2025年市场情绪模式研究：三维情绪模型的周期和模式

1 单个情绪指标周期研究

本章综合运用多种方法探寻单个情绪指标的周期特性，并对结果进行交叉验证以确 保稳健性。

1.1 研究方法及结论快速预览

为保持报告的简洁性与可读性，本节仅对各研究方法的原理进行简要概述，并集中 展示针对单一情绪指标的周期性分析结论。相关研究的具体过程、数据支持及详细结果 将在附录部分完整呈现，以便读者在需要时进行深入查阅与参考。 ACF/PACF（自相关函数/偏自相关函数）：通过衡量时间序列数据在不同滞后期的相 关性，帮助识别周期性和趋势。ACF（自相关函数）展示当前值与多个滞后值的整体相 关性，能够揭示长期趋势和周期性特征，而 PACF（偏自相关函数）则排除中间滞后的影 响，仅反映当前值与特定滞后值的直接关系，通常用于判断 AR（自回归）模型的阶数。 STL（季节-趋势分解）：是一种时间序列分解方法，它通过局部加权回归（LOESS） 将时间序列拆解为趋势（Trend）、季节性（Seasonal）和残差（Residual）三部分，适用 于复杂的非线性数据。STL 的优点在于能适应不同长度的周期性变化，避免了传统方法 对固定周期的限制。

FFT（快速傅里叶变换）频谱分析：通过将时间序列转换到频域，识别数据的主要 周期成分。FFT 计算不同频率分量的幅值，形成频谱图，从而揭示市场数据中可能存在 的隐藏周期。相比 ACF/PACF，FFT 能够更直观地显示不同周期的强度，使其在技术分 析、量化交易策略开发等方面具有重要应用价值。 情绪预期：综合 PACF 分析和 STL 拆解分析，周期大约为 16 天。 情绪温度：综合 PACF 分析和 STL 拆解分析，周期大约为 31 天。 情绪浓度：根据 FFT 分析，周期大约为 30 天。 通过对三大关键情绪指标（情绪预期、情绪温度、情绪浓度）的时频分析（PACF、 STL、FFT），可以观察到其周期性波动规律：情绪预期（16 天周期）波动最为频繁，反 映出市场短期预期的快速切换；情绪温度（31 天周期）和情绪浓度（30 天周期）则呈现 月度波动特征。 由于各指标均有周期性波动，且单一方向的延续性有限，市场情绪难以长期维持某 一种情绪模式，通常在 16~31 天（约 1 个月内）完成情绪模式切换。这意味着：极端情 绪（如恐慌或狂热）难以持续超 1 个月，市场具有自我修正的倾向；轮动节奏的交叉影响：情绪预期的短期波动（16 天）可能对中周期（30 天）的情绪浓度产生叠加或对冲效 应，从而影响整体市场表现。因此，在交易或投资决策时，需动态监测情绪指标，避免 过度依赖短期单边情绪，并关注 16~30 天的情绪切换窗口，以提高择时准确性。

2 整体情绪模式特性研究

对情绪模式的研究，最初是基于情绪预期、情绪温度和情绪浓度三个指标的上升和 下降状态，将其综合为整体情绪面的分析。这三个指标被转化为二元变量（上升或下降）， 理论上可以形成 8 种组合，每种组合代表一种特定的情绪模式。 然而，在研究过程中发现，情绪浓度指标具有独立性，对情绪模式规律的影响较小。 具体来说，情绪浓度主要用于捕捉长牛或长熊市场的拐点，通常需要较长时间的市场运 行才能触发其预警值。因此，在中短期波动中，情绪浓度的作用相对有限，情绪面的变 化主要受情绪预期和情绪温度两个指标的影响。 基于这一发现，后续对情绪面的研究重点聚焦于情绪预期和情绪温度两个指标的组 合，即两个二元变量的组合。这种简化不仅提高了分析效率，同时也更准确地反映了市 场情绪的中短期动态。 为便于读者快速掌握本章核心要点，特整理以下“结论小抄”。该表格系统总结了不 同情绪模式（如情绪温度、情绪预期）叠加不同市场状态（牛市、熊市、震荡市）的市 场运行规律与行业轮动特征，并明确了各情绪模式下的占优行业表现。

