情绪思维营

一句话定性：Sentiment 情绪分析把新闻、社交、公告、衍生品里的「情绪」翻译成数字——它只描述现在大家在想什么，不预测明天涨还是跌。三大误解（素材定锚口径）：误解①「情绪=预测涨跌」——情绪只反映当下，不预测方向；误解②「情绪分数=新闻真假」——它只看文字倾向，不管消息真假；误解③「高情绪=涨」——极端情绪反而是反向指标的伏笔。

五大模块定位（MangoForge 科普线）：技术分析=市场做了什么、基本面=应该怎么想、风控=最坏亏多少、情绪=大家在想什么、宏观=大方向对不对——情绪模块负责的正是「群像心理」这一格，不与其它模块抢活。

产品里的 0-100：/sentiment 情绪镜子把四因子等权合成一个 0~100 的读数，50 为中性，读数越高越偏贪婪端、越低越偏恐惧端；历史分位刻度过热 ≥90、过冷 ≤10。温度计是「市场状态」的描述器：过热区域往往伴随高波动，冰冷区域往往伴随低参与。

怎么用：打开 /sentiment 先看温度计在哪一档、再读一句人话（humanLine）、看逆向提示（reverseTip）——它是自检工具不是下单信号；边界：只反映情绪、不预测方向、分数 ≠ 新闻真假；何时失效：把情绪当预测工具、把分数当事实时。

4 大支柱（素材口径）：① NLP 模型——把文字变数字的翻译官；② 信号源——翻译什么（新闻/社交/公告/衍生品）；③ 合成指数——怎么加权成一个数；④ 关键词提取——跟踪主题热度。任一支柱失真（反讽/噪音/滞后）都会污染总分。

4 代 NLP 演进（素材口径）：词典法（VADER/AFINN）→ 机器学习（SVM/NB）→ 深度学习（LSTM/CNN）→ Transformer（FinBERT/FinGPT）。词典法不懂语境（「bull」=公牛还是看涨？「call」=打电话还是看涨期权？），深度模型需要大数据 + 金融语料微调。FinBERT = 金融专用翻译官：BERT 是读所有书长大的学生，FinBERT 是专门读了 10 年财报的金融分析师。

4 类信号源（素材口径）：新闻=机构在想什么、社交=散户在想什么、公告=内部信息、VIX/Put-Call=对冲需求。四类分歧时往往是强信号：机构新闻说利好、散户社交在恐慌，谁对？合成公式 Score = w₁·News + w₂·Social + w₃·Filing + w₄·VIX——权重需要回测优化，不同市场/时段最优权重不同，固定权重会过拟合历史。

FinBERT 4 步校准（素材原样流程）：① 输入金融新闻「苹果公司 Q3 营收超预期」；② FinBERT 输出 3 类概率 p_positive=0.85 / p_neutral=0.10 / p_negative=0.05；③ raw_score = p_positive − p_negative = 0.80；④ final_score = 0.80 × 100 = +80。概率不能直接乘 100——需要 Platt/Temperature/分位数校准才跨源可比。

产品侧对应（诚实口径）：/sentiment 的真实上游（东财全 A 实时快照 + 沪深300 日线）就是「信号源支柱」的产品化；lib/sentiment/compute.ts 的合成口径（权重/分位/归一）对应「合成指数支柱」。产品未做文本 NLP——关键词频次/FinBERT 这类内容保留在概念层，不绑定产品功能，教学如实标注。

v2 四因子口径（真实产品口径，务必如实讲）：① 涨跌家数（breadthSub）：全 A 实时快照直接映射——上涨家数远多于下跌 = 普涨（贪婪端）；② 动量（momentumSub）：沪深300 较 20 日线偏离 → 252 交易日分位——趋势越强越偏贪婪端；③ 量能（volumeSub）：成交额 / 20 日均量，方向取反 = 拥挤度——放量→恐惧端，因为天量往往是情绪高潮；④ 波动率（volatilitySub）：20 日年化 → 分位，反向——高波动→恐惧端，因为波动飙升意味着分歧与脆弱。

0~100 标度与分位：50 = 中性；label 主口径 = 历史分位刻度（过热 ≥90 / 过冷 ≤10），67/33 绝对线仅兜底。每个子指标都是一根 0~100 的柱子，四根等权 25%×4 合成温度。

主导分项：temperature 合成分数出来之后，取 argmax(|sub − 50|) 找出偏离中性最远的那个因子作为「主导分项」，再用 humanLine 模板逐字拼出一句人话：`市场情绪{贪婪/中性/恐惧}（{temperature} 分）· {主导项人话}`。

