2. 数据源探索：新闻、社交媒体、财报电话会议、宏观经济指标等情绪数据来源
做情绪量化建模，第一步不是写代码，而是搞清楚——情绪到底藏在哪？
我刚开始做这个方向时，踩过一个坑：以为只要把新闻标题抓下来，跑个情感分析就完事了。结果模型预测准确率惨不忍睹。后来才明白，不同数据源的情绪信号，信噪比、时效性、覆盖范围完全不一样。
今天咱们就把主流的情绪数据源，一个一个拆开来看。
2.1 新闻数据：最传统的情绪来源
新闻是情绪量化最经典的数据源。我个人习惯把它分成两类：财经新闻和行业新闻。
| 类型 | 典型来源 | 特点 |
|---|---|---|
| 财经新闻 | 路透、彭博、华尔街日报、财新 | 权威性高，覆盖宏观和头部公司 |
| 行业新闻 | 36氪、钛媒体、专门行业网站 | 更垂直，能捕捉细分赛道情绪 |
这里有个关键点：新闻情绪有滞后性。新闻发布时，市场可能已经消化了大部分信息。我在项目中遇到过，用新闻情绪做日内交易信号，效果很差。但做周度或月度的择时，反而有不错的表现。
2.2 社交媒体：情绪的「快车道」
社交媒体就不一样了。Twitter、Reddit、微博、雪球……这些平台的情绪传播速度，比新闻快得多。
你想想看，一条推文从发出到引发市场波动，可能只需要几分钟。我见过最极端的例子：某公司CEO在Twitter上发了个表情包，股价半小时内波动了5%。
社交媒体的情绪数据，有几个特点要注意：
- 噪音极大——水军、机器人、情绪化发言混杂
- 时效性极强——分钟级甚至秒级情绪变化
- 群体效应明显——容易形成「踩踏式」情绪
2.3 财报电话会议：高管情绪的「金矿」
这个数据源，很多人会忽略。但我认为，财报电话会议是情绪量化里最被低估的数据源。
为什么？因为高管在电话会议里的语气、措辞、回避问题的程度，都是非常真实的情緒信号。他们可以修饰财报数字，但很难完全控制自己的语言模式。
我常用的做法是：
- 获取电话会议的文字记录（Transcript）
- 提取管理层陈述部分（Q&A部分情绪更真实）
- 分析「不确定性词汇」频率（比如「可能」「或许」「挑战」）
- 对比历史语气变化（突然变得保守，往往是预警信号）
2.4 宏观经济指标：情绪的「背景音」
宏观经济指标不是直接的情绪数据，但它们是情绪的底层驱动因素。
比如：
- PMI数据超预期 → 市场情绪普遍乐观
- 失业率上升 → 避险情绪升温
- CPI超预期 → 恐慌情绪蔓延
我个人习惯把宏观经济指标当作情绪模型的「协变量」。什么意思呢？就是我不直接用它们预测市场，而是用来校准其他情绪信号。
举个例子：如果新闻情绪显示极度乐观，但PMI数据连续三个月下滑，那这个「乐观」很可能就是虚的。模型应该自动降低它的权重。
2.5 数据源对比与选择策略
说了这么多，到底该用哪个？
嗯，这里要注意：没有万能的数据源。不同的策略，需要不同的情绪数据组合。
| 策略类型 | 推荐数据源 | 更新频率 |
|---|---|---|
| 日内高频交易 | 社交媒体 + 新闻流 | 分钟级 |
| 中频趋势跟踪 | 新闻 + 财报电话会议 | 日/周级 |
| 低频资产配置 | 宏观经济 + 新闻 | 周/月级 |
我自己的经验是：至少融合3个数据源，才能构建出稳定的情绪信号。单一数据源太容易被操纵或出现偏差。
2.6 本章知识体系
下面这张图，把本章的核心逻辑串起来了。你可以把它当作情绪数据源的「选型地图」。
说白了，情绪数据源的选择，取决于你的交易频率和策略类型。没有标准答案，但有最佳实践——多源融合、互相验证、动态调整权重。