market-news-analyst

市场新闻分析师

概述

此技能可全面分析过去 10 天影响市场的新闻事件，重点关注这些事件对美国股票市场和大宗商品的影响。此技能会使用 WebSearch 和 WebFetch 工具自动从可信来源收集新闻、评估市场影响幅度、分析实际市场反应，并生成按市场影响程度排序的结构化英文报告。

前提条件

• 工具： 必须提供 WebSearch 和 WebFetch 工具以收集新闻
• API 密钥： 无需（使用内置的网页搜索功能）
• 知识： 熟悉金融市场术语会有所帮助，但并非必需

输出

此技能会在分析过程中提供对话式指导。执行完整工作流后，Claude 会生成一份完整的 Markdown 报告（格式见步骤 6），并可根据用户请求将其保存到 reports/ 目录。不会自动生成文件；输出会在对话中呈现。

何时使用此技能

在以下情况下使用此技能：

• 用户要求分析最近的重大市场新闻（过去 10 天）
• 用户希望了解市场对特定事件（FOMC 决策、财报、地缘政治事件）的反应
• 用户需要包含影响评估的全面市场新闻摘要
• 用户询问新闻事件与大宗商品价格走势之间的相关性
• 用户要求分析央行政策公告对市场的影响

用户请求示例：

• “分析过去 10 天的重大市场新闻”
• “最新的 FOMC 决策对市场有什么影响？”
• “本周影响市场的最重要事件有哪些？”
• “分析近期地缘政治新闻及大宗商品价格反应”
• “回顾大型科技公司财报及其市场影响”

分析工作流

分析市场新闻时，请遵循以下结构化的 6 步工作流：

步骤 1：通过 WebSearch/WebFetch 收集新闻

目标： 收集过去 10 天内的全面新闻，涵盖重大市场驱动事件。

搜索策略：

并行执行 WebSearch 查询，涵盖不同新闻类别：

货币政策：

• 搜索：“FOMC meeting past 10 days”“Federal Reserve interest rate”“ECB policy decision”“Bank of Japan”
• 目标：央行决策、前瞻指引变化、通胀评论

通胀/经济数据：

• 搜索：“CPI inflation report [current month]”“jobs report NFP”“GDP data”“PPI producer prices”
• 目标：重大经济数据发布及意外情况

超大型公司财报：

• 搜索：“Apple earnings [current quarter]”“Microsoft earnings”“NVIDIA earnings”“Amazon earnings”“Tesla earnings”“Meta earnings”“Google earnings”
• 目标：最大型公司的业绩、指引和市场反应

地缘政治事件：

• 搜索：“Middle East conflict oil prices”“Ukraine war”“US China tensions”“trade war tariffs”
• 目标：影响市场的冲突、制裁和贸易争端

大宗商品市场：

• 搜索：“oil prices news past week”“gold prices”“OPEC meeting”“natural gas prices”“copper prices”
• 目标：供应中断、需求变化、价格波动

企业新闻：

• 搜索：“major M&A announcement”“bank earnings”“tech sector news”“bankruptcy”“credit rating downgrade”
• 目标：超大型公司以外的重大企业事件

推荐新闻来源（按优先级排序）：

1. 官方来源：FederalReserve.gov、SEC.gov (EDGAR)、Treasury.gov、BLS.gov
2. 一级财经新闻：Bloomberg、Reuters、Wall Street Journal、Financial Times
3. 专业来源：CNBC（实时资讯）、MarketWatch（摘要）、S&P Global Platts（大宗商品）

搜索执行：

• 使用 WebSearch 进行广泛的主题搜索
• 使用 WebFetch 获取官方来源或主要新闻媒体的特定 URL
• 收集发布日期，确保新闻处于 10 天的时间窗口内
• 记录：事件日期、来源、标题、关键详情、市场背景（盘前、交易时段、盘后）

