做了个「财报雷达」：自选股一键看「财报日 + 期权定价的波动幅度」｜附半天开发过程

（前情）财报季做功课，总有两个反复出现的问题： ① 哪天财报？盘前还是盘后？ ② 这次财报，期权市场到底定价了多少波动？

信息要么散落各处，要么得自己拉期权链算 ATM 跨式才有概念。所以我做了个小工具：财报雷达 Earnings Radar——输入自选股清单，输出财报日历 + 隐含波动 + 历史实际波动分布。

【它输出什么】

下个财报：美东日期、盘前/盘后、预期 EPS/营收

隐含波动幅度 = 财报后首个可用到期日的 ATM 跨式 ÷ 现价（例：NKE 这次 ±8.3%）

🕰 近 8 季财报日「实际」波动分布（红跌 / 绿涨条形图）

隐含/历史比值判读：历史高位区 → 高于常态 → 接近常态 → 低于常态

暗底 HTML 报告 + CSV（Excel 直接看）

【半天是怎么做出来的】工具是「AI Agent（Hermes）+ Longbridge CLI」配合做出来的，全过程约半天，几个关键节点（含两次真实踩坑）： 先做校准锚点：拿 NKE 做验证——工具算出 ±8.3%，与市场公开口径一致，才继续往下写； 踩坑一：财报后首个到期日可能只有合约代码、没有报价 → 加了「自动顺延到下一可用到期日」的回退逻辑（MU 就是这么救回来的）； 踩坑二：部分股票财报日还没官宣 → 定下「只认已确认口径」：没官宣就显示"窗口内无已确认财报"，不猜、不编； 设计取舍：单文件、纯标准库、零依赖；不碰账户权限（只用公开行情）；隐波用期权最新价而非中间价——这是经典近似，报告里如实标注。

【用法（两步）】

安装并登录 Longbridge CLI（open.longbridge.com）

python3 earnings_radar.py --tickers NKE,MU,STZ,CCL

（本周扫描实录 · 数据截至 9/28：CCL 隐波 7.3% vs 历史中位 4.9%（1.50×，历史高位区）、CMG 1.44×、NKE 1.22×、MU 1.13×（接近常态）——同一个财报周，市场给每家定的「温度」完全不同。）

开源地址（MIT）：https://github.com/flamingo1998/earnings-radar

欢迎拍砖、提 Issue、拿去改。

@LongbridgeAI