AlphaBot

外观

模块1：情绪熵监测

约 263 字小于 1 分钟

2026-01-09

目标： 把“人性趋光”转化为可被算法识别的时间序列，为择时与仓位提供输入。

数据来源：

  • 新闻与研报标题/摘要；
  • 社交媒体帖子与评论；
  • 论坛、问答网站、短视频标题等。

指标构造思路：

  • 文本预处理：分词、去停用词、实体识别（公司名、板块、宏观事件）；
  • 情绪极性打分：使用情感分析模型，将每条文本映射为 [-1, 1] 区间；
  • 主题聚类：识别主导叙事（如“低轨宽带”“自主可控”“ AI 算力”）；
  • 时间聚合：对单标的/单板块构建每小时/每日的情绪均值与波动。

输出几个关键量：

  • 情绪均值 (Smean)(S_{\text{mean}})：整体偏乐观/悲观；
  • 情绪波动 (Svol)(S_{\text{vol}})：观点是否撕裂；
  • 情绪斜率 (Sslope)(S_{\text{slope}})：情绪是在升温还是降温。

这些量将直接参与到势能爆发与熵增警戒的判断中。