【Python量化实战宝典 #22】涨跌停、连板情绪手册：情绪指标构建（Python 可跑）

手册定位：模块三第 6 篇。市场情绪是择时的「温度表」------涨停数量多、连板高度高代表风险偏好强；反之恐慌。本篇讲用涨跌停/连板数据构建情绪指标。

数据来源复用 #01 涨跌股池（/hs/pool/ztgc/{date}、/hs/pool/dtgc/{date}）+ #02 历史K线。

1. 你将得到什么

每日涨停数、跌停数、连板高度的取数（涨跌停股池端点）；
情绪温度指数（涨停/跌停比 + 连板高度归一）的构建；
用情绪指标做「冰点买入、沸点减仓」的反向择时；
情绪指标的 4 个坑（牛熊基准不同、一字板、新股、样本偏差）。

2. 取数约定（复用）

信号	来源端点	见
涨停股池	`/hs/pool/ztgc/{日期}`	#01
跌停股池	`/hs/pool/dtgc/{日期}`	#01
连板需逐日追踪	涨停股池 + 历史	#01/#02

3. 数据来源（复用，不重复罗列）

详见 #01 实时行情接口手册（涨跌股池 /hs/pool/*）。

4. 核心模板函数（自包含可跑）

python 复制代码

import pandas as pd
import numpy as np

_MOCK = True


def sentiment_index(zt_count, dt_count, max_board, window=20):
    """情绪温度：涨停/跌停比 与 连板高度 归一后合成 0~1。"""
    ratio = zt_count / max(dt_count, 1)              # 涨停/跌停比
    # 比例取 log 压缩，连板高度直接归一
    r_norm = np.log1p(ratio) / (np.log1p(ratio) + 1)
    b_norm = min(max_board / 10.0, 1.0)              # 连板以10板为满
    return 0.6 * r_norm + 0.4 * b_norm


def board_height_today(stocks_with_board):
    """stocks_with_board: 当日涨停股 [(代码, 连板天数)]。返回最高连板。"""
    return max((b for _, b in stocks_with_board), default=0)


def run_check():
    # 演示：某日 涨停80 跌停10 最高连板7板
    temp = sentiment_index(80, 10, 7)
    h = board_height_today([("600519", 1), ("000001", 7), ("600036", 3)])
    assert 0 <= temp <= 1 and h == 7
    print("校验通过 | 情绪温度=%.2f 最高连板=%d板" % (temp, h))
    return temp


if __name__ == "__main__":
    run_check()

5. 跑通示例

python 复制代码

temp = run_check()
# 情绪冰点(temp<0.2) 反向买入，沸点(temp>0.8) 减仓
print("当前情绪:", "冰点-可考虑" if temp < 0.2 else ("沸点-注意风险" if temp > 0.8 else "中性"))

6. 坑与注意事项

牛熊基准不同：牛市涨停数天然多，用绝对值比历史会误判，要做滚动分位（见 window 思想）。
一字板：一字涨停无法买入，算情绪要区分「可参与涨停」与「一字板」。
新股/ST：新股上市连板、ST 涨跌幅不同，计入情绪要剔除或单独处理。
样本偏差：情绪指标只在有涨跌停制度的 A 股有效，港股/美股不适用。

7. 小结与下一篇预告

情绪指标补上「市场温度」维度。下一篇讲多信号综合择时打分------把 #17--#22 所有择时信号加权合成一个总决策。

下一篇预告：《【Python量化实战宝典 #23】多信号综合择时打分手册：加权合成（Python 可跑）》

8. 免责声明

本文为择时方法示例，演示数据为虚构，不构成投资建议。