市场情绪指数构建与解读

📚 共计 30 章节

情绪指数导论

什么是市场情绪指数？为什么它重要？核心应用场景：择时、风控、策略辅助。

导论核心概念

情绪数据源概览

传统数据源（成交量、换手率、涨跌比）与另类数据源（社交媒体、新闻、期权）。

数据源另类数据

数据采集基础

Python爬虫入门 (requests+BeautifulSoup)，获取财经新闻标题与评论数据。

文本预处理

中文分词(jieba)、去停用词、词性标注，构建干净文本语料库。

情感分析基础

基于词典的情感打分 (SnowNLP、自定义词典)，正负面概率计算。

情感分析词典

情感得分聚合

单条文本情感聚合为日度/周度情绪指标，处理非均匀时间序列。

聚合时间序列

技术指标类情绪因子

RSI、BIAS、ADL等基于价格与成交量的情绪指标构建。

技术指标因子

波动率类情绪因子

隐含波动率(VIX)与历史波动率，恐慌指数构建逻辑。

波动率恐慌指数

资金流向类情绪因子

主力资金净流入/流出、大单成交占比，反映市场情绪。

资金流向主力

期权市场情绪因子

看跌/看涨期权成交量比(PCR)、持仓量比、隐含skew。

社交媒体情绪因子

微博/雪球热帖情感打分，舆情热度指数(发帖量、转发量)。

社交媒体舆情

新闻情绪因子

财经新闻标题情感打分，新闻数量异常检测(突发新闻冲击)。

新闻异常检测

多因子合成方法

等权加权、PCA主成分分析、动态权重调整(滚动窗口)。

情绪指数的标准化

Z-score标准化、百分位排名，让不同量纲因子可比。

标准化Z-score

情绪指数的平滑与去噪

移动平均、EWMA、卡尔曼滤波简介。

情绪指数的回测框架

构建回测系统，评估择时能力(多空收益、夏普比率)。

情绪指数的阈值设定

极端情绪阈值：90%分位极度乐观，10%分位极度悲观。

情绪指数的领先/滞后性

互相关分析、Granger因果检验，判断情绪是否领先价格。

因果检验领先

情绪指数的行业分化

构建行业级情绪指数，观察不同行业情绪轮动。

情绪指数的市场状态识别

结合情绪指数划分市场状态：牛市、熊市、震荡市。

市场状态分类

情绪指数的风险预警

极端情绪区域触发风控信号：减仓、对冲。

策略应用：均值回归

基于情绪指数的均值回归策略，情绪极端时反向交易。

均值回归反向

策略应用：趋势跟踪

情绪持续强化时顺势交易，趋势跟踪策略。

趋势跟踪顺势

策略应用：联合宏观

情绪指数与宏观指标(利率、PMI)的联合策略。

情绪指数的实时计算

实时数据管道 (WebSocket+Kafka)，分钟级情绪指数。

情绪指数的可视化

Matplotlib/Plotly绘制走势图、热力图、分布图。

可视化Plotly

情绪指数的报告生成

自动生成情绪周报，包含图表、统计量、策略信号。

报告自动化

情绪指数的局限性

过度拟合、数据偏差、黑天鹅事件失效，如何避免误用。

局限性风险

进阶方向：深度学习

BERT/LLM情感分析、多模态情绪(文本+图像+交易数据)。

深度学习多模态

课程总结与实战项目

构建完整情绪指数系统：数据采集→策略回测全流程实战。