怎么用：在 /sentiment P-602 面板里逐个看四根柱子的读数与方向，先找到主导分项再下判断；边界：每根柱子都是历史分位统计，不是预言；何时失效：只看总分不看分项、把分位当绝对值、忽略 partial 降级时。

核心原理：价格背后是人的情绪，群体恐慌时往往是底部、群体狂热时往往是顶部。这不是鸡汤，是历史数据上反复出现的模式——但注意它叫「反向指标」不叫「反向保证」。

历史锚点（素材原样引用）：2008.11 极度恐惧（VIX=80） → S&P500 之后 1 年 +68%；2020.3 极度恐惧（疫情熔断） → 之后 1 年 +76%；2021.11 极度贪婪（meme 股票狂潮） → 之后 1 年 −19%；2024 底极度贪婪（AI 狂热） → 短期回调。极端的两端，之后常常是均值回归。

CNN Fear & Greed Index（散户版情绪仪表盘，素材原样 7 子指标）：市场动能 / 股价强度 / 股价宽度 / 看跌看涨期权比（Put/Call Ratio）/ 市场波动率（VIX）/ 避险需求 / 垃圾债需求。7 档解读：0-25 极度恐惧（考虑买入）、25-45 恐惧、45-55 中性（不动）、55-75 贪婪、75-100 极度贪婪（考虑减仓）。

边界（素材失效条件）：极端 ≠ 立即反转——极端可能钝化、可能继续极端；必须配合其它模块验证（估值、基本面、风控），不能用单一情绪信号下注；何时失效：把「极端后均值回归」当「精确拐点预言」时。

陷阱① 反讽（素材原样例句）：「这公司真是好样的，Q3 亏了 50 亿，股价涨到天上去了」→ FinBERT 打分 +80，真实情绪 −100。反讽依赖上下文知识（基本面/说话人意图/文化习惯），是 NLP 盲区——机器看到「好样的」就加分，完全被骗。

陷阱② 营销号标题党（素材原样特征）：「暴涨！暴涨！暴涨！错过这波再等一年！」→ NLP 看到「暴涨/震惊」打高分，但全是套路。主流系统只信 Reuters/Bloomberg 等正规信源、剔除自媒体；标题党能骗过词典法，也能骗过不少深度模型。

陷阱③ 滞后（素材原样时间线）：09:30 内部人士买入 → 09:31 价格涨 → 09:35 分析师发推 → 09:40 媒体发新闻 → 09:45 NLP 出分数——「此时已经晚了 15 分钟」。情绪分数告诉你的是过去的情绪，不是未来方向；等新闻出来再行动，手快的人已经抢先了。

应对（素材口径）：只信主流媒体、每个情绪分数旁都要写失效条件、不神谕化——任何把情绪分数当「确定结论」的用法都是危险的；何时失效：失效时分数完全错，且无法被用户察觉，所以必须靠「永远先讲失效条件」兜底。

VIX（素材经验法则）：标普 500 未来 30 天预期波动率——市场觉得要剧烈波动，VIX 就涨。经验法则：VIX>30 = 恐慌、>40 = 极度恐慌、<12 = 自满。边界：是「预期」不是「事实」，低 VIX 不等于安全。

QVIX（A 股版恐慌温度计）：官方 iVIX 2018-02 起暂停发布 → 用 300ETF 期权复算隐含波动率（optbbs / akshare `index_option_300etf_qvix` 同源）。与期权营衔接：期权营讲 IV 怎么来（期权定价），情绪营讲 IV 怎么反映市场心情——QVIX 就是情绪模块里「衍生品信号源」的真实落地，不重复教学。

五因子终态（产品真实口径，诚实标注）：compute.ts 已实现三个「第三层指标」函数（注释明确「五因子终态·20%」）：融资余额/流通市值比（rzrqSubOf，正向：杠杆越热→贪婪端）、300ETF 隐含波动率 QVIX（ivSubOf，反向：隐含波动低迷→贪婪端）、北向参与度（mutualSubOf，反向：参与度高位→内资缩量离场→恐惧端）。

当前产品仍按四因子 0.25×4 合成，五因子是终态方向、尚未并入合成权重——教学如实讲：学完你能说出五因子各自的方向语义（融资正向、QVIX 反向、北向反向），也知道它们「已在代码里、未上线权重」。数据通道已建：scripts/fetch-iv-hist.mjs（300ETF QVIX）、fetch-rzrq-ratio.mjs（融资余额/流通市值）、fetch-mutual-ratio.mjs（北向参与度）。