筛选标准：

• 聚焦一级市场驱动事件（参见 references/market_event_patterns.md）
• 优先选择市场影响明确的新闻（价格变动、成交量激增）
• 排除：小盘股个股新闻、次要产品更新、常规申报文件

在整个收集过程中使用英语思考。记录每条重要新闻，包括：

• 日期和时间
• 事件类型（货币政策、财报、地缘政治等）
• 来源可信度等级
• 初始市场反应（如可观察）

步骤 2：加载知识库参考资料

目标： 获取领域知识，为影响评估提供依据。

根据收集到的新闻类型加载相关参考文件：

始终加载：

• references/market_event_patterns.md - 各类重大事件的综合模式
• references/trusted_news_sources.md - 来源可信度评估

按需加载（根据收集到的新闻）：

如果发现货币政策新闻：

• 重点关注：market_event_patterns.md → 央行货币政策事件部分
• 关键框架：加息/降息反应、QE/QT 影响、鹰派/鸽派语气

如果发现地缘政治事件：

• 加载：references/geopolitical_commodity_correlations.md
• 重点关注：能源大宗商品、贵金属，以及与事件相匹配的区域框架

如果发现超大型公司财报：

• 加载：references/corporate_news_impact.md
• 重点关注：特定公司部分、行业传导模式

如果发现大宗商品新闻：

• 加载：references/geopolitical_commodity_correlations.md
• 重点关注：特定大宗商品部分（石油、黄金、铜等）

知识整合： 将收集到的新闻与历史模式进行比较，以便：

• 预测预期的市场反应
• 识别异常情况（市场反应与历史模式不同）
• 评估反应幅度是否符合典型水平，或是否异常剧烈
• 判断传导效应是否如预期发生

第 3 步：影响程度评估

目标： 按市场影响程度对每条新闻事件进行排名。

影响评估框架：

对每条新闻，从以下三个维度进行评估：

1. 资产价格影响（主要因素）：

衡量实际或估算的价格变动：

股票市场：

• 指数层面：S&P 500、Nasdaq 100、Dow Jones

  • 严重：单日 ±2% 以上
  • 重大：±1-2%
  • 中等：±0.5-1%
  • 轻微：±0.2-0.5%
  • 可忽略：<0.2%

• 行业层面：特定行业 ETF

  • 严重：±5% 以上
  • 重大：±3-5%
  • 中等：±1-3%
  • 轻微：<1%

• 个股层面：大型个股

  • 严重：±10% 以上（且指数权重足以影响指数走势）
  • 重大：±5-10%
  • 中等：±2-5%

大宗商品市场：

• 石油（WTI/Brent）：

  • 严重：±5% 以上
  • 重大：±3-5%
  • 中等：±1-3%

• 黄金：

  • 严重：±3% 以上
  • 重大：±1.5-3%
  • 中等：±0.5-1.5%

• 基本金属（铜等）：

  • 严重：±4% 以上
  • 重大：±2-4%
  • 中等：±1-2%

债券市场：

• 10 年期美国国债收益率：
  • 严重：单日变动 ±20 个基点以上
  • 重大：±10-20 个基点
  • 中等：±5-10 个基点

货币市场：

• 美元指数（DXY）：
  • 严重：±1.5% 以上
  • 重大：±0.75-1.5%
  • 中等：±0.3-0.75%

2. 影响广度（乘数）：

评估受到影响的市场或行业数量：

