Day 20 : 別怕太吵！AI 幫你濾掉市場雜訊

17th鐵人賽

吉米

2025-09-04 00:00:30

74 瀏覽

分享至

在股市的世界裡，每天都有數不清的新聞、財經報導、分析文章、甚至論壇留言。
但這些訊息中，有些只是「雜訊」，有些才是真正影響股價的「訊號」。
今天我們要用 AI 自動幫忙判斷、分類、總結，讓投資人不用再被資訊海淹沒！

財經新聞過濾

python
import requests
import pandas as pd
import google.generativeai as genai

# === 設定 API ===
NEWS_API_KEY = "你的NewsAPI金鑰"
genai.configure(api_key="你的Gemini API Key")
model = genai.GenerativeModel("gemini-1.5-flash")

# === 抓取財經新聞 ===
url = f"https://newsapi.org/v2/everything?q=stock market&language=en&apiKey={NEWS_API_KEY}"
resp = requests.get(url).json()

articles = resp["articles"][:5]  # 取前五篇新聞
news_df = pd.DataFrame([{
    "title": a["title"],
    "content": a["description"]
} for a in articles])

print(news_df)

# === AI 自動過濾與摘要 ===
for i, row in news_df.iterrows():
    prompt = f"""
    以下是一則財經新聞：
    標題：{row['title']}
    內文：{row['content']}

    請判斷這則新聞是否對股市有實質影響 (Yes/No)，
    並簡單摘要重點（50字內）。
    """
    response = model.generate_content(prompt)
    print(f"新聞 {i+1} 分析結果：\n{response.text}\n")

執行結果

論壇留言 / 股吧過濾

很多人會看 StockTwits、Reddit、PTT 股票版，但裡面資訊良莠不齊。
我們可以讓 AI 幫忙分辨 情緒、可信度。

python
import google.generativeai as genai

genai.configure(api_key="YOUR_GEMINI_API_KEY")
model = genai.GenerativeModel("gemini-2.5-flash")


comments = [
    "這支股票快要爆發了！買就對了！🚀🚀",
    "根據公司財報，本季營收下降 10%，要小心。",
    "聽說有內線交易，趕快跑吧！"
]

for c in comments:
    prompt = f"""
    這是一則投資留言：{c}

    請幫我分類：
    1. 內容是否具備可信度 (高/中/低)
    2. 情緒傾向 (樂觀/悲觀/中立)
    3. 是否可能是市場雜訊 (Yes/No)
    """
    resp = model.generate_content(prompt)
    print(f"留言分析：{c}\n{resp.text}\n")

執行結果

功能：AI 幫你過濾掉「過度情緒化」或「毫無依據」的留言。

推特市場脈動

接著可以用 X API 抓即時推文，然後讓 AI 過濾：

哪些推文有實際價值
哪些只是情緒渲染
總結當前市場氣氛

python
!pip install tweepy pandas

import tweepy
import pandas as pd

# === 填入你的 Twitter API Key (Bearer Token) ===
bearer_token = "YOUR_TWITTER_BEARER_TOKEN"

# 建立 client
client = tweepy.Client(bearer_token=bearer_token)

# === 設定搜尋條件 ===
query = "(投資 OR 股票 OR 股市 OR ETF OR 美股 OR 投資理財) lang:zh -is:retweet"
# 搜尋中文推文，排除轉推
tweets = client.search_recent_tweets(
    query=query,
    max_results=50,   # 每次最多 100
    tweet_fields=["id", "text", "created_at", "author_id", "lang"]
)

# === 整理成 DataFrame ===
data = []
for tweet in tweets.data:
    data.append([tweet.id, tweet.created_at, tweet.author_id, tweet.text])

df = pd.DataFrame(data, columns=["id", "date", "author", "content"])
df.head()

先去 X Developer Portal 申請專案。
在「Keys and Tokens」裡找到 Bearer Token，複製貼到程式裡。
修改 query，就能抓取你要的資料。

執行結果

接著要把「海量的推文」轉化成「精煉的市場情報」，用 Gemini AI 過濾並總結。

python
import google.generativeai as genai

# === Gemini API Key ===
genai.configure(api_key="你的_Gemini_API_Key")
model = genai.GenerativeModel("gemini-1.5-flash")

# 整理推文內容
tweet_texts = "\n".join(df["content"].tolist())

# 指示 Gemini 過濾
prompt = f"""
以下是一些投資相關推文，請幫我分類與總結：

1. 哪些推文有實際價值（包含數據、公司動向、投資理由）？
2. 哪些推文只是情緒渲染（樂觀或悲觀，但缺乏具體依據）？
3. 總結這些推文反映的當前市場氣氛。

推文內容如下：
{tweet_texts}
"""

response = model.generate_content(prompt)
print(response.text)