 3. If neither is available:

• do not fabricate dates
• mark the item as unavailable or unverified
• do not upgrade confidence artificially

Example

{
  "data": [
    {
      "query": "2026年4月 CPI 发布日期 国家统计局",
      "source_name": "国家统计局",
      "source_type": "government",
      "title": "2026年4月居民消费价格数据发布时间安排",
      "url": "https://www.stats.gov.cn/...",
      "published_at": "2026-04-01",
      "retrieved_at": "2026-04-07",
      "summary": "国家统计局更新了 4 月价格数据发布时间。",
      "why_relevant": "宏观数据发布可能影响利率预期和高估值板块风险偏好。",
      "confidence": 4,
      "event_scope": "macro",
      "scope_name": "宏观",
      "event_title": "4月 CPI / PPI 数据发布",
      "date_type": "exact",
      "event_date": "2026-04-10",
      "impact_level": "H"
    }
  ]
}