- name
- congress-stock-tracker
- description
- 国会山股神线索追踪工具。追踪美国国会议员最新股票交易动态，识别被多位议员集中买入的重仓标的，结合议员所在委员会和近期立法/监管动态，分析交易背后可能的政策事件催化剂，并检测大额交易、密集交易、跨党派共识等异常信号。当用户询问以下问题时使用本技能：(1) 国会议员最近买了什么股票 (2) 哪些股票被议员重仓买入 (3) 议员交易背后有什么政策线索 (4) 国会山股神/佩洛西等议员的持仓动态 (5) 分析国会交易异常信号
🏛️ 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
用户提问 → 判断查询类型 → 获取交易数据 → 分析处理 → 生成报告- 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
- 获取数据：运行
scripts/fetch_trades.py - 分析数据：结合
references/中的知识进行深度解读 - 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：
# 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：
- 读取
references/committee_industry_map.md，查找买入议员所在委员会 - 判断标的行业是否在委员会管辖范围内（高关联 = 更强信号）
- 搜索近期相关立法、听证会、监管动态（使用联网搜索）
- 按
references/analysis_framework.md中的信号强度评估体系打分 - 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：
- 交易总览表格：议员、标的、买/卖、金额、日期、党派
- 重仓排行：被最多议员买入的标的排名
- 深度分析：Top 3-5 标的的事件关联解读
- 异常警报：检测到的异常交易信号
- ⚖️ 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