APPLICATION

用ChatGPT分析外汇新闻

无论你是零售交易员、宏观分析师还是Python自动化爱好者，这个教程都会利用公开新闻数据和AI给你带来实时优势。

admin

Jul 29, 2025 • 6 min read

在快速变化的外汇交易世界中，盈利与亏损之间的差异往往取决于理解中央银行如何引导预期。

虽然技术分析至关重要，但聪明的交易者知道新闻头条可以在几分钟内改变市场情绪——以及货币价格。其中最有力的信号是与央行前瞻性指引相关的信号：政策制定者是变得更加鸽派、鹰派还是保持中立？

在这篇文章中，你将学习如何：

通过程序化方式收集外汇相关的新闻头条
使用 ChatGPT API 检测央行语气的变化（如从鸽派到鹰派等）
识别 影响市场的头条新闻
在存在分歧时生成建议的 外汇交易对
将所有内容输出为一个干净易读的 pandas DataFrame

无论你是零售交易员、宏观分析师还是Python自动化爱好者，这个教程都会利用公开新闻数据和AI给你带来实时优势。

0、快速入门：前瞻性指引及其重要性

中央银行通过设定利率和发出未来行动的信号来塑造货币价值。这些信号被称为前瞻性指引，给交易者提供了一个关于未来货币政策方向的线索。这里有一个快速的术语表：

鹰派：央行支持更高的利率（对货币有利）
鸽派：央行支持更低的利率或宽松（对货币不利）
中性：没有明显的方向性偏见

暗示转变的新闻头条——例如“美联储暗示加息”或“欧洲央行可能结束紧缩”——可能导致外汇市场剧烈波动，特别是在两个货币的政策路径之间存在分歧时。

如果你对央行信号及其如何影响货币还不熟悉，我推荐阅读这篇出色的文章：

它更深入地探讨了利率预期、经济指标，以及如何构建更结构化的外汇基本面分析方法。

免责声明

我不是 与OpenAI、FXStreet、FinancialModelingPrep (FMP) 或本文中提到的任何其他公司有关联 。所引用的所有工具和平台仅用于教育和说明目的。这不是财务建议。

1、收集外汇新闻

虽然许多API如FinancialModelingPrep (FMP) 提供对外汇新闻的结构化访问，但大多数都位于付费墙之后。对于一个无需登录的免费选项，FXStreet的RSS源是最好的选择。

1.1 通过FXStreet的免费选项

pip install feedparser pandas openai

import feedparser  
import pandas as pd  
from datetime import datetime  

def fetch_fxstreet_news(limit=10):  
    feed_url = "https://www.fxstreet.com/rss/news"  
    feed = feedparser.parse(feed_url)  
    entries = feed.entries[:limit]  

    news_items = []  
    for entry in entries:  
        title = entry.title  
        summary = entry.summary  
        published = entry.published  
        link = entry.link  

        news_items.append({  
            "published": datetime.strptime(published, "%a, %d %b %Y %H:%M:%S %Z"),  
            "title": title,  
            "summary": summary,  
            "url": link  
        })  

    return pd.DataFrame(news_items)  

# 示例用法  
fx_news_df = fetch_fxstreet_news()  
print(fx_news_df.head())p

fetch_fxstreet_news() 函数负责从 FXStreet 的公共 RSS 源中收集最新的外汇头条新闻。

它使用 feedparser 库来解析并提取关键信息，如标题、摘要、发布时间和文章链接。

这些头条新闻被清理并组织成一个结构化的 pandas DataFrame，使其易于显示、分析或进一步处理——比如将其输入 ChatGPT 进行情感和政策信号检测。

1.2 付费替代方案：FinancialModelingPrep (FMP)

如果你想获得更结构化的数据和特定符号的查询，FMP 提供了一个强大的外汇新闻 API，但它是他们高级计划的一部分。

import requests  

FMP_API_KEY = "your_fmp_api_key"  

# 此端点是付费的  
def get_forex_news_from_fmp(limit=10):  
    url = f"https://financialmodelingprep.com/api/v4/forex_news?limit={limit}&apikey={FMP_API_KEY}"  
    res = requests.get(url)  
    res.raise_for_status()  
    return res.json()  

news_items = get_forex_news_from_fmp()  
for n in news_items:  
    print(n.get("symbol"), n.get("title"))

