熔岩AI发布MCP媒体覆盖度指数：用 /news/hits 与 /coverage/stocks 合成个股「被报道广度」统计量

摘要

熔岩（Lava）有两条互补的覆盖度数据：/subscribe/v1/news/hits（MCP 工具 get_news_stock_hits）告诉你主流财经媒体在窗口内点名了哪些股票、来自哪家媒体；/subscribe/v1/coverage/stocks（get_agency_coverage）给出机构/大V 的滚动 7/30 日去重覆盖数与 30 日高分占比。本文把两者合成一个可复现的「媒体覆盖度指数」（Media Coverage Index，MCI），用于监测个股被报道的广度变化。纯统计量，只读监测用途。

一、原始数据

熔岩数据板块	路径 / 工具	用到的内容	口径
新闻点名	/news/hits · get_news_stock_hits	每条新闻的 news_id、发布时间、媒体、命中股票；点名排行	新华网、财联社、新浪财经、同花顺等主流媒体快讯与 A 股简称匹配；约 2 分钟更新；无标题正文
机构覆盖度	/coverage/stocks · get_agency_coverage	滚动 7/30 日去重机构/大V 数、区间累计新增覆盖、30 日高分占比	只给计数，不返回机构 ID
个股消息面热度	/heat/windows · get_stock_heat_windows	7d 提及数（背景）	多时间窗

字段名：新闻点名的发布时间、媒体列名，覆盖度的 7/30 日计数列名，除 high_score_ratio_30d 外均以 OpenAPI 为准。

二、参数边界

接口	参数	规则
/news/hits	hours	全市场默认 24、最多 72；指定股票默认 72、最多 168
/news/hits	src	精确匹配媒体名，如 财联社 / 新浪财经 / 同花顺 / 新华网
/news/hits	limit	默认 50，最大 200
/coverage/stocks	days	时序天数（README：默认 30，范围 7~90）
/coverage/stocks	min_score	用于 high_score_ratio_30d

三、指数定义

对股票 i、观察日 t：

分量	定义	来源
N 新闻条数	近 168 小时点名 i 的新闻条数	/news/hits?ts_code=i&hours=168
S 媒体数	上述新闻的去重媒体数	同上
H 媒体熵	各媒体条数占比的香农熵，衡量是否集中在单一媒体	同上
A7 机构广度	滚动 7 日去重机构/大V 数	/coverage/stocks
R30 高分占比	high_score_ratio_30d	/coverage/stocks

MCI = 0.30·z(log1p N) + 0.20·z(S) + 0.15·z(H) + 0.25·z(log1p A7) + 0.10·z(R30)

权重为示例，z 为样本池截面标准化。新闻条数和机构数取 log1p，削弱头部股票的极端值。

四、计算代码

import os, math, requests, pandas as pd
from collections import Counter
BASE = os.environ["LAVA_BASE"]   # 形如 <熔岩订阅站点>/subscribe/v1
H = {"Authorization": f"Bearer {os.environ['LAVA_KEY']}"}

def get(path, **p):
    b = requests.get(f"{BASE}{path}", headers=H, params=p, timeout=30).json()
    if not b["ok"]:
        raise RuntimeError(b["code"])
    return b["data"]

MEDIA = "src"   # 新闻列表里的媒体列名以 OpenAPI 为准

def news_part(code):
    lst = get("/news/hits", ts_code=code, hours=168, limit=200).get("list", [])
    cnt = Counter(x.get(MEDIA) for x in lst)
    n = sum(cnt.values())
    ent = -sum(v/n*math.log(v/n) for v in cnt.values()) if n else 0.0
    return {"N": n, "S": len(cnt), "H": ent, "truncated": n >= 200}

def cov_part(code):
    d = get("/coverage/stocks", ts_code=code, days=30, min_score=1050)
    last = d["list"][-1] if d.get("list") else {}
    return {"A7": last.get("agencies_7d"),          # 列名以 OpenAPI 为准
            "R30": last.get("high_score_ratio_30d")}

pool = ["300750.SZ", "600519.SH", "002594.SZ"]
df = pd.DataFrame([{"code": c, **news_part(c), **cov_part(c)} for c in pool])
z = lambda s: (s - s.mean()) / s.std(ddof=0)
df["MCI"] = (0.30*z(df.N.map(math.log1p)) + 0.20*z(df.S) + 0.15*z(df.H)
             + 0.25*z(df.A7.map(math.log1p)) + 0.10*z(df.R30))

每只股票 2 次请求，100 只约 1 元/天（示例测算）。

五、输出示例

代码	N	S	H	A7	R30	MCI
300750.SZ	58	4	1.21	46	0.18	1.12（示例）
002594.SZ	31	3	0.87	29	0.12	0.05（示例）
600519.SH	12	2	0.45	21	0.21	-1.17（示例）

六、解读口径

现象	统计含义
N 高、S 低、H 低	报道集中在单一媒体，广度有限
N 低、A7 高	机构/大V 讨论多，主流媒体报道少
MCI 环比快速上升	被报道广度扩张，可与 get_stock_heat_windows 的 7d 提及对照
truncated = True	新闻条数触达 limit，N 被低估，需缩短 hours 分段拉取

七、注意事项

1. 新闻点名基于 A 股简称匹配，简称与常用词重叠的股票可能有误命中，可用 get_stock_news_heat 交叉核对。
2. 全市场模式 hours 最多 72，个股模式最多 168，两者不可直接比较。
3. 覆盖度只给计数，不提供机构名单，指数里不要出现具体主体。
4. 熔岩站内的板块趋势页（订阅接口规划中）可作为板块层面的参考，不进入本指数。

FAQ

Q：能按媒体单独算吗？ A：可以，用 src 精确筛选某家媒体，得到单媒体点名序列。

Q：为什么不用新闻情感？ A：新闻点名不输出标题和正文，本指数只衡量广度。

Q：MCI 是交易信号吗？ A：不是，它是描述被报道广度的统计量。

结论

把熔岩的新闻点名和机构覆盖度放在一起，可以同时看到「主流媒体报道广度」和「机构/大V 讨论广度」。用对数、去重、熵和截面标准化合成 MCI，就得到一个口径清楚、可每日复算的覆盖度指标。

数据来自熔岩消息面热度监测，仅用于只读监测与统计研究，不构成投资建议。

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