2.1 温度降预期升-寒冷中的希望

指标详情描述：当市场情绪呈现出"情绪温度下降、情绪预期抬升"的背离特征，我 们形象地将其描述为“寒冷中的希望”。情绪温度处于下降通道，表明投资者风险偏好降 低，市场活跃度减弱；而情绪预期指标呈现上行趋势，暗示市场对未来存在一定的积极 展望。

2.1.1 行情特征

“温度降预期升”发生在熊市中的特征： 1.发生频率更高、更密集：该指标组合在熊市中的出现频率显著高于其他市场行情。 发生时间间隔较短，呈现密集出现的特点。 2.“温度降预期升”在熊市发生后，市场往往延续下行趋势。 在熊市周期中，此指标组合通常呈现高频次、密集出现的规律特征，往往预示着市 场下行惯性的延续，此时尽管市场预期短期回暖，但在资金活跃度递减、风险偏好持续 受压的背景下，积极预期通常会被逐步消解，伴随成交量系统性收缩形成负向螺旋。 “温度降预期升”发生在牛市中的特征：1.“温度降预期升”在牛市发生，预示行情上行前夕：多出现在指数底部区域或行情 转折前夕，反映短期情绪低迷但中长期信心逐步回暖。 2.情绪预期推动趋势反转：情绪预期的回暖预示着市场可能迎来转折。情绪预期的回 升往往成为市场趋势反转的催化剂，伴随资金流入与杠杆水平提升，市场可能进入新一 轮上行周期。 当市场处于牛市启动前期，该信号常现于指数筑底阶段，此时情绪温度的走弱往往 对应着最后的多空博弈阶段，而预期指标的抬升则暗含市场对估值修复和基本面边际改 善的提前反映。

“温度降预期升”发生在震荡市中的特征： 1.发生频率较低：震荡市中，“温度降预期升”出现频率相对较低，且缺乏明确规律 性。指标出现频率相对熊市明显偏低。 2.情绪预期局部改善：情绪预期的回升可能带动局部板块或主题表现活跃，但市场整 体仍缺乏明确方向性突破。市场方向性特征不明确。 3.政策或事件驱动修复：若伴随政策利好或外部冲击减弱，情绪预期的回升可能延续， 但修复力度有限。 至于震荡行情中，该指标组合出现频率显著降低且缺乏有效持续性，多与政策博弈 期、经济数据短期波动或外部扰动事件相关联，方向指引性较弱。 2.1.2 行业和板块特征 行业轮动无明显特征：市场中各行业表现较为均衡，未出现明显的行业轮动现象，资金 流向较为分散，市场缺乏明确的主线逻辑。 无特定板块占优：市场中未出现特定板块的持续性表现，整体呈现“热点散乱”状态， 资金未集中流入某一行业或主题。部分板块可能出现短暂脉冲式表现，但持续性较弱，难以形成市场热点或主线。

2.2 温度升预期降-温暖中的谨慎

指标详情描述：当前市场呈现"情绪温度抬升、情绪预期下降"的分化格局，其特征 可概括为“温暖中的谨慎”。情绪温度指标进入上行通道，反映投资者风险承受能力边际 改善与交易活跃度提升；而市场预期指标仍保持克制状态，显现出资金对趋势延续性的 疑虑与选择性参与的保守心态。此情绪阶段往往伴随融资余额显著放量，反映杠杆资金 积极入场，市场风险偏好提升。

2.2.1 行情特征

“温度升预期降”发生在熊市中的特征： 1.短暂技术性反弹：在熊市背景下，这一指标组合通常触发短期的技术性反弹，但反 弹力度有限，持续时间较短。 2.下跌中继性质：反弹结束后，市场往往重回下行通道，甚至可能出现加速下跌，因 而此时的技术性反弹多为下跌中继形态。 在熊市周期中，该指标组合的出现往往预示着技术性反弹的酝酿，通常伴随短期流 动性的边际宽松或超跌修复需求驱动，阶段性情绪回暖推动市场形成脉冲式上行。但此 后市场往往重归下行通道并创出新低，形成“反弹-衰竭-破位”的熊市典型路径。

