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。
【历史文章汇总】请点击此处
【必读文章】EOS期现套利，一周时间，15%无风险收益
10年400倍策略分享（附视频逐行代码讲解）
个人微信：xbx9585，有问题欢迎交流
多少人看涨，多少人看跌？7个指标精确量化投资者情绪
这是邢不行第53 期量化小讲堂的分享
作者 | 邢不行、toro
每个投资者对市场都有自己的观点：你觉得牛市要来了，应该赶紧买买买；他觉得还要震荡很久，先保留手里的弹药。
千千万万个这样的观点汇聚起来，就形成了市场情绪。
这些情绪也就是大家对市场未来的看法，而这些看法会变成实际买入、卖出的资金，从而影响市场价格。
在任何一个市场中，市场情绪的起落都会对市场的短期走势产生很大的影响。那我们是否有可能提前感知到市场的真实情绪，在情绪爆发之前先买，并且在退烧点卖出呢？
这并不是天方夜谭。很多学者、投资者都长期研究这个课题，我自己也做过很过相关的数据研究，并在实盘量化交易中使用。
在这整个过程中最大难点就是：市场情绪这么虚无缥缈，怎么精确客观的量化呢？
本文接下来就介绍7种常见的方法，教你如何客观的量化市场情绪，摸透市场脾气。
想感知市场情绪，最简单粗暴的方法就是做个问卷调查，直接问问大家对未来市场的看法。
比如在今年5月7日，我在朋友圈发起一个小调查，询问大家是否认为上证指数会跌破下图中B处的缺口：
根据下图的调查结果来看，80%的人认为会回补。
而最终的结果是：到8月6日上证指数跌破2800，完全回补了这次跳空，与问卷调查中大家的预期一致。
以上就是一个问卷调查的案例。但是老实说，这种方法可能在1929年的华尔街算先进，但现在难免有些过时。并且有很多人不会认真对待问卷，信息来源和可靠性没有保障，整个过程还费时费力，因此不推荐这种方法。
期货是一种“未雨绸缪”的金融产品，它可以让交易者用今天的价格买到未来的商品。
以下图中的中证指数为例。第一行4863是中证500指数现在的价格，下面的全都是指数的期货。“中证”后的数字代表了交割日期，“1906”就是2019年6月份交割的近期期货。“1912”就是2019年12月份交割的远期期货。
期货的价格代表什么呢？实际上，期货的价格就是投资者认为的未来价格。图中1912合约的价格4544.44，这可以直接的理解为：当前投资者认为，到19年12月底中证指数的价格是4544.4。
而这个价格相比于现在的4863.49低了6.6%。所以投资者对市场未来的情绪和预期已经一目了然了。
如果期货的价格比现货的价格低，我们就说现在是贴水行情；如果期货价格比现货价格高，就说现在是升水行情。
我们可以实时计算期货的“贴水率”或者“升水率”，观察市场情绪的变化。
目前股票市场期货长期贴水，这说明大众对市场的信心不足。
在数字货币的市场，也有类似的指标。我自己不仅实时监控了比特币的升贴水率，还做了专属网站方便课程同学查看，具体如下图所示：
根据我的观察，比特币期货的升贴水率对市场的预测作用很明显，大家感兴趣的话可以留言，人多的话之后可以写一篇相关的文章。
另一个可以很直观的量化市场情绪的指标就是新开户人数。
当市场情绪特别高涨的时候，往往会有许多人争先恐后的来开户，想借此机会赚上一笔。所以，新开户的人数也可以作为量化市场情绪的指标。
A股新开户的数据是公开的，可以在中国证券登记结算网站上查到。如下图所示：
在获取新开户人数之后，我们就可以观察A股投资者的增速和股价之间的关系：
通过上图的对比可以发现，新股民的增长率会比沪深300指数更先作出反应，有一定的预测作用。这也不难理解，新投资者的进入是牛市开始的重要原因嘛。
但要注意的是，账户增长率过高也是明显的顶部指标。大量新人开户，说明股票市场很有可能进入了过热的状态，这些时候很有可能该控制风险了。
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。
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。
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：
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：
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。
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：
听说今天融资盘爆仓了？来看看融资数据在量化中的作用
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：
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。
财经网站的首页上有许多的小文章标题，比如下面这样：
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。
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。
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。
推荐阅读
2018量化炒币7大玩法复盘 | 视频、PPT分享
收藏！量化小讲堂前50篇合集(含代码)
警惕！避免数字货币交易所排名陷阱：识别刷量问题(上)
警惕！数字货币交易所排名陷阱：到底哪家交易最活跃？(下)
历年排名前10的基金，在第2年表现如何？Python告诉你答案
在量化投资中，原来K线还能这么画（附画K线代码）
联系邢不行
如果你想入门量化，但是始终找不到方向，可以加入我的知识星球。我会在里面解答你的问题，分享我的感悟，不论是投资、技术，还是职业选择、思维方式。
