市場情緒怎麼用

看懂數值怎麼讀、避開兩個最常見的誤讀，再放進策略、自己掃門檻。

合約交易員看起來很樂觀，就代表該追多嗎？市場情緒只告訴你「比這個幣平常樂觀多少」，不告訴你樂觀到什麼絕對程度——這是最多人讀錯的地方。

什麼是市場情緒？

市場情緒（Market Sentiment，MS）是 Blave 自製的情緒指標，衡量合約交易員偏樂觀還是悲觀，而且是跟這個幣自己的平常水準比。

數值沒有上下限，0 附近是平常水準，絕對值越大越反常；±2 以上少見、±3 以上極端，各幣用同一把尺；門檻請用回測自己掃。資料工作室的狀態徽章用以下門檻分級：

實際分布不對稱，上緣比下緣深。以下是 Blave 實測的分位數，1 小時 K 線，期間 2024-09-15～2026-09-14，每小時取一個值（n = 17,520）：

四個幣大於 0 的時間都超過一半，DOGE 達 60.3%；p99 都在 +3.6 以上，p1 只到 −2.0～−3.0。做多、做空的門檻不要用同一個絕對值，換幣也要重算。

最關鍵的兩點

0 是這個幣的平常水準，不是沒有情緒

市場情緒比的是這個幣自己的平常水準。一個長期偏樂觀的幣，樂觀就是它的平常，數值會回到 0 附近——這時 0 的意思是「跟平常差不多」，不是「沒人看多也沒人看空」。

反過來，一個幣從非常樂觀退回普通樂觀，數值可能轉成負的，但交易員其實仍然偏多。同樣是 +2，放在不同幣、不同時期，背後的實際情緒也可能差很多。

比平常樂觀，不等於接下來會漲

市場情緒描述的是現在的情緒有多反常，不是對價格的預測。極端樂觀之後可能繼續漲，也可能反轉；Blave 沒有驗證過哪一種比較常發生。

幣價短時間大漲或大跌之後，數值也容易跟著偏高或偏低。這時看到的反常有一部分來自價格本身，別單獨拿它當進場理由。

怎麼用市場情緒做策略？

目前沒有任何官方策略使用市場情緒，以下三種用法都是示意、未回測。程式碼裡的 ±0.5 與 3 是借用資料工作室徽章門檻當起點，不是參數掃描的結果；怎麼掃見門檻怎麼掃。

1. 門檻＋緩衝區：比平常樂觀時持有

最直接的寫法：市場情緒高於進場門檻時做多，跌破出場門檻就空手。兩個門檻中間留一段緩衝，避免數值在單一門檻附近來回時頻繁進出。

ENTRY_TH = 0.5    # 示意：借用「樂觀」徽章門檻
EXIT_TH  = -0.5   # 示意：借用「悲觀」徽章門檻

def compute_signals(df, entry_th=ENTRY_TH, exit_th=EXIT_TH):
    # df['MS'] = 該幣的市場情緒數值
    signal = pd.Series(np.nan, index=df.index)
    signal[df['MS'] > entry_th] = 1.0   # 比平常樂觀 → 做多
    signal[df['MS'] < exit_th]  = 0.0   # 比平常悲觀 → 空手
    return signal

市場情緒變化偏慢，不會對幾分鐘內的價格跳動反應。它沒有回測；門檻與方向（順勢或反向）都要自己掃描驗證。

2. 極端值當風控：過度樂觀或過度悲觀時先不開新倉

數值到 ±3，代表情緒已經非常極端。一種保守的用法是不把它當進場訊號，而是加在既有策略的進場條件上，極端時先不開新倉：

# 示意：|MS| ≥ 3（過度樂觀或過度悲觀）時不進場
too_hot = df['MS'].abs() >= 3
entry = compute_entry(df) & ~too_hot

這不是反轉訊號，也沒有回測：Blave 沒有驗證過數值到 ±3 之後價格會反轉，也沒有驗證過避開極端值能改善績效。±3 是相對這個幣的平常水準，平常很穩的幣，小變動也可能到 ±3。compute_entry 換成你原本策略的進場條件。

3. 濾網：慢的市場情緒定方向，快的指標抓時機

市場情緒變化偏慢，適合當背景濾網：只在它大於 0 時，才接受短窗口指標（例如多空力道）給出的做多訊號；市場情緒回到 0 以下就空手。以下是結構示意，compute_fast_entry 換成你自己的條件：

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

這個組合沒有回測，門檻 0 只是示意；實際使用前要掃描參數、看扣掉手續費後的表現。

K 線週期怎麼選？

市場情緒只有一個設定：K 線週期（period），可選 5min、15min、1h、4h、8h、1d，最短 5 分鐘。它沒有巨鯨警報那種時間窗口參數；週期只決定多久取一次值，不會讓數值變快，選 5min 看到的仍是變化偏慢的情緒。

選週期的依據是策略多久檢查一次，不要期待短週期能抓到短線。資料從 2020-01-01 起（晚上市的幣從上市日起）；新上市的幣剛有資料時，平常水準還沒成形，前一段數值參考性較低。

門檻怎麼掃？

上面的 ±0.5、3、0 都只是起點。比較穩的做法是把進場、出場門檻各列一排候選值，逐組回測，挑一片表現都不差的區域，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 換成你自己的回測函式，每組都扣手續費後再比

門檻要按幣種、K 線週期各掃一次，不能沿用別的設定；為什麼挑平坦區而不挑最高點，見避免過度最佳化。

在資料工作室上怎麼看？

搭配哪些指標？

以下是組合思路，不是驗證過的結論：

用 API 或 Blave Agent 取數要注意什麼？

API 端點是 GET /market_sentiment/get_alpha，參數有 symbol、period 與起訖日期（start_date、end_date）；Blave Agent 裡對應 fetch_market_sentiment。symbol 填 USDT 永續代號（例 BTCUSDT）。只回傳已收盤的 K 線，欄位是 timestamp、alpha 與 stat，不含價格；沒給起始日時預設抓最近 365 天，區間超過 365 天會自動截短。

stat 物件描述最新一筆數值：