“温度升预期降”发生在牛市中的特征： 1.在牛市中相对较频繁出现，表现为短期调整或横盘整理； 2.调整后有望进一步突破上行。 在牛市中，这一组合频繁出现，表现为短期调整或横盘整理，尤其是在市场轮动加 剧之后，但持续时间较熊市更长。调整结束后，若伴随流动性支撑放大，则调整后市场 有望进一步突破上行。 “温度升预期降”发生在震荡市中的特征： 1.频繁出现但持续时间短：在震荡市中，这一指标组合频繁出现，但持续时间相对较 短。 2.主题轮动活跃：震荡市中，情绪温度回升往往催生主题轮动行情，结构性机会显著， 但整体市场缺乏明确方向性突破。 该阶段指标组合的典型形态常见于政策预期模糊期。值得注意的是，2015 年杠杆牛 市启动前期，此组合长时间持续，叠加政策催化和流动性拉升，演化为牛熊转换临界点。

2.2.2 行业和板块特征

行业轮动幅度减弱：“温度升预期降”时，行业轮动幅度显著减弱，资金从分散转向 集中，市场热点趋于稳定，特别是牛市中。轮动减弱反映投资者对当前市场热点较为乐 观，但对短期大市趋于谨慎，资金倾向于流向确定性较高的板块。此情绪阶段市场情绪 温度虽维持高位，但情绪预期下行与资金分散格局对整体行情形成制约。投资者应聚焦 具备基本面支撑、资金集中且确定性高的板块，规避过度分散带来的波动风险，从而在 市场结构性行情中占据主动。 根据历史复现，“温度升预期降”时，通常上游原材料、中游制造、金融地产占优： 上游原材料板块受益于大宗商品价格上涨或经济复苏预期，表现较为强势。中游制造板 块受益于需求改善与成本端支撑，盈利能力预期提升。金融地产板块因估值较低且政策边际改善，成为资金青睐的方向。

2.3 温度预期齐升-全面向好

指标详情描述：“温度预期齐升”即市场情绪温度与情绪预期同步回升，表明投资者 短期情绪与中长期信心均显著改善。这种组合通常反映市场处于全面向好阶段，但不同 市场周期中的表现与意义存在差异。

2.3.1 行情特征

“温度预期齐升”发生在熊市中的特征： 1.偶发性上行：熊市中，“温度预期齐升”多表现为偶发性事件，通常由政策利好或 或其他事件性利好触发。 2.持续时间短且不稳固：这种组合在熊市中持续时间较短，且由于市场整体情绪偏向 谨慎，上行趋势容易夭折。 值得注意的是，相对在牛市中，“温度预期齐升”在熊市中更能撬动融资余额上升， 原因或有以下几点：1.市场情绪触底反弹。在熊市中，市场情绪通常处于极度低迷状态， 投资者信心严重不足。当情绪和预期出现回升时，投资者对市场触底反弹的期望增强， 从而带动融资余额上升。2.低基数效应。熊市中融资余额通常处于相对较低水平，情绪和 预期的改善容易形成“低基数效应”，推动融资余额显著放大。相较于牛市，熊市中融资 余额的上升幅度相对更显著。3.杠杆资金对情绪变化的敏感性。杠杆资金通常对市场情绪 变化高度敏感。在熊市中，情绪和预期的改善更容易吸引杠杆资金快速入场，推动融资 余额上升。由于熊市中市场风险较高，杠杆资金更倾向于在情绪回暖初期快速参与，以捕捉短期反弹机会。熊市中的“温度预期齐升”多为偶发性上行信号，通常由政策利好 或外部冲击减弱触发，但持续时间较短且缺乏持续性，资金参与度有限，投资者需警惕 回调风险并控制仓位。

“温度预期齐升”发生在牛市中的特征： 在牛市阶段，“温度预期齐升”频繁出现，且持续时间更长，反映市场整体情绪与信 心的全面改善。在慢牛行情中，这种现象尤为显著，表现为市场在增量资金推动下稳步 上行，且回调幅度有限。伴随资金杠杆水平显著提升，市场在增量资金推动下稳步上行， 投资者可积极参与并把握趋势性机会。 “温度预期齐升”发生在震荡市中的特征： 1.频繁但力度有限：震荡市中，“温度预期齐升”出现频率较高，但力度与持续性相 对有限，通常表现为小波段上行。 2.主题与板块轮动：此阶段，情绪改善往往加速行业和板块轮动，市场整体缺乏明确 方向，处于整理与尝试阶段。由于“火力”分散，资金杠杆力度表现平平，或表现不稳 定，无明显规律。 震荡市中的“温度预期齐升”出现频率较高，但力度与持续性有限，通常表现为小 波段上行或主题轮动行情，伴随政策或业绩验证，投资者需关注主线频繁切换的风险。

