T模型对每条评论进行“喜、怒、哀、惧、中性”五分类，训练数据包含10万条人工标注的股吧评论（如“目标价999”标为“贪”，“财务造假”标为“惧”）；
• 复合情绪挖掘：用LDA主题模型提取“恐慌性抛售”“谨慎乐观”“盲目跟风”等复合情绪（如“行业要完了，赶紧跑”+“但龙头估值低”=“矛盾性恐慌”）；
• 情绪强度量化：将情绪词频与用户等级挂钩（认证用户“强烈看空”权重=3，匿名用户=0.5），生成“市场情绪指数”（0-100分，＞80为贪婪，＜20为恐慌）。
实战案例：第222章某芯片股暴跌前72小时，系统捕捉到股吧讨论从“国产替代加速”（情绪指数+35）转向“美国制裁清单扩容”（情绪指数-40），复合情绪标记为“恐慌性抛售”，早于股价异动12小时触发预警。
2. 情绪传导：绘制“板块-个股”的情绪传染链
市场情绪并非孤立存在。系统通过“情绪相关性矩阵”，识别情绪传导路径：
• 行业共振：当新能源板块情绪指数暴跌10点时，关联板块（如锂电池、光伏）情绪指数同步下跌6-8点；
• 龙头效应：某白酒龙头股舆情情绪恶化（如“塑化剂传闻”），带动整个白酒板块情绪指数下滑15点（为第26卷第251章“塑化剂袭”事件埋下伏笔）；
• 跨市场联动：北向资金大幅流出（资金情绪）与港股中概股暴跌（外围情绪）叠加时，A股情绪指数跌幅放大2倍。
（二）个体情绪：解码“公司与管理层”的“情绪DNA”
个体情绪是公司层面的“微观温度计”，分为舆情情绪（市场对公司的看法）与管理层情绪（掌舵人的真实态度），两者常存在“表里不一”的张力。
1. 舆情情绪：从“杂音”到“共识”
• 关键词聚类：用TF-IDF算法提取个股舆情高频词（如某医药股
本章未完，请点击"下一页"继续阅读！ 第2页 / 共7页