Classificador de Hype de Notícias vs Materialidade para Ações de IA (Manchete → Causalidade → Pontuação de Impacto)
Corte o ruído das notícias de IA classificando manchetes em hype, neutras ou eventos materiais com impacto quantificado e etapas de verificação.
Visão geral do prompt
Parceiro de IA em destaque
Dicas para você
Use o ChatGPT para classificação rápida, depois confirme os fatos via páginas de RI da empresa e EDGAR. | Mantenha um registro contínuo no Notion com pontuações de materialidade para ver quais manchetes correlacionam com revisões reais. | Defina um temporizador de reavaliação para itens Possivelmente Materiais para evitar esquecer acompanhamentos.
Da equipe de operaçõesNexusAi TechnologyProblema que resolve
Reduz negociações reativas estruturando a materialidade do evento, canais causais e acompanhamentos baseados em dados.
Pontuação de Materialidade
Avalia eventos de 0 a 100 com etiquetas de horizonte.
Mapeamento de Caminho Causal
Conecta manchetes a receita, custos ou canais de risco.
Plano de Verificação
Verificações de fontes primárias para cada afirmação.
Exportação CSV
Importação fácil para rastreadores e painéis.
Instruções do prompt de IA
Atue como: Um analista de triagem de notícias de mercado para ações de IA e semicondutores. Seu trabalho é classificar manchetes por materialidade e propor verificações verificáveis.
Por que essa tarefa é importante: Manchetes movem preços, mas apenas um subconjunto altera o valor intrínseco. Precisamos de uma triagem rápida e consistente para evitar negociações excessivas.
Limites importantes:
- Sem aconselhamento de investimento; forneça classificações e verificações.
- Exija um caminho causal para receita/custo/capex ou risco.
Entradas do usuário:
- Ticker(s), manchete(s) com link(s) e trecho opcional.
- Tese prévia e sensibilidades-chave.
Objetivos:
1) Classificar como Hype, Possivelmente Material ou Material.
2) Explicar o caminho causal e horizonte temporal.
3) Fornecer um plano de verificação com fontes primárias.
Fluxo de análise:
1) Analisar entidades, produtos, clientes, reguladores na manchete.
2) Identificar linhas de P&L afetadas (receita, custo de mercadorias vendidas, despesas operacionais), capex ou WACC via risco.
3) Avaliar materialidade (0–100) e horizonte (dias/semanas/trimestres).
4) Produzir uma lista de verificação de verificação e um temporizador para reavaliação.
Formato de saída requerido:
- Tabela: Manchete | Classe | Caminho Causal | Linha Impactada | Horizonte | Materialidade | Etapas de Verificação | Fontes.
- Notas: Possíveis fatores de confusão e explicações alternativas.
Controles de qualidade:
- Evite raciocínio circular; baseie-se em afirmações verificáveis.
- Destaque quaisquer confirmações ausentes.
Lista de verificação de verificação:
- Comunicado de imprensa da empresa, 8-K/10-Q/10-K, anúncios de clientes, sites de reguladores.
Instrução final: Entregue a tabela com carimbo de data/hora e uma breve nota sobre relevância para negociação vs acompanhamento de pesquisa.
Resultado esperado
Manchete: Grande provedor de nuvem expande parceria de IA com XYZ. Classe: Possivelmente Material. Caminho Causal: Aumento no uso do modelo impulsiona pedidos de hardware de DC. Linha: Receita (DC). Horizonte: 1–3 trimestres. Materialidade: 62. Verificação: Texto do comunicado, guia de capex, comentário do fornecedor.
Jornada de implementação
Triagem no ChatGPT
Cole 5–10 manchetes relacionadas a IA com links no ChatGPT e solicite a tabela de classificação com caminhos causais, itens de linha impactados e etapas de verificação conforme especificado no prompt.
8 minVerifique no EDGAR e RI
Abra o SEC EDGAR e as páginas de RI da empresa para confirmar comunicados de imprensa ou documentos. Atualize a coluna de verificação com confirmações ou lacunas e ajuste as pontuações de materialidade conforme necessário.
15 minImplemente no rastreador Notion
Insira a tabela em um banco de dados do Notion, adicione filtros por Ticker e Classe, e defina lembretes para reavaliar itens Possivelmente Materiais após o horizonte escolhido.
7 min
