第二章：情绪数据源概览——传统数据源与另类数据源
做量化这些年，我最大的感触就是：数据源决定了策略的天花板。情绪数据尤其如此——你用什么数据来衡量市场情绪，直接决定了你的情绪指数靠不靠谱。
这一章，咱们就来盘一盘情绪数据源的家底。我把它分成两大类：传统数据源和另类数据源。说白了，前者是“老江湖”，后者是“新势力”。
2.1 传统数据源：成交量、换手率、涨跌比
传统数据源，就是那些在交易所、行情软件里随手就能拿到的数据。它们历史悠久，逻辑清晰，是构建情绪指数的基石。
2.1.1 成交量
成交量，就是一段时间内成交的股票数量或金额。我个人习惯把它看作市场的“体温计”。
- 量价配合：价格上涨时放量，说明买盘积极，情绪乐观；价格下跌时放量，说明恐慌盘涌出，情绪悲观。
- 量价背离：价格上涨但成交量萎缩，说明上涨动力不足，情绪可能即将反转。我在项目中遇到过好几次这种情况，每次都是减仓的信号。
核心逻辑：成交量是市场参与者用真金白银投票的结果，它直接反映了市场的参与热情和分歧程度。
2.1.2 换手率
换手率 = 成交量 / 流通股本。它比成交量更“公平”，因为它剔除了股本大小的影响。
你想想看，一只大盘股成交100亿，和一只小盘股成交100亿，意义完全不同。换手率就能解决这个问题。
- 高换手率：说明股票交易活跃，市场关注度高，情绪容易极端化。
- 低换手率：说明市场冷清，参与者少，情绪趋于平淡。
我的经验：我曾经用换手率做过一个“情绪过热”指标。当某只股票的换手率连续3天超过历史90%分位数时，我就开始警惕。结果发现，这个信号在A股的小盘股上特别有效。
2.1.3 涨跌比
涨跌比 = 上涨家数 / 下跌家数。它反映的是市场的“普涨”或“普跌”程度。
这个指标简单粗暴，但非常有效。我经常用它来判断市场的整体情绪状态。
| 涨跌比范围 | 情绪状态 | 操作建议 |
|---|---|---|
| > 2.0 | 极度乐观 | 注意回调风险 |
| 1.0 - 2.0 | 温和乐观 | 可适当参与 |
| 0.5 - 1.0 | 中性偏弱 | 观望为主 |
| < 0.5 | 极度悲观 | 关注超跌反弹机会 |
避坑指南：我曾经在2015年股灾期间，单纯依赖涨跌比做判断。结果发现，当市场出现千股跌停时，涨跌比直接归零，失去了参考意义。所以，极端行情下，传统指标会失效，需要结合其他数据一起看。
2.2 另类数据源：社交媒体、新闻情绪、期权数据
另类数据源，是近几年才火起来的。它们能捕捉到传统数据看不到的“隐性情绪”。说白了，就是市场参与者的“心里话”。
2.2.1 社交媒体数据
社交媒体，比如微博、雪球、Reddit的WallStreetBets，是散户情绪的“集散地”。
- 文本情感分析：通过NLP技术，把帖子、评论的情绪分为正面、负面、中性。
- 关键词热度：比如“牛市”、“崩盘”、“抄底”等关键词的出现频率。
- 互动数据：点赞、转发、评论的数量，反映了情绪的传播力度。
嗯，这里要注意：社交媒体数据噪音很大。我刚开始做的时候，发现很多帖子都是水军发的，情绪分析结果完全失真。后来我加了一个“用户权重”模块，把大V和普通用户的发言分开处理，效果才好起来。
2.2.2 新闻情绪数据
新闻情绪，主要来自财经媒体、上市公司公告、宏观政策报道等。
和社交媒体不同，新闻情绪更“官方”，也更“滞后”。但它的优点是：权威性强，噪音少。
- 事件驱动：比如“降准”、“加息”、“业绩暴雷”等事件，会直接改变市场情绪。
- 情感得分：对每篇新闻进行情感打分，然后汇总成日度或周度的情绪指数。
我的做法：我习惯把新闻情绪和社交媒体情绪做一个“差值”。如果新闻情绪偏正面，但社交媒体情绪偏负面，说明市场存在分歧，这时候往往会出现短期波动。
2.2.3 期权数据
期权数据，是机构投资者的“情绪晴雨表”。它比股票数据更敏感，因为期权交易者通常更专业。
- Put/Call Ratio（PCR）：看跌期权成交量 / 看涨期权成交量。PCR越高，说明市场越悲观。
- 隐含波动率（IV）：反映了市场对未来波动率的预期。IV越高，说明市场越恐慌。
- Skew（偏度）：不同行权价的隐含波动率差异，反映了市场对尾部风险的担忧。
| 期权指标 | 情绪含义 | 典型阈值 |
|---|---|---|
| Put/Call Ratio | 看跌情绪 | > 1.0 为悲观 |
| 隐含波动率 | 恐慌程度 | 高于历史均值20%为恐慌 |
| Skew | 尾部风险 | 负偏度越大，风险越高 |
避坑指南：我曾经在2020年3月美股熔断期间，发现Put/Call Ratio飙升到2.0以上。当时我以为市场已经极度悲观，准备抄底。结果呢？市场继续跌了一周。后来我才明白，期权数据反映的是“预期”，而不是“事实”。预期可以比事实更极端。
2.3 知识体系总览
下面这张图，是我自己梳理的情绪数据源知识体系。你可以把它当作一个“地图”，方便后续学习时对照。
这张图把传统数据源和另类数据源的核心指标都列出来了。你会发现，它们之间其实是互补的——传统数据源告诉你“市场在做什么”，另类数据源告诉你“市场在想什么”。
好了，这一章的内容就到这里。数据源是情绪指数的“原材料”，原材料的好坏直接决定了最终产品的质量。下一章，我们会深入探讨如何把这些数据源整合起来，构建一个真正可用的情绪指数。