2.3.2 行业和板块特征

行业轮动加剧：市场情绪全面向好带动资金活跃度提升，行业轮动幅度显著加剧， 热点切换频繁。资金在不同板块间快速流动，寻找短期超额收益机会。 特定板块占优：近 5 年（TMT 占优）：随着科技创新与数字化转型的加速，TMT（科 技、媒体、通信）板块成为市场热点，资金集中流入科技成长股，推动板块表现突出。 2013-2016 年（金融地产占优）：在流动性宽松与政策支持的背景下，金融地产板块受益 于估值修复与基本面改善，成为市场的主导板块。

2.4 温度预期齐降-悲观蔓延

指标详情描述：“温度预期齐降”即市场情绪温度与情绪预期同步回落，反映投资者 短期情绪与中长期信心均显著恶化。这种组合通常预示市场处于悲观蔓延状态，但其表 现与意义因市场周期不同而有所差异。此情绪阶段常伴随融资余额显著缩量，反映杠杆 资金离场，市场风险偏好与资金活跃度同步下降，对市场短期表现形成压制作用。

2.4.1 行情特征

“温度预期齐降”发生在熊市中的特征： 1.熊市中，“温度预期齐降”出现频率相对在牛市中更高，且持续时间较长，反映市 场整体情绪持续低迷。 2.反弹信号与熊市深化：在熊市的小低估阶段，这一组合往往伴随技术性反弹，但反 弹幅度有限且持续时间较短；随后市场可能重回下行通道，甚至出现加速下跌。 熊市中的“温度预期齐降”反映悲观情绪蔓延，虽可能引发短期的触底反弹，但市 场整体趋势仍以下行为主，投资者需保持谨慎并降低仓位。 “温度预期齐降”发生在牛市中的特征： 牛市中的“温度预期齐降”多预示小牛终结或腰部调整，投资者需警惕趋势性下行 风险并适时减仓等待进一步信号。

“温度预期齐降”发生在震荡市中的特征： 反弹信号不明显：震荡市中，“温度预期齐降”对反弹的预示性较弱，市场可能延续 震荡整理格局。震荡市中的“温度预期齐降”反映市场情绪局部恶化，但对反弹的预示 性不强，投资者需关注政策与资金信号以捕捉结构性机会。

2.4.2 行业和板块特征

行业轮动收缩放缓：市场情绪全面悲观导致资金活跃度显著下降，行业轮动幅度收 缩，热点切换频率放缓。行业轮动收缩反映市场风险偏好降低，资金倾向于流向防御性 板块或确定性较高的领域。 特定板块相对占优：2010-2013 年（下游消费占优）：在经济增速放缓的背景下，下 游消费板块因刚需属性与业绩稳定性受到资金青睐。2014-2016 年（金融地产占优）：在 政策宽松与估值修复的驱动下，金融地产板块成为市场主要支撑力量。2016-2017 年（无 明显区分）：市场整体表现均衡，无明显占优板块，资金流向较为分散。2018-2024 年（TMT 和下游消费、中游制造占优，尤其是 TMT）：在科技创新与产业升级的驱动下，TMT 板 块表现突出，同时下游消费和中游制造板块也展现一定韧性。

3 情绪模式转移规律研究

本章采用隐马尔可夫模型（Hidden Markov Model，HMM）深入研究市场情绪模式转 移的规律。模型通过捕捉情绪模式的潜在变化，揭示其在市场运行中的动态特征。文中 详细阐述了隐马尔可夫模型的基本原理，并基于实证数据，系统分析了各情绪模式之间 的转移频率及其内在逻辑，为理解市场情绪演化提供了定量化的研究视角。