• 系统性（乘以 3）： 多种资产类别、全球市场

  • 示例：FOMC 意外决策、银行业危机、重大战争爆发

• 跨资产（乘以 2）： 股票与大宗商品，或股票与债券

  • 示例：通胀数据意外、地缘政治供应冲击

• 行业范围（乘以 1.5）： 整个行业或相关行业

  • 示例：科技行业财报集中发布、能源政策公告

• 个股范围（乘以 1）： 单家公司（除非是对指数有影响的大型股）

  • 示例：单家公司财报、并购

3. 前瞻性重要程度（修正系数）：

考虑未来影响：

• 格局转变（+50%）： 市场基本结构发生转变

  • 示例：美联储从加息转向降息、重大的地缘政治格局重组

• 趋势确认（+25%）： 强化现有走势

  • 示例：通胀数据连续强劲、财报持续超预期

• 孤立事件（0%）： 一次性事件，前瞻信号有限

  • 示例：单个数据点处于区间内、公司特定问题

• 相反信号（-25%）： 与主流叙事相矛盾

  • 示例：利好消息未获市场认可、利空消息推动市场上涨

影响分数计算：

Impact Score = (Price Impact Score × Breadth Multiplier) + Forward-Looking Modifier

Price Impact Score:
- Severe: 10 points
- Major: 7 points
- Moderate: 4 points
- Minor: 2 points
- Negligible: 1 point

计算示例：

FOMC 加息 75 个基点（基调偏鹰）：

• 价格影响：S&P 500 下跌 2.5%（严重 = 10 分）
• 影响广度：系统性（股票、债券、美元、大宗商品均有变动）= 乘以 3
• 前瞻性：趋势确认（持续收紧）= +25%
• 分数：（10 × 3）× 1.25 = 37.5

NVIDIA 财报超预期：

• 价格影响：NVDA 上涨 15%，Nasdaq 上涨 1.5%（严重 = 10 分）
• 影响广度：行业范围（半导体及广泛的科技行业）= 乘以 1.5
• 前瞻性：趋势确认（AI 需求）= +25%
• 分数：（10 × 1.5）× 1.25 = 18.75

地缘政治紧张局势升级（中东）：

• 价格影响：石油上涨 8%，S&P 下跌 1.2%（严重 = 10 分）
• 影响广度：跨资产（石油、股票、黄金）= 乘以 2
• 前瞻性：孤立事件（未进一步升级）= 0%
• 分数：（10 × 2）× 1.0 = 20

单只股票财报（非大型股）：

• 价格影响：股票上涨 12%，对指数无影响（重大 = 7 分）
• 影响广度：个股范围 = 乘以 1
• 前瞻性：孤立事件 = 0%
• 分数：（7 × 1）× 1.0 = 7

排名： 为所有新闻条目评分后，按影响分数从高到低排名，以此决定报告中的排序。

第 4 步：市场反应分析

目标： 分析市场对每个事件的实际反应。

针对每条重大新闻（影响评分 >5），进行详细的反应分析：

即时反应（日内）：

• 方向：积极、消极、混合
• 幅度：与价格影响类别相符
• 时间：盘前、交易时段内、盘后
• 波动性：VIX 走势、买卖价差

多资产反应：

股票：

• 指数表现（S&P 500、Nasdaq、Dow、Russell 2000）
• 行业轮动（哪些行业表现优于／逊于大盘）
• 个股走势（超大市值股、相关公司）
• 成长股与价值股、大盘股与小盘股的分化

固定收益：

• 美国国债收益率（2 年期、10 年期、30 年期）
• 收益率曲线形态（变陡、变平、倒挂）
• 信用利差（IG、HY）
• TIPS 盈亏平衡通胀率（通胀预期）

