一、 核心逻辑：从“政策口号”到“数据地图”

我们的目标是解决三个痛点：

动态性： 政策名词天天变，我们要能自动匹配行业。

实时性： 必须调用最新接口，获取当前最强的成份股。

传导性： 可视化政策如何从“发令枪”传导到具体的“供应商”。

我们使用了 AkShare 获取实时行情，NetworkX 处理图论逻辑，以及 Pyvis 渲染交互式网页。

PS：安装这些包只需一行命令：

pip install akshare networkx pyvis

二、 完整源码：一键生成你的“2026 寻宝图”

这段代码已经集成了报错修正和自动映射功能。你只需要安装好环境（pip install akshare networkx pyvis pandas），运行即可得到一个交互式的 HTML 文件。

import akshare as ak
import pandas as pd
import networkx as nx
from pyvis.network import Network
import time

# --- 1. 自动化板块查询与匹配函数 ---
defget_industry_mapping():
"""
    自动获取东财行业板块列表，并根据政策关键词进行动态模糊匹配
    """
print("正在扫描全市场行业板块数据...")
try:
        df_all_industries = ak.stock_board_industry_name_em()
except Exception as e:
print(f"接口调用失败，请检查网络或akshare版本: {e}")
return {}

# 定义 2026 财政部发布会核心政策方向及其对应的“抓取关键词”
# 你可以根据最新的发布会内容随时修改这里的关键词
    policy_keywords = {
"扩内需-以旧换新": ["家电", "汽车整车", "消费电子", "装修装饰"],
"促投资-设备更新": ["工程机械", "电网设备", "仪器仪表", "通用设备"],
"新质生产力": ["半导体", "计算机设备", "软件开发", "通信设备"]
    }

    final_map = {}
for policy, keys in policy_keywords.items():
        matched_industries = []
for key in keys:
# 在全市场板块中寻找包含关键词的行业名称
            matches = df_all_industries[df_all_industries['板块名称'].str.contains(key)]['板块名称'].tolist()
            matched_industries.extend(matches)
        final_map[policy] = list(set(matched_industries)) # 去重

return final_map

# --- 2. 构建图谱核心逻辑 ---
defbuild_policy_graph():
# 获取动态映射关系
    policy_map = get_industry_mapping()
ifnot policy_map: return

# 初始化图谱，设置背景色和字体颜色
    G = nx.Graph()
    net = Network(height="800px", width="100%", bgcolor="#001529", 
                  font_color="white", notebook=True, cdn_resources='remote')

print("开始构建产业链知识图谱...")

for policy, industries in policy_map.items():
# 添加政策中心节点（红色）
        G.add_node(policy, label=policy, size=45, color='#FF4500', mass=5, font={'size': 24})

for industry in industries:
try:
# 实时抓取对应行业的成份股
                df_stocks = ak.stock_board_industry_cons_em(symbol=industry)

# 添加行业板块节点（蓝色）
                G.add_node(industry, label=industry, size=30, color='#1E90FF', mass=3)
                G.add_edge(policy, industry, width=2, color='#555555')

# 仅展示行业前 12 只个股，确保视觉清晰度
                top_stocks = df_stocks.head(12)

for _, row in top_stocks.iterrows():
                    stock_name = row['名称']
# 构造鼠标悬停时的实时行情弹窗
                    hover_info = (f"代码: {row['代码']}\n"
f"价格: {row['最新价']}\n"
f"涨跌幅: {row['涨跌幅']}%\n"
f"成交额: {row['成交额']}")

# 添加个股节点（绿色）
                    G.add_node(stock_name, label=stock_name, title=hover_info, 
                               size=15, color='#90EE90', group=industry)
                    G.add_edge(industry, stock_name, width=1, color='#DDDDDD')

print(f"已同步板块数据: {industry}")
                time.sleep(0.3) # 频率控制

except Exception as e:
print(f"跳过板块 {industry}: {e}")

# --- 3. 视觉算法高级配置：解决“乱动”问题 ---
    net.from_nx(G)
    net.set_options("""
    var options = {
      "physics": {
        "forceAtlas2Based": {
          "gravitationalConstant": -120,
          "centralGravity": 0.01,
          "springLength": 80,
          "springConstant": 0.05,
          "avoidOverlap": 1
        },
        "solver": "forceAtlas2Based",
        "stabilization": {
          "enabled": true,
          "iterations": 150,
          "updateInterval": 25
        }
      },
      "nodes": {
        "font": {"strokeWidth": 2, "strokeColor": "#000000"},
        "shadow": true
      },
      "edges": {
        "smooth": {"type": "dynamic"}
      }
    }
    """)

# 保存并生成 HTML
    output_name = "2026_finance_map.html"
    net.show(output_name)
print(f"\n【完成】产业链图谱已生成，请在目录中打开: {output_name}")

if __name__ == "__main__":
    build_policy_graph()

三、 深度解读：这张图谱告诉了我们什么？

        当你运行脚本并打开html文件时，你会看到一个深邃的“金融星系”：

星系核心： 这是政策发令枪。你会发现“以旧换新”和“新质生产力”通过某些交叉行业（如消费电子）产生了强关联。

传导路径： 鼠标悬停在“工程机械”板块上，你可以立刻看到三一、徐工等龙头在当前盘面的实时表现。

隐藏逻辑： 这种可视化最强大的地方在于，它能帮你发现“跨界收益者”。比如，设备更新政策不仅利好制造企业，由于其对电力系统改造的依赖，电网设备板块也成为了星系中的重要分支。

结语：在 2026 年，代码才是投资者的“防弹衣”

为什么一定要费劲写这几百行代码，而不是直接去看研报？
在金融交易的战场上，代码实现逻辑之所以重要，是因为它解决了人类投资者无法克服的三大软肋：

（1）消除“幸存者偏差”与“选择性失明”
人的大脑倾向于关注自己想看到的利好，而脚本会冷酷地扫描全市场 5000 只股票。通过代码，你可以确保你的视野里不只有大蓝筹，还有那些躲在角落里真正受益于“设备更新”的小巨人。

（2）毫秒级的逻辑收敛
发布会的信息量巨大，手动处理需要数小时。而当你把“贴息”、“化债”、“扩内需”这些关键词写入 NLP 模型后，从政策发布到产业链定位，只需要一次 Shift + Enter。

（3）可重复的成功路径
靠运气赚的钱往往会靠实力亏回去。但如果你用代码固化了一套“政策传导追踪逻辑”，你就拥有了一个可以不断复用的系统。

工具本身不产生财富，但工具能让你在噪声中看清财富的流向。

2026 年的 A 股，不再是齐涨齐跌的时代，而是“结构化红利”的时代。多用一行代码，少听一句传言。希望这份产业链图谱脚本，能成为你今年构建量化交易体系的第一块砖。