market-emotion-discovery

市场情绪极端发现 Skill

1. 适用范围

所属小组：专家6组（舆情）

适用任务：

• 发现市场情绪处于极端恐慌或极端狂热状态，作为逆向辅助判断信号
• 为个股或大盘的情绪面提供结构化信号，辅助仲裁层综合判断
• 在情绪拐点附近提供先验性预警，帮助识别"别人恐惧时贪婪、别人贪婪时恐惧"的时机
• 适用于 A 股个股、行业板块或 A 股大盘的情绪评估

边界说明：

• 本 Skill 产出的是情绪面辅助信号，不单独构成交易建议
• 情绪极端不等于立即反转，可能持续一段时间；情绪信号需要与其他面（财务、技术、资金、宏观）交叉验证
• 数据源的代表性存在偏差（例如股吧用户偏散户），需要在 meta.uncertainties 中说明
• 本 Skill 不替代风控层的仓位管理，仅作为情绪面输入

2. 输入材料

数据来源

本 Skill 为分析层，不直接爬取数据，消费由数据源按数据接口说明提供的结构化帖子数据：

数据接口说明	执行数据源	提供内容
eastmoney_guba（skills/data/eastmoney_guba）	data_sources/eastmoney_guba.py	东方财富股吧帖子列表（标题、正文、阅读数、回复数、发布时间）

数据源返回的结构化帖子数据格式：

{
  "status": "success",
  "stock_code": "600519",
  "posts": [
    {
      "post_id": "1234567890",
      "title": "茅台要起飞了",
      "author": "股友ABC",
      "reads": 5230,
      "replies": 42,
      "post_time": "05-03 14:30",
      "source_type": "hot",
      "content": "今天放量突破，主力资金进场..."
    }
  ]
}

必填输入

• 标的：股票代码 / 行业名称 / 大盘指数（如"沪深300"）
• 时间范围：最近 N 天（建议 5-30 个交易日）
• 社交媒体情绪数据（由 eastmoney_guba Skill 提供）：
  • 情绪正向帖子占比（看多帖子数 / 总帖子数）
  • 情绪负向帖子占比（看空帖子数 / 总帖子数）
  • 讨论热度（帖子总量或互动总量）
  • 数据来源（如东方财富股吧、雪球、微博财经话题）
• 财经新闻情绪数据：
  • 正面新闻占比
  • 负面新闻占比
  • 新闻总量
  • 数据来源（如财联社、新浪财经、同花顺资讯）
• 数据来源说明

可选输入

• 搜索指数数据：百度指数/微信指数中与标的相关的搜索量及变化率
• 市场宽度数据：上涨家数 / 下跌家数比
• 成交量数据：标的或大盘近 N 日成交量及换手率
• 资金流数据：散户资金净流入/流出、融资余额变化
• 历史情绪对比数据：该标的过去同类情绪极端时期的市场表现
• 行业对比数据：同行业其他标的的情绪数据
• 人工补充观点：专家对当前情绪状态的定性判断

缺失处理

• 如果社交媒体情绪数据完全缺失，输出 direction: "neutral"，confidence 不高于 0.3，在 meta.uncertainties 写明"缺少社交媒体情绪核心输入"，并把 meta.needs_human_review 设为 true
• 如果财经新闻情绪数据完全缺失，可以继续基于社交媒体数据判断，但 confidence 降低 0.1-0.2，并在 meta.uncertainties 说明"缺少新闻情绪数据，单源判断可靠性下降"
• 如果可选输入缺失，可以继续分析，但在 meta.uncertainties 中说明可能影响判断完整性的缺口
• 如果时间范围不足 5 个交易日，情绪趋势判断不可靠，confidence 不高于 0.5，并标注 meta.needs_human_review: true

3. 分析步骤

1. 明确分析对象和时间范围：确认标的类型（个股/行业/大盘）、时间窗口和情绪数据覆盖范围。

2. 检查输入数据是否足够：确认社交媒体情绪数据和新闻情绪数据至少有一项可用；如果两项均缺失，输出中性信号并标注缺失。

3. 计算情绪综合指数：

   • 将社交媒体正向帖子占比和新闻正面占比加权合并，得到综合正向情绪比例
   • 将社交媒体负向帖子占比和新闻负面占比加权合并，得到综合负向情绪比例
   • 默认权重：社交媒体 0.6，新闻 0.4（社交媒体反映散户情绪更敏感，新闻反映市场叙事更稳定）
   • 计算"情绪极化度"= |正向情绪比例 - 负向情绪比例|，反映情绪一致性的强弱