大宗商品：

• 能源：石油（WTI、Brent）、天然气
• 贵金属：黄金、白银
• 基础金属：铜、铝（如相关）
• 农产品：小麦、玉米、大豆（如相关）

货币：

• 美元指数（DXY）
• EUR/USD、USD/JPY、GBP/USD
• 新兴市场货币
• 避险货币（JPY、CHF）

衍生品：

• VIX（波动率指数）
• 期权交易活动（看跌／看涨比率、异常交易量）
• 期货持仓

模式比较：

将观察到的反应与知识库中的预期模式进行比较：

• 一致： 反应符合历史模式

  • 示例：美联储加息 → 科技股下跌、美元走强（符合预期）

• 放大： 反应超出典型模式

  • 示例：通胀数据比市场共识高出 0.3% → 抛售幅度是典型情况的 2 倍
  • 调查：持仓情况、市场情绪、累积因素

• 减弱： 反应弱于历史模式

  • 示例：地缘政治事件 → 油价几乎未动
  • 调查：是否已被市场消化、是否存在其他抵消因素

• 反向： 反应与历史模式相反

  • 示例：利好消息被忽视，利空消息却推动市场上涨
  • 调查：“利好消息反而是坏消息”的动态、美联储转向预期

异常识别：

标记显著偏离模式的反应：

• 市场对通常会推动市场走势的新闻无动于衷
• 市场对通常影响较小的新闻反应过度
• 传染效应未如预期扩散
• 避险资产未能发挥作用（相关性失效）

情绪指标：

• 风险偏好与避险：哪种市场状态占主导
• 持仓情况：是否有拥挤交易平仓的迹象
• 动量：后续交易时段是否延续走势，或出现反转

步骤 5：相关性与因果关系评估

目标： 区分直接影响与时间上的巧合。

多事件分析：

当 10 天期间发生多个重大事件时，评估它们之间的相互作用：

相互强化的事件：

• 影响方向相同
• 示例：鹰派 FOMC + CPI 高于预期 → 两者都利空股票，放大市场波动
• 综合影响通常呈非线性（大于各部分影响之和）

相互抵消的事件：

• 影响方向相反
• 示例：强劲的财报（利好）+ 地缘政治紧张局势（利空）→ 净反应温和
• 确定占主导地位的因素

连续发生的事件：

• 一项事件为下一项事件的市场反应埋下伏笔
• 示例：首次加息引发的反应温和，第二次加息引发的反应剧烈（市场担忧紧缩效应累积）
• 路径依赖很重要

时间上的巧合：

• 事件彼此无关，但同时发生
• 难以单独剥离各项事件的影响
• 注明归因方面的不确定性

地缘政治与大宗商品的相关性：

对于地缘政治事件，使用 geopolitical_commodity_correlations.md 专门分析大宗商品市场的反应：

能源：

• 将冲突／制裁与供应中断风险关联起来
• 评估实际影响与市场担忧的供应影响
• 持续时间：短暂飙升还是持续走高

贵金属：

• 避险资金流与实际利率驱动因素
• 黄金对避险事件的反应
• 央行购金的影响

工业金属：

• 对经济放缓的担忧导致需求受损
• 供应链中断
• 铜、铝市场中的中国因素

农业：

• 黑海粮食出口（俄罗斯与乌克兰）
• 天气因素
• 粮食安全政策应对

传导机制：

追踪新闻影响如何在市场中传导：

直接渠道：

• 新闻 → 资产价格立即反应
• 示例：OPEC 减产 → 油价立即上涨

间接渠道：

• 新闻 → 经济影响 → 资产价格
• 示例：加息 → 抵押贷款利率上升 → 房地产市场降温 → 房屋建筑商股票下跌

情绪渠道：

• 新闻 → 风险偏好转变 → 广泛的资产重新配置
• 示例：银行业危机 → 资金涌向优质资产 → 美国国债上涨，股票遭抛售

反馈循环：

• 初始反应引发次级效应
• 示例：股票遭抛售 → 追加保证金通知 → 被迫抛售 → 抛售加剧

步骤 6：生成报告

目标： 创建结构化的英文 Markdown 报告，并按市场影响排序。

报告结构：

# Market News Analysis Report - [Date Range]

## Executive Summary

[3-4 sentences covering:]
- Period analyzed (specific dates)
- Number of significant events identified
- Dominant market theme/regime (risk-on/risk-off, sector rotation)
- Top 1-2 highest-impact events

