发帖
雷达卡
[img=839,114][/img]
引言:
邢不行的系列帖子“量化小讲堂”，通过实际案例教初学者使用python进行量化投资，了解行业研究方向，希望能对大家有帮助。
【必读文章】:《10年400倍策略分享-附视频逐行讲解代码》
【历史文章汇总】:https://bbs.pinggu.org/thread-3950124-1-1.html
个人微信：xbx9585，有问题欢迎交流
接上篇
当牛市来临的时候，关注股市的人大幅增加，在网上搜索“股市”、“上证指数”等等关键词的人也会增加。因此，我们也可以通过搜索数量这一指标来量化市场情绪。
大型的搜索引擎或社交网站一般会有一个搜索指数的页面，比如谷歌指数、微博指数、百度指数、微信指数等等。
[img=968,582][/img]
以百度指数为例，在百度指数上搜索“上证指数”作为关键词，会发现在2015牛市来临的时间段，搜索指数与K线的走势非常的接近。
[img=632,677][/img]
[img=840,115][/img]
国内证券公司的分析师会在研究报告中，对股票进行评级，根据看好程度由低到高分为五类：“卖出”、“减持”、“中性”、“增持”、“买入”。
关于分析师及其评级，可以参见之前的文章：
透露个研究成果...基于新财富分析师的量化策略，里面有详细的说明。
评级明显就代表了专业的分析师对股票未来的情绪以及预测。在一些财经网站上，可以看到整理好的分析师评级数据：
[img=570,446][/img]
我们把每个评级的研究报告数量进行汇总，可以得到以下数据：
[img=639,374][/img]
数据截于2019年5月29日
每个评级的占比会随着时间变化，这种变化实际上就是市场情绪的变化。比如说，如果发现“买入”级别的占比增加了，说明情绪变得更加积极了。反之，如果“持有”、“中性”，甚至是“减持”和‘卖出"的数量占比增加了，就要小心市场的波动了！
当然我们也可以看个股的评级变化。如果你关注的股票的评级从“买入”突然掉到了“持有”，说明分析师的情绪开始多转空，这种时候就需要小心了。
[img=840,103][/img]
融资融券交易，只要抵押保证金，就可以借钱做多，或者借股票做空。关于融资融券的详细介绍，可以翻看邢不行量化小讲堂48期的文章：
融资融券余额直接反应了市场上有多少人在加杠杆操作，加杠杆的程度很明确的直接反映了市场此时的情绪。更多的人愿意加杠杆买入股票，就说明此时市场情绪高涨。
上交所的官网可以直接查看到融资融券的余额数据：
[img=275,268][/img]
我们将2015年牛市的那一段时间的融资融券余额数据和大盘对比，可以发现很明显的相关关系。
[img=632,677][/img]
[img=840,115][/img]
财经网站的首页上有许多的小文章标题，比如下面这样：
[img=877,321][/img]
这些标题往往带有非常强的情绪倾向，比如“风险”、“周转率降低”等字眼就带有明显的负面情绪，而“新增”、“无惧”等则非常的积极。
每天各大财经媒体会产生成千上万条类似的新闻，或者各大社交网站也可以看到众多投资者对于市场的情绪或者看法，那么这些文本内容就可以成为大数据来分析市场情绪。
当然对于这海量的内容，我们不可能人工处理，得依靠人工智能技术。
[img=979,552][/img]
例如对于每天财经网站上的文章，我们可以通过程序自动根据它包含的情绪将其分类，可以分为：看涨、看跌、中性、无观点。
然后就可以得到每天看涨的比例数据、看跌的比例数据，这些就能代表市场情绪的趋势
当然也不要觉得这样的做法很先进，类似的研究其实很早就开始了。美国在2010年就有对冲基金基于Twitter上的发言来交易，我自己也是大约2011年开始这方面的研究。到现在又过去了8年，人工智能技术又变的更加成熟，有一定基础的的朋友可以尝试下，也可以加我微信xbx9585交流。
[img=840,115][/img]
以上介绍了7种如何量化市场情绪的方法。以这些加工之后的情绪数据为基础，我们可以开发出各种各样效果很不错的择时、选股策略。之后有机会，可以展示一些案例。
当然，刻画市场情绪的方法远远不止这些，比如常见的还有：公募基金仓位、50ETF期权隐含波动率、大股东及高管增持减持行为、强势个股占比数、股票活跃账户比例等等。如果对这些指标的计算及运用感兴趣的朋友可以加我微信：xbx9585交流。
京公网安备 11010802022788号