你可以将这些新闻条目输入相同的 analyze_news_with_chatgpt() 函数中。

2、让 ChatGPT 分析头条新闻

接下来，我们将每条头条新闻发送给 ChatGPT API，并要求它：

确定是否会影响市场
检测是否有前瞻性指引的变化
识别受影响的货币
如果存在分歧，建议一个货币对进行交易

import openai  
import time  

openai.api_key = "YOUR_OPENAI_API_KEY"  

def analyze_news_with_chatgpt(news_item):  
    prompt = f"""  
给定以下外汇新闻头条和摘要：  

头条："{news_item['title']}"  
摘要："{news_item['summary']}"  

请回答以下问题：  
1. 这是否很可能会对市场产生影响？（是/否）  
2. 它是否表明前瞻性指引有变化？例如：  
   - '从鸽派到鹰派'  
   - '从中性到鹰派'  
   - '从鸽派到中性'  
   - '无'  
3. 哪些货币或货币受到影响？使用 ISO 代码（例如 USD、EUR）。  
4. 假设这是更广泛的外汇市场情绪管道的一部分，并且我们已经知道其他货币的指引（例如 USD = 中性），这条新闻是否意味着货币政策语气的分歧？  
   - 分歧意味着：一个货币相对于另一个货币是鹰派/鸽派。  
5. 根据这种分歧，建议最佳的外汇交易对。格式为 XXX/YYY，例如 EUR/USD。如果没有明确的分歧，返回 "None"。  

严格按 JSON 回复：  
{{  
  "market_moving": true,  
  "guidance_shift": "Dovish to Neutral",  
  "affected_currency": ["EUR"],  
  "suggested_trade_pair": "EUR/USD"  
}}  
"""  

    response = openai.ChatCompletion.create(  
        model="gpt-4",  
        messages=[{"role": "user", "content": prompt}],  
        temperature=0.2  
    )  

    content = response.choices[0].message.content  

    try:  
        result = eval(content)  
        return result  
    except Exception as e:  
        print("解析响应时出错:", e)  
        return {  
            "market_moving": None,  
            "guidance_shift": None,  
            "affected_currency": None,  
            "suggested_trade_pair": None  
        }

3、构建最终的DataFrame

def build_analysis_dataframe():  
    raw_news = fetch_fxstreet_news(limit=10)  
    results = []  
    for item in raw_news.to_dict(orient='records'):  
        analysis = analyze_news_with_chatgpt(item)  
        results.append({  
            "title": item["title"],  
            "market_moving": analysis.get("market_moving"),  
            "guidance_shift": analysis.get("guidance_shift"),  
            "affected_currency": analysis.get("affected_currency"),  
            "suggested_trade_pair": analysis.get("suggested_trade_pair")  
        })  
        time.sleep(1.5)  # 避免速率限制  
    return pd.DataFrame(results)  

final_df = build_analysis_dataframe()  
print(final_df)

build_analysis_dataframe() 函数将所有内容整合在一起。

它获取最新的外汇新闻头条
将每条新闻发送到 ChatGPT API 进行评估
并提取关键见解，如新闻是否影响市场、是否表明前瞻性指引的变化、哪些货币受到影响，以及在出现分歧时建议的外汇交易对。

结果被整理成一个干净的 pandas DataFrame，便于查看或进一步分析。在请求之间短暂停顿有助于避免API的速率限制。

4、结束语

只需几行Python代码和对ChatGPT API的访问，你就可以：

从嘈杂的新闻头条中提取有意义的信号
检测影响货币的前瞻性指引的变化
识别分歧机会（鹰派 vs 鸽派）
创建一个结构化的实时分析流程

其美妙之处在于：你不需要Bloomberg终端来做这些。

如果你使用的是Deepnote或PythonAnywhere这样的平台，甚至可以安排这个工作流每隔几个小时运行一次，并将警报发送到你的手机或交易终端。

原文链接：How to Analyze Forex News with ChatGPT: A Python Guide to Market-Moving Headlines

汇智网翻译整理，转载请标明出处