## Market Impact Rankings

[Table format, sorted by Impact Score descending]

| Rank | Event | Date | Impact Score | Asset Classes Affected | Market Reaction |
|------|-------|------|--------------|------------------------|-----------------|
| 1 | [Event] | [Date] | [Score] | [Equities, Commodities, etc.] | [Brief reaction] |
| 2 | ... | ... | ... | ... | ... |

---

## Detailed Event Analysis

[For each event in rank order, provide comprehensive analysis]

### [Rank]. [Event Name] (Impact Score: [X])

**Event Date:** [Date, Time]
**Event Type:** [Monetary Policy / Earnings / Geopolitical / Economic Data / Corporate]
**News Source:** [Source, with credibility tier]

#### Event Summary
[3-4 sentences describing what happened]
- Key details (e.g., rate decision, earnings beat/miss magnitude, conflict developments)
- Context (was this expected, surprise factor)
- Forward guidance or implications stated

#### Market Reaction

**Immediate (Day-of):**
- **Equities:** S&P 500 [+/-X%], Nasdaq [+/-X%], Sector rotation [details]
- **Bonds:** 10Y yield [change], credit spreads [movement]
- **Commodities:** Oil [+/-X%], Gold [+/-X%], Copper [+/-X%] (if relevant)
- **Currencies:** USD [+/-X%], [other relevant pairs]
- **Volatility:** VIX [level/change]

**Follow-Through (Subsequent Sessions):**
- [Direction: sustained, reversed, or consolidated]
- [Additional price action details if significant]

**Pattern Comparison:**
- **Expected Reaction:** [Based on historical patterns from knowledge base]
- **Actual vs Expected:** [Consistent / Amplified / Dampened / Inverse]
- **Explanation of Deviation:** [If applicable, why reaction differed]

#### Impact Assessment Detail

**Asset Price Impact:** [Severe/Major/Moderate/Minor] - [Justification]
**Breadth:** [Systemic/Cross-Asset/Sector/Stock-Specific] - [Affected markets]
**Forward Significance:** [Regime Change/Trend Confirmation/Isolated/Contrary] - [Rationale]

**Calculated Score:** ([Price Score] × [Breadth Multiplier]) × [Forward Modifier] = [Total]

#### Sector-Specific Impacts

[If relevant, detail which sectors/industries were most affected]
- [Sector 1]: [Impact and reason]
- [Sector 2]: [Impact and reason]
- [Example: Technology -3% (rate sensitivity), Energy +5% (oil price spillover)]

#### Geopolitical-Commodity Correlation Analysis

[Include this section only for geopolitical events]
- [Specific commodity affected]: [Price movement]
- [Supply/demand mechanism]: [Explanation]
- [Historical precedent]: [Comparison to similar past events]
- [Expected duration]: [Temporary shock vs sustained impact]

[Repeat detailed analysis for each ranked event]

---

## Thematic Synthesis

### Dominant Market Narrative
[Identify overarching theme across the 10-day period]
- [E.g., "Persistent inflation concerns dominated despite mixed economic data"]
- [E.g., "Tech sector strength drove markets higher despite geopolitical headwinds"]

### Interconnected Events
[Analyze how events related or compounded]
- [Event A] + [Event B] → [Combined impact analysis]
- [Sequential causation if applicable]

### Market Regime Assessment
**Risk Appetite:** [Risk-On / Risk-Off / Mixed]
**Evidence:**
- [Supporting indicators: sector performance, safe haven flows, credit spreads, VIX]

**Sector Rotation Trends:**
- [Growth vs Value]
- [Cyclicals vs Defensives]
- [Outperformers and underperformers]

### Anomalies and Surprises
[Highlight unexpected market reactions]
1. [Event]: Market reacted [unexpectedly] because [explanation]
2. [Continue for significant anomalies]

---

## Commodity Market Deep Dive

[Dedicated section for commodity movements]