3.1 研究方法

隐马尔可夫模型（Hidden Markov Model，HMM）是一种统计模型，通过隐藏状态和 可观测状态建模系统动态。隐藏状态不可直接观察，但通过可观测状态反映。模型包含 初始状态概率、状态转移概率矩阵（描述状态间转移规律）和发射概率矩阵（描述隐藏 状态生成可观测状态的概率）。通过历史数据，HMM 可解码最可能的隐藏状态序列，预 测未来状态演化并识别模式，广泛应用于序列数据分析。在应用中，HMM 通过定义隐藏 状态之间的转移概率和隐藏状态生成观测序列的发射概率，利用这些概率参数对序列数 据进行建模和预测。HMM 的经典算法包括前向算法、维特比算法和 Baum-Welch 算法， 分别用于计算观测序列的概率、解码最可能的状态序列和通过最大似然估计训练模型参 数。 在本文中，隐马尔可夫模型（HMM）被用于建模情绪模式的动态变化，其中情绪模 式（如“寒冷中的希望”、“温暖中的谨慎”等）被定义为隐藏状态，而可观测的情绪指标（如情绪温度、情绪预期）则作为可观测状态。通过 HMM 的初始状态概率、状态转 移概率矩阵和发射概率矩阵，模型能够捕捉情绪模式之间的转移规律以及情绪模式生成 特定可观测指标（如情绪温度和情绪预期的上升下降状态）的概率关系。利用历史数据， HMM 可以解码最可能的情绪模式序列，预测情绪模式的未来演化，并识别情绪变化模式。 例如，通过分析情绪温度的波动和情绪预期的趋势，模型能够推断情绪模式从乐观转向 悲观的可能性，从而为情绪分析和决策提供基于数据的洞察与支持。

3.2 规律提取

根据隐马尔可夫模型分析，我们得到如下表所示的情绪模式转移概率矩阵，揭示情 绪模式演变的动态规律。在矩阵中，左侧列名为当前情绪模式假设，第一行则代表下一 阶段的可能情绪模式。每个单元格的值表示在当前假设情绪模式下，市场转移至下一个 特定情绪模式的概率。这一矩阵为理解情绪变化的过渡机制提供了量化依据，有助于预 测未来情绪走向或分析情绪演变模式。

3.2.1 当前模式：情绪预期↓，情绪温度↓

最高概率（37.96%）：转向“情绪预期↑，情绪温度↓”。 这表明，当市场处于情绪预期和情绪温度双降的悲观环境时，最常见的转变（37.96%） 是情绪预期率先回暖，而主力资金活跃度仍暂时保持低位。这往往意味着部分投资者开 始对后市转向乐观，但资金面尚未及时跟进，市场整体情绪呈现“预期先行”的分化格 局。

3.2.2 当前模式：情绪预期↓，情绪温度↑

最高概率（35.23%）：转向“情绪预期↓，情绪温度↓”。 这一结果说明，在情绪预期偏弱但资金面仍有活跃度的模式下，资金热度的衰退更 容易发生，市场最终可能重回“情绪预期与情绪温度双降”的谨慎格局。这种情况往往体现了资金的短期试探性行为，一旦缺乏后续支撑，就会迅速降温。

3.2.3 当前模式：情绪预期↑，情绪温度↓

最高概率（32.67%）：转向“情绪预期↓，情绪温度↓”。 当前市场处于预期回暖但资金活跃度偏低的模式，即投资者情绪正逐步转向乐观， 但主力资金的参与度尚未显著提升。在这一模式下，最常见的转变是市场情绪和资金活 跃度双双回落，即重新进入“预期与温度双降”的悲观格局。这种转变表明，尽管市场 预期已经回暖，但未能成功吸引资金大规模流入，导致情绪和资金面同时回落。这可能 是由于市场利好因素未能兑现、外部环境恶化或投资者信心再次受挫等因素所致。这种 转变概率高于“无差别概率”，说明市场情绪的修复过程并不稳定，存在较大的回撤风险。

3.2.4 当前模式：情绪预期↑，情绪温度↑

最高概率（36.78%）：转向”情绪预期↓，情绪温度↑”。 当前市场处于情绪预期和资金活跃度双双上升的模式，即投资者情绪乐观且资金积 极参与。这种模式通常出现在市场处于强势上涨或全面乐观的阶段，投资者对未来充满 信心，同时主力资金大量流入推动市场走高。在这一模式下，最常见的转变（36.78%） 是情绪预期回落但资金活跃度维持高位。

编辑：火腿肠