NSE期权异动扫描加AI解读

原文要点

该免费n8n模板每30分钟运行：从Google Sheets自选列表读取enabled为true的标的及其扫描设置，经HTTP节点请求配置好的NSE期权链接口并标准化合约字段（symbol、expiry、strike、option_type、ltp、volume、open_interest、change_in_oi、iv、underlying_price、captured_at、source），从Supabase的option_snapshots表取历史快照，计算量比、持仓量比和z分数标记异常合约。异常项存快照并让OpenAI生成含观察、可能解读、风险提示的简明文字，写入Supabase的option_anomalies表并追加到Sheets日志，最后由汇总节点把多条合并成一封Gmail摘要发给收件人。原文排障表指出：收多封邮件是因为汇总节点未把多条合并为一条；没异常是阈值问题；工作流不自动跑多半是未激活。

这次做成什么

复刻一个可独立验证的期权异动扫描练习：定时→读自选表→拉行情（练习时用合成数据代替真实接口）→与历史快照算三个指标→异常项AI解读→写库写表→合并成一封摘要邮件。核心是把指标计算与合并邮件两个易错点做对。

准备什么

• 一个n8n实例，支持Schedule Trigger、HTTP Request、Supabase、OpenAI、Gmail节点
• 一个Supabase项目，建好option_snapshots与option_anomalies两张表及匹配列
• 一个Google Sheets，含watchlist分页（symbol、enabled等列）和anomaly log分页
• 一个OpenAI API Key用于生成异常解读文本
• 一个Gmail OAuth凭据及接收摘要的收件地址
• （真实环境）一个返回上述合约字段的NSE期权链HTTP数据源；练习时用下方合成数据替代

具体怎么做

1. 建定时与自选表读取

   新建工作流，Schedule Trigger设每30分钟。接Google Sheets节点读watchlist分页，再接Filter节点只保留enabled等于true的行。先在表里填2个虚构标的（如NIFTY、BANKNIFTY，enabled=true）并手动执行确认只输出启用的行。

2. 拉取并标准化合约

   真实使用时接HTTP Request节点指向你的期权链接口；练习时改用Code节点返回下方合成JSON。后接Code节点做标准化：把原始响应映射成symbol、expiry、strike、option_type、ltp、volume、open_interest、change_in_oi、iv、underlying_price、captured_at、source十二个字段，缺字段补null，避免下游空值报错。

3. 对照历史快照计算异常

   接Supabase节点按symbol查option_snapshots的历史记录，再进Code节点逐合约计算：量比=当前volume/历史volume均值，持仓比=当前open_interest/历史open_interest均值，z分数=(当前volume-均值)/标准差。任一指标超过你设定的阈值（练习可用量比>2、持仓比>1.5、|z|>2.5）就标记异常并把完整快照存回option_snapshots。

4. 异常项AI解读与落库

   异常分支接OpenAI节点，用下方解读提示词，把合约字段填入用户消息。输出纯文本后接Supabase Insert写入option_anomalies（含ai_interpretation列），再接Google Sheets Append Row写日志分页。原文排障提示：若解读没存上，检查OpenAI输出字段与ai_interpretation映射是否一致。

5. 合并成一封摘要邮件

   关键一步：在Gmail节点前放一个汇总节点（如Code节点把多条item拼成单条文本，或模板中的Build Email Alert Digest逻辑），确保只输出一条。正文列出每个异常合约的标的、行权价、指标值与AI解读。原文明确：若邮件节点收到多条item就会发多封邮件，执行前先确认汇总输出为一条。

可直接复制的材料

{"symbol":"NIFTY","underlying_price":24350.5,"captured_at":"2026-10-09T10:00:00+05:30","source":"practice-synthetic","contracts":[{"expiry":"2026-10-30","strike":24500,"option_type":"CE","ltp":88.4,"volume":185000,"open_interest":920000,"change_in_oi":210000,"iv":12.6},{"expiry":"2026-10-30","strike":24000,"option_type":"PE","ltp":74.2,"volume":42000,"open_interest":610000,"change_in_oi":15000,"iv":13.1}]}

你是衍生品市场观察员。下面是一份被系统标记为异动的期权合约数据（JSON）。请用中文输出三段，每段不超过40字：1）观察：客观描述哪个指标异常及数值；2）可能解读：列出一到两种常见解释，避免下结论；3）风险提示：一句话提醒这只是统计异动、不构成投资建议。不要输出其他内容。合约数据：{{$json}}

列名：symbol | enabled | volume_ratio_threshold | oi_ratio_threshold | z_threshold
测试行1：NIFTY | true | 2.0 | 1.5 | 2.5
测试行2：BANKNIFTY | false | 2.0 | 1.5 | 2.5

id（自增主键）| symbol（文本）| expiry（日期）| strike（数值）| option_type（文本）| volume_ratio（数值）| oi_ratio（数值）| z_score（数值）| ai_interpretation（文本）| detected_at（时间戳）

输入与输出示例

本站虚构演示，计算由示例数字手工推导，非模板实测结果，未调用真实行情或OpenAI。

输入

合成合约：NIFTY 24500CE，volume=185000，历史volume均值60000、标准差30000；open_interest=920000，历史均值700000。阈值：量比>2、持仓比>1.5、|z|>2.5。

对应输出

量比=185000/60000≈3.08（>2，触发）；持仓比=920000/700000≈1.31（未触发）；z=(185000-60000)/30000≈4.17（>2.5，触发）。判定异常，写入option_anomalies一行并追加Sheets日志。摘要邮件正文示例："NIFTY 24500CE 2026-10-30 | 量比3.08 | z分数4.17 | 观察：成交量显著高于历史均值；可能解读：临近事件的资金布局或大单对冲；风险提示：统计异动不构成投资建议。"

做完检查这些

• Filter节点执行后只输出enabled=true的标的，BANKNIFTY测试行被排除
• 标准化节点输出的每条合约都含十二个字段，缺失字段为null而非报错
• 合成数据中24500CE因量比3.08和z分数4.17被标记异常，24000PE不触发
• 异常记录在option_anomalies和Sheets日志各出现一次且ai_interpretation非空
• 一轮扫描只收到一封Gmail摘要，包含全部异常合约

容易卡住的地方

• 真实NSE接口的响应结构若变化，标准化会全部映射为null；先用合成数据跑通再接真实接口
• Supabase历史数据不足时z分数没有意义，原文也指出历史缺失会导致无异常或误报
• 阈值过低会刷屏告警，原文建议直接在计算节点调高阈值
• 忘记激活工作流是"不自动运行"的最常见原因
• OpenAI与行情数据源可能各自收费；练习阶段用合成数据可避免
• 邮件节点收到多条item就会发多封邮件，合并输出是硬性前置条件