### Energy
- **Crude Oil (WTI/Brent):** [Price level, % change over period, key drivers]
- **Natural Gas:** [If significant movement]
- **Key Events:** [Specific news impacting energy: OPEC, geopolitics, inventory data]

### Precious Metals
- **Gold:** [Price level, % change, safe-haven flows vs real rate dynamics]
- **Silver:** [If significant divergence from gold]
- **Drivers:** [Geopolitical risk premium, inflation hedging, USD strength]

### Base Metals
- **Copper:** [As economic barometer - demand signals]
- **Aluminum, Nickel:** [If relevant supply/demand news]
- **China Factor:** [Impact of Chinese economic data/policy]

### Agricultural (If Relevant)
- **Grains:** [Wheat, Corn, Soybeans - weather, Ukraine conflict impacts]

[For each commodity, reference geopolitical events from main analysis and draw correlations]

---

## Forward-Looking Implications

### Market Positioning Insights
[What the news suggests for current market positioning]
- [Trend continuation or reversal signals]
- [Overvaluation or undervaluation indications]
- [Sentiment extremes (complacency or panic)]

### Upcoming Catalysts
[Events on horizon that may be set up by recent news]
- [Next FOMC meeting expectations post-recent decision]
- [Upcoming earnings seasons based on guidance]
- [Geopolitical developments to monitor]

### Risk Scenarios
[Based on recent news, identify key risks]
1. **[Risk Name]:** [Description, probability, potential impact]
2. **[Risk Name]:** [Description, probability, potential impact]
3. [Continue for 3-5 key risks]

---

## Data Sources and Methodology

### News Sources Consulted
[List primary sources used, organized by tier]
- **Official Sources:** [e.g., FederalReserve.gov, SEC.gov]
- **Tier 1 Financial News:** [e.g., Bloomberg, Reuters, WSJ]
- **Specialized:** [e.g., S&P Global Platts for commodities]

### Analysis Period
- **Start Date:** [Specific date]
- **End Date:** [Specific date]
- **Total Days:** 10

### Market Data
- Equity indices: [Data sources]
- Commodity prices: [Data sources]
- Economic data: [Government sources]

### Knowledge Base References
- `market_event_patterns.md` - Historical reaction patterns
- `geopolitical_commodity_correlations.md` - Geopolitical-commodity frameworks
- `corporate_news_impact.md` - Mega-cap impact analysis
- `trusted_news_sources.md` - Source credibility assessment

---

*Analysis Date: [Date report generated]*
*Language: English*
*Analysis Thinking: English*

文件命名规范： market_news_analysis_[START_DATE]_to_[END_DATE].md

示例：market_news_analysis_2024-10-25_to_2024-11-03.md

报告质量标准：

• 分析客观、以事实为依据（除按概率加权的情景外，不作推测）
• 使用具体百分比量化价格变动
• 对重要论断注明来源
• 区分相关性与因果关系
• 将市场波动归因于特定新闻时，承认存在不确定性
• 使用恰当的金融术语
• 全文保持英文一致

关键分析原则

进行市场新闻分析时：

1. 影响优先于噪音： 聚焦真正影响市场的新闻，过滤掉次要事件
2. 多资产视角： 跨股票、债券、大宗商品和货币进行分析，以全面理解影响
3. 模式识别： 与历史先例进行比较，同时指出独特之处
4. 严谨判断因果关系： 严格区分市场走势是由特定新闻引起，还是仅仅时间上巧合
5. 着眼未来： 强调对未来市场行为的影响，而不只是回顾性描述
6. 客观： 将市场反应（发生了什么）与个人市场观点（应该发生什么）区分开来
7. 量化： 使用具体数字（%、基点）而非模糊说法（“显著”“大幅”）
8. 来源可信度： 相较于传闻和未经证实的报道，更重视官方来源和一级新闻来源
9. 广度分析： 只有涉及超大盘股或体现系统性信号时，个股走势才具有重要意义
10. 保持英语一致性： 所有思考、分析和输出均使用英语，以保持一致

