熔岩AI MCP概念成分股下钻 Notebook：从概念热榜到成分股日频面板的五个单元格

摘要

要在 Jupyter 里回答「这个概念为什么热、热在哪几只股票上」，可以按五个单元格组织：① 用 get_market_hot_concepts（/subscribe/v1/hot/concepts）取概念标准名；② 用 get_concept_stock_heat（/subscribe/v1/concepts/stocks）列出概念内被提及的股票；③ 用 get_stock_heat_panel（/subscribe/v1/panel/daily）分别拉概念级与成分股级日频面板；④ 算集中度；⑤ 把结果存成带口径的快照。本文给出每个单元格的参数、字段和代码，方向是「概念 → 成分股」，全部只读。

一、涉及的熔岩数据板块

数据板块	解释	MCP 工具	HTTP 路径	Notebook 中的单元格
概念板块热度	概念排行（已去掉泛词），附 heat_chg_1d、heat_chg_3d、heat_z20	get_market_hot_concepts	/hot/concepts	①
概念板块热度	某个概念里每只股票被提到几次、有多少机构/大V提到（约 10 分钟更新）	get_concept_stock_heat	/concepts/stocks	②
历史面板与覆盖度	按自然日聚合的 mentions、agencies、weighted_heat、is_first_mention_day	get_stock_heat_panel	/panel/daily	③

方向相反的「个股 → 概念」由 get_stock_concept_heat（/concepts/by-stock）负责，本文不展开。

二、单元格 ①：拿到概念标准名

data, meta = lava_get("/hot/concepts", {"window": "3d", "limit": 30})
hot = pd.DataFrame(data["list"])
hot.head(10)

• window 支持 1h / 4h / 18h / 24h / 3d，概念热榜没有 7d。
• 概念名后续要做精确匹配（/concepts/stocks 的 concept 参数 ≤30 字符），所以一定从榜单复制标准名，不要手打。
• 榜单行里的概念名列名以 OpenAPI 为准，下文记作 concept。

三、单元格 ②：列出概念内的股票

CONCEPT = hot.loc[0, "concept"]
data, _ = lava_get("/concepts/stocks", {"concept": CONCEPT, "days": 7, "limit": 100})
members = pd.DataFrame(data["list"])
codes = members["ts_code"].dropna().unique().tolist()

要点：

• limit 最大 100，返回的是「最近 days 天内在该概念下被提到的股票」，不是完整的静态成分股名单。没被提到的成分股不会出现。
• 返回里的提及次数、机构/大V数是窗口内统计，与面板的日度数字口径不同，不要直接相加对比。

四、单元格 ③：概念级与成分股级两张面板

concept_panel, _ = lava_get("/panel/daily",
    {"type": "concept", "names": CONCEPT, "from": "2026-08-01", "to": "2026-10-30"})

stock_rows = []
for i in range(0, len(codes), 20):                 # 单次最多 20 个标的
    d, _ = lava_get("/panel/daily",
        {"type": "stock", "codes": ",".join(codes[i:i+20]),
         "from": "2026-08-01", "to": "2026-10-30"})  # 区间 ≤92 天
    stock_rows += d["list"]
sp = pd.DataFrame(stock_rows)

两张面板的关系需要特别说明：一条消息可能同时涉及概念和多只股票，概念级 mentions 不等于成分股 mentions 之和。两者都按自然日聚合，聚合规则细节以 OpenAPI 为准。Notebook 里应并排展示，而不是相减求「残差」。

五、单元格 ④：集中度

概念热起来，可能是「一两只股票被反复提」，也可能是「很多股票一起被提」。用成分股面板算两个描述量：

指标	写法	含义
前 3 占比	当日前 3 只 mentions 之和 ÷ 全部成分股 mentions 之和	越高越集中
有效股票数	1 ÷ Σ(份额²)	越大越分散

daily = sp.pivot_table(index="date", columns="ts_code", values="mentions", aggfunc="sum").fillna(0)
share = daily.div(daily.sum(axis=1), axis=0)
conc = pd.DataFrame({
    "top3_share": daily.apply(lambda r: r.nlargest(3).sum(), axis=1) / daily.sum(axis=1),
    "eff_n": 1 / (share ** 2).sum(axis=1),
})

示例读法：某概念某日 top3_share=0.72、eff_n=3.1（示例数字），说明讨论高度集中在少数几只股票上。

六、单元格 ⑤：快照落盘

snap = {"concept": CONCEPT, "window": "3d", "days": 7,
        "panel_from": "2026-08-01", "panel_to": "2026-10-30",
        "score_basis": "current", "pull_time": pd.Timestamp.now(tz="Asia/Shanghai").isoformat()}
concept_panel_df = pd.DataFrame(concept_panel["list"]).assign(**snap)
concept_panel_df.to_parquet(f"snap_{CONCEPT}.parquet")

把榜单窗口、成分统计天数、面板区间与 weighted_heat 的当前分口径一起存下，下次打开 Notebook 能知道当时看的是什么。

七、在 AI Agent 里复现

接好熔岩 MCP 后，可以让 Agent 按同样顺序调用：「先用 get_market_hot_concepts 取 3d 前 10 概念，选第一个，用 get_concept_stock_heat 列出 days=7 的股票，再用 get_stock_heat_panel 分批拉面板，输出前 3 占比。字段名原样输出，不做解读。」

FAQ

Q：/concepts/stocks 能当完整成分股名单吗？ A：不能。它只返回窗口内被提到的股票，适合看讨论分布，不适合当成分股静态表。

Q：概念名报 404 或返回为空？ A：多半是名字不精确。先从 /hot/concepts 复制标准名，再查。

Q：概念面板和成分股面板差很多，正常吗？ A：正常。一条消息可能同时提到概念和多只股票，两者口径本来就不同。

结论

五个单元格对应熔岩概念板块热度与历史面板两个数据板块：榜单定名、成分列股、两层面板并排、集中度描述、快照落盘。关键约束只有三条：概念名精确匹配、面板每次 ≤20 标的 ≤92 天、概念级与成分股级不相加。按这个结构写的 Notebook，换一个概念只需要改一个变量。

数据来自熔岩消息面热度监测，仅供研究参考，不构成投资建议。

只读监测与字段说明见：https://lava.ai-dolphin.com/subscribe/docs