一、情绪量化概述：什么是市场情绪？

做量化这些年，我经常被问到同一个问题：「市场情绪到底能不能量化？」

我的回答很直接——能，但没那么简单。

市场情绪，说白了就是参与者对未来的集体预期。它不是一个数字，而是一种氛围。你想想看，当所有人都在恐慌抛售时，价格往往已经跌过头了；当所有人都在狂热追涨时，顶部也就不远了。这就是情绪的力量。

1.1 情绪量化的意义

为什么要量化情绪？

我个人习惯把市场看作一个「情绪放大器」。基本面决定方向，但情绪决定幅度和节奏。举个例子：

• 同样的利好消息，在乐观情绪下可能涨5%，在悲观情绪下可能只涨1%
• 同样的技术形态，在情绪高涨时突破成功率更高，在情绪低迷时容易假突破

我在项目中遇到过很多次这样的情况：策略回测表现很好，但实盘就是赚不到钱。后来复盘发现，问题出在「情绪因子缺失」——策略只考虑了价格和成交量，完全忽略了市场情绪的变化。

1.2 情绪量化的挑战

嗯，这里要注意——情绪量化有三个绕不开的难题：

1. 情绪是主观的：同样一根大阳线，有人觉得是突破，有人觉得是诱多。怎么统一？
2. 情绪是动态的：今天的恐慌可能明天就变成贪婪，情绪切换速度极快。
3. 情绪难以直接观测：你没法给每个交易者装个传感器，只能通过价格、成交量等间接指标去反推。

我曾经踩过一个坑：直接用VIX指数（恐慌指数）作为情绪指标，结果发现它在A股市场效果很差。为什么？因为A股有涨跌停限制，VIX的计算逻辑在A股水土不服。后来我改用「涨跌停家数比」和「连板高度」来构建情绪指标，效果才明显改善。

1.3 情绪指标在量化交易中的角色

情绪指标在量化交易里到底扮演什么角色？我总结了三层：

角色	说明	典型应用
过滤器	判断当前是否适合交易	情绪极端时暂停策略，避免追涨杀跌
增强器	在情绪共振时加大仓位	情绪+技术形态双重确认时加仓
预警器	提前发现市场拐点	情绪背离时减仓或反向操作

说白了，情绪指标不是用来「预测明天涨跌」的，而是用来「判断当前市场状态」的。我习惯把它当作一个「背景音」——你不需要时刻盯着它，但当你做决策时，它必须在你脑子里。

1.4 情绪量化的知识体系

下面这张图是我自己梳理的情绪量化知识体系，你可以把它当作整个课程的地图：

1.5 一个简单的情绪量化示例

最后，给你看一个我早期用的情绪量化代码片段。虽然简单，但很实用：

# 计算涨跌停家数比（情绪强度指标）
def calc_emotion_strength(up_limit_count, down_limit_count):
    """
    up_limit_count: 涨停家数
    down_limit_count: 跌停家数
    返回值: [-1, 1] 之间的情绪强度
    """
    total = up_limit_count + down_limit_count
    if total == 0:
        return 0  # 没有极端情绪
    
    # 情绪强度 = (涨停 - 跌停) / (涨停 + 跌停)
    strength = (up_limit_count - down_limit_count) / total
    return strength

# 使用示例
emotion = calc_emotion_strength(80, 5)
print(f"当前情绪强度: {emotion:.2f}")
# 输出: 当前情绪强度: 0.88（极度乐观）

这个公式很简单，但很有效。当情绪强度接近1时，说明市场极度乐观，这时候追高要小心；当情绪强度接近-1时，说明市场极度恐慌，反而可能是机会。

嗯，情绪量化的大门已经打开了。接下来的章节，我们会深入每个指标的具体实现和参数调优。你准备好了吗？

---