应避免的常见陷阱

过度归因：

• 并非所有市场走势都由新闻驱动（技术因素、资金流动和月末再平衡也会产生影响）
• 归因不确定时应予以说明

近因偏差：

• 最新的新闻不一定最重要
• 按实际影响排序，而非按时间顺序排序

事后偏差：

• 区分“事后看来显而易见”和“当时令人意外”
• 指出市场共识预期与实际结果之间的差异

单因素分析：

• 市场会同时对多种因素作出反应
• 应说明各因素间的相互影响

忽视幅度：

• CPI 高于预期 0.1% 的“偏热”读数，与高于预期 0.5% 的读数不同
• 量化意外程度

资源

references/

market_event_patterns.md - 全面的知识库，涵盖：

• 央行货币政策事件（FOMC、ECB、BOJ、PBOC）
• 通胀数据发布（CPI、PPI、PCE）
• 就业数据（NFP、失业率、工资）
• GDP 报告
• 地缘政治事件（冲突、贸易战、制裁）
• 企业财报（超大型科技公司、银行、能源公司）
• 信用事件和评级变动
• 大宗商品特定事件（OPEC、天气、供应中断）
• 衰退指标
• 历史案例研究（2008 年危机、COVID-19、2022 年通胀）
• 模式识别框架和情绪分析

geopolitical_commodity_correlations.md - 详细的相关性分析，涵盖：

• 能源大宗商品（原油、天然气、煤炭）与地缘政治冲突
• 贵金属（黄金、白银、铂金、钯金）的避险动态
• 基本金属（铜、铝、镍、锌）与经济及政治风险
• 农产品（小麦、玉米、大豆）与天气及政策
• 稀土元素和关键矿产（中国主导地位、供应安全）
• 区域地缘政治框架（中东、俄罗斯与欧洲、亚太地区、拉丁美洲）
• 相关性汇总表
• 时间跨度注意事项

corporate_news_impact.md - 超大型企业分析框架：

• “Magnificent 7”科技股（NVIDIA、Apple、Microsoft、Amazon、Meta、Google、Tesla）
• 金融行业超大型企业（JPMorgan、Bank of America 等）
• 医疗保健行业超大型企业（UnitedHealth、Pfizer、J&J、Merck）
• 能源行业超大型企业（Exxon Mobil、Chevron）
• 必需消费品行业超大型企业（P&G、Coca-Cola、PepsiCo）
• 工业行业超大型企业（Boeing、Caterpillar）
• 财报影响框架、产品发布、并购、监管问题
• 行业传染模式
• 影响程度框架

trusted_news_sources.md - 信息来源可信度指南：

• 一级一手来源（央行、政府机构、SEC）
• 二级主要财经新闻来源（Bloomberg、Reuters、WSJ、FT、CNBC）
• 三级专业来源（能源、科技、新兴市场、中国相关、加密货币）
• 四级分析与研究来源（独立研究、央行出版物、智库）
• 搜索和聚合工具
• 信息来源质量评估标准
• 速度与准确性的权衡
• 10 天分析的推荐搜索策略
• 信息来源可信度框架
• 应避免的危险信号来源

重要说明

• 所有分析思考必须用英语进行
• 所有输出的 Markdown 文件必须为英语
• 使用 WebSearch 和 WebFetch 工具自动收集新闻
• 重点关注 references 中定义的可信新闻来源
• 按影响评分对事件排序（价格影响 × 波及范围 × 前瞻意义）
• 目标分析周期：截至当前日期的过去 10 天
• 将美国股票市场和大宗商品作为主要分析对象
• 对 FOMC 和其他央行政策决策给予最高优先级的分析
• 严格区分相关性与因果关系
• 使用具体百分比量化所有市场反应
• 根据收集到的新闻类型加载相应的参考文件
• 生成全面报告，并按市场影响从高到低排序