市场情绪怎么用

看懂数值怎么读、避开两个最常见的误读，再放进策略、自己扫阈值。

合约交易员看起来很乐观，就代表该追多吗？市场情绪只告诉你「比这个币平常乐观多少」，不告诉你乐观到什么绝对程度——这是最多人读错的地方。

什么是市场情绪？

市场情绪（Market Sentiment，MS）是 Blave 自制的情绪指标，衡量合约交易员偏乐观还是悲观，而且是跟这个币自己的平常水准比。

数值没有上下限，0 附近是平常水准，绝对值越大越反常；±2 以上少见、±3 以上极端，各币用同一把尺；阈值请用回测自己扫。数据工作室的状态徽章用以下阈值分级：

实际分布不对称，上缘比下缘深。以下是 Blave 实测的分位数，1 小时 K 线，期间 2024-09-15～2026-09-14，每小时取一个值（n = 17,520）：

四个币大于 0 的时间都超过一半，DOGE 达 60.3%；p99 都在 +3.6 以上，p1 只到 −2.0～−3.0。做多、做空的阈值不要用同一个绝对值，换币也要重算。

最关键的两点

0 是这个币的平常水准，不是没有情绪

市场情绪比的是这个币自己的平常水准。一个长期偏乐观的币，乐观就是它的平常，数值会回到 0 附近——这时 0 的意思是「跟平常差不多」，不是「没人看多也没人看空」。

反过来，一个币从非常乐观退回普通乐观，数值可能转成负的，但交易员其实仍然偏多。同样是 +2，放在不同币、不同时期，背后的实际情绪也可能差很多。

比平常乐观，不等于接下来会涨

市场情绪描述的是现在的情绪有多反常，不是对价格的预测。极端乐观之后可能继续涨，也可能反转；Blave 没有验证过哪一种比较常发生。

币价短时间大涨或大跌之后，数值也容易跟着偏高或偏低。这时看到的反常有一部分来自价格本身，别单独拿它当进场理由。

怎么用市场情绪做策略？

目前没有任何官方策略使用市场情绪，以下三种用法都是示意、未回测。代码里的 ±0.5 与 3 是借用数据工作室徽章阈值当起点，不是参数扫描的结果；怎么扫见阈值怎么扫。

1. 阈值＋缓冲区：比平常乐观时持有

最直接的写法：市场情绪高于进场门槛时做多，跌破离场门槛就空仓。两个门槛中间留一段缓冲，避免数值在单一门槛附近来回时频繁进出。

ENTRY_TH = 0.5    # 示意：借用「乐观」徽章门槛
EXIT_TH  = -0.5   # 示意：借用「悲观」徽章门槛

def compute_signals(df, entry_th=ENTRY_TH, exit_th=EXIT_TH):
    # df['MS'] = 该币的市场情绪数值
    signal = pd.Series(np.nan, index=df.index)
    signal[df['MS'] > entry_th] = 1.0   # 比平常乐观 → 做多
    signal[df['MS'] < exit_th]  = 0.0   # 比平常悲观 → 空手
    return signal

市场情绪变化偏慢，不会对几分钟内的价格跳动反应。它没有回测；阈值与方向（顺势或反向）都要自己扫描验证。

2. 极端值当风控：过度乐观或过度悲观时先不开新仓

数值到 ±3，代表情绪已经非常极端。一种保守的用法是不把它当进场信号，而是加在既有策略的进场条件上，极端时先不开新仓：

# 示意：|MS| ≥ 3（过度乐观或过度悲观）时不进场
too_hot = df['MS'].abs() >= 3
entry = compute_entry(df) & ~too_hot

这不是反转信号，也没有回测：Blave 没有验证过数值到 ±3 之后价格会反转，也没有验证过避开极端值能改善绩效。±3 是相对这个币的平常水准，平常很稳的币，小变动也可能到 ±3。compute_entry 换成你原本策略的进场条件。

3. 滤网：慢的市场情绪定方向，快的指标抓时机

市场情绪变化偏慢，适合当背景过滤器：只在它大于 0 时，才接受短窗口指标（例如多空力道）给出的做多信号；市场情绪回到 0 以下就空手。以下是结构示意，compute_fast_entry 换成你自己的条件：

ms = fetch_market_sentiment(SYMBOL, INTERVAL, START, END, hdrs)
df['MS'] = ms['alpha']
regime_long = df['MS'] > 0              # 示意：比平常乐观才做多
fast_entry = compute_fast_entry(df)     # 例如短窗口的多空力道条件
signal = pd.Series(np.nan, index=df.index)
signal[regime_long & fast_entry] = 1.0
signal[~regime_long] = 0.0

这个组合没有回测，门槛 0 只是示意；实际使用前要扫描参数、看扣掉手续费后的表现。

K 线周期怎么选？

市场情绪只有一个设定：K 线周期（period），可选 5min、15min、1h、4h、8h、1d，最短 5 分钟。它没有巨鲸警报那种时间窗口参数；周期只决定多久取一次值，不会让数值变快，选 5min 看到的仍是变化偏慢的情绪。

选周期的依据是策略多久检查一次，不要期待短周期能抓到短线。数据从 2020-01-01 起（晚上市的币从上市日起）；新上市的币刚有数据时，平常水准还没成形，前一段数值参考性较低。

阈值怎么扫？

上面的 ±0.5、3、0 都只是起点。比较稳的做法是把进场、出场阈值各列一排候选值，逐组回测，挑一片表现都不差的区域，而不是挑最高的那一格。

results = []
for entry_th in [0.5, 1.0, 1.5, 2.0, 2.5]:
    for exit_th in [-1.0, -0.5, 0.0]:
        signal = compute_signals(df, entry_th, exit_th)
        results.append((entry_th, exit_th, backtest(signal)))   # backtest 换成你自己的回测函数，每组都扣手续费后再比

阈值要按币种、K 线周期各扫一次，不能沿用别的设定；为什么挑平坦区而不挑最高点，见避免过拟合。

在数据工作室上怎么看？

搭配哪些指标？

以下是组合思路，不是验证过的结论：

用 API 或 Blave Agent 取数要注意什么？

API 端点是 GET /market_sentiment/get_alpha，参数有 symbol、period 与起止日期（start_date、end_date）；Blave Agent 里对应 fetch_market_sentiment。symbol 填 USDT 永续代号（例 BTCUSDT）。只回传已收盘的 K 线，字段是 timestamp、alpha 与 stat，不含价格；没给起始日时默认抓最近 365 天，区间超过 365 天会自动截短。

stat 对象描述最新一笔数值：