市场情绪怎么用

看懂合约溢价怎么算、避开两个最常见的误读，以及怎么放进策略。

合约价格比现货高，就代表市场很乐观吗？市场情绪看的是 Binance 永续合约比指数价格高出多少，但它用的是 USDT 价差、而且只跟自己近 30 天比——这两点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 的合约溢价指标：比较 Binance USDT 本位永续合约与 Binance 指数价格的收盘价差，换算成相对该币近 30 天的 z-score。指数价格是 Binance 以多家交易所现货报价加权而成，不是单一交易所的现货价。计算分三步：

因为是 z-score，数值没有上下限，各币种能放在同一把尺上比较。正值代表价差比近 30 天平常大，多方愿意用更高的价格在合约上进场；数据里没有多空人数，也没有持仓。Studio 的状态徽章用以下门槛分级：

最关键的两点：它是 USDT 价差，而且只跟自己比

算的是 USDT 绝对价差，不是百分比

市场情绪的原料是「合约价 − 指数价格」的 USDT 差额，整个计算过程没有除以价格。所以溢价比例不变时，同一个币的价格涨得越多，USDT 价差就越大；不同币之间则因为各自标准化，不受币价高低影响。

举个假设的例子：某币 30 天前价格约 1 USDT，合约比指数高 0.001 USDT，溢价 0.1%；之后币价涨到 2 USDT，合约仍比指数高 0.1%，价差却变成 0.002 USDT。溢价比例完全没变，但价差高于近 30 天平均，市场情绪会被推高。币价在 30 天内大跌时则相反，数值会被压低。

高低是相对该币近 30 天，不是绝对水平

z-score 比的是这个币自己近 30 天的平均。一个连续两个月合约都比指数高出差不多价差的币，平均会被垫高，市场情绪回到 0 附近——这时 0 的意思是「跟近 30 天差不多」，不是「没有溢价」。

反过来，一个币从大幅溢价回落到小幅溢价，价差低于近 30 天平均，数值可能转成负的，但合约其实仍然比指数贵。同样是 +2，放在不同币、不同月份，背后的实际价差也可能差很多。

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 Studio 徽章门槛当起点，不是参数扫描的结果，实际使用前都要自己回测。

1. 门槛＋缓冲区：价差偏高时持有

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   # 价差高于常态 → 做多
    signal[df['MS'] < exit_th]  = 0.0   # 价差低于常态 → 空仓
    return signal

因为数值先取过 1 天中位数，这个信号跟着日级的价差变化走，不会对几分钟内的价格跳动反应。它没有回测；门槛与方向（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，代表价差相对近 30 天已经非常极端。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；这里只是把「价差已经极端」当成暂停开新仓的条件。±3 是相对近 30 天，价差长期很稳的币，小变动也能到 ±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

市场情绪是日级的慢信号，适合当背景滤网：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 以下就空仓。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：价差高于近 30 天平均才做多
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置：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；而且不管选哪个周期，数值都是先取过 1 天中位数的结果，周期只决定多久取一次值，不会去掉底层的 1 天中位数平滑。

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）；z-score 需要 30 天样本，所以比较有意义的数值大约从 2020-01-31 开始，新上市的币前 30 天也是同样道理。

在 Studio 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。币种只涵盖 Binance USDT 本位永续，其他交易所不在内。只返回已收盘的 K 线，字段是 timestamp、alpha 与 stat，不含价格；没给起始日时默认取最近 365 天，区间超过 365 天会自动截短。

stat 对象描述最新一条数值，含义跟名字不完全一样：