一、课程导论：什么是市场情绪？为什么情绪建模对量化交易至关重要？课程目标与学习路径

大家好，欢迎来到《市场情绪建模与仿真应用》这门课。

我是你们这门课的主讲。在量化这个行当摸爬滚打了十几年，我见过太多人把精力全砸在K线形态和财务指标上。说实话，这些当然重要。但你想想看，如果市场完全理性，那为什么会有那么多匪夷所思的暴涨暴跌？

答案很简单：市场是人组成的。人，就有情绪。

1.1 到底什么是市场情绪？

市场情绪，说白了就是市场参与者的集体心理状态。它不是某个人的喜怒哀乐，而是成千上万交易者恐惧、贪婪、乐观、悲观的总和。

我习惯把它拆成三个层次来理解：

• 个体情绪：你看到账户浮亏时的心跳加速，看到连续涨停时的追高冲动。
• 群体情绪：社交媒体上一边倒的看多言论，或者论坛里弥漫的恐慌抛售氛围。
• 市场情绪：最终体现在价格、成交量、波动率上的集体行为结果。

举个例子。2015年A股股灾，很多股票基本面其实没变。变的是什么？是情绪。从极度乐观到极度悲观，中间只隔了一个周末。我在那轮行情里吃过亏，所以后来我特别重视情绪指标。

1.2 为什么情绪建模对量化交易至关重要？

传统量化模型有个致命弱点：它们假设市场是有效的，价格已经反映了所有信息。但行为金融学告诉我们，这个假设不成立。

为什么会这样？因为人类有认知偏差。比如：

• 过度自信：赚了钱觉得是自己厉害，亏了钱怪市场不理性。
• 损失厌恶：亏100块的痛苦，比赚100块的快乐强烈得多。
• 羊群效应：看到别人买，自己也跟着买，哪怕心里觉得贵。

这些偏差，最终都会体现在市场情绪上。如果你能建模并量化这些情绪，你就比别人多了一双眼睛。

我记得有一次，我帮一家私募优化他们的CTA策略。策略本身很漂亮，但回测和实盘差距很大。我一看，问题出在情绪过滤上。他们没考虑极端情绪下的市场状态。加上情绪因子后，夏普比率提升了将近0.4。嗯，这就是情绪建模的价值。

1.3 课程目标与学习路径

这门课的目标很明确：让你掌握一套从数据采集到模型部署的完整情绪建模流程。

具体来说，学完这门课，你应该能：

1. 理解行为金融学的核心理论，知道哪些偏差对市场影响最大。
2. 从新闻、社交媒体、交易数据中提取情绪信号。
3. 构建情绪指标，并把它融入你的量化策略。
4. 用仿真技术验证情绪模型的有效性。

下面是整个课程的知识体系框架。我习惯先画图再动手，这样心里有数。

这张图就是我们整个课程的路线图。从左上角的理论基础开始，一路走到右下角的模型部署。每一步我都会结合真实项目案例来讲。

1.4 你需要准备什么？

这门课对编程有一定要求。你需要熟悉Python，最好用过pandas和numpy。如果你只会一点点也没关系，我会在课程里带着你写代码。

另外，我建议你准备一个交易数据API的账号。比如tushare、akshare或者Wind。没有的话，我会提供一些示例数据供你练习。

好了，导论就到这里。下一章我们正式进入行为金融学的核心内容。记住：理解人，才能理解市场。

---