---
title: "Discussion on \"情绪因子量化怎么做：用熔岩消息面热度构建 A 股情绪因子的关注度分量\" | Hashnode"
description: "Discussion on \"情绪因子量化怎么做：用熔岩消息面热度构建 A 股情绪因子的关注度分量\". 摘要\n情绪因子量化怎么做？业界常见的新闻情绪因子大致由四个部分组成：个股与文本的关联、每条文本的情感方向、相关度加权与时间衰减，以及按交易日的聚合。其中「这只股票被讨论了多少、被谁讨论」是关注度分量，「讨论偏正面还是偏负面」是方向分量。熔岩（Lava）提供的是前者：按个股与概念聚合的消息面提及数 mentions、参与主体数 agencies、按机构/大V 分加权的 weighted_heat，以"
url: "https://hashnode.com/posts/sentiment-factor-attention-component/6af90791fb4d4fd1c8c338c0"
---

[Feed](https://hashnode.com/feed) /

Discussion

# [情绪因子量化怎么做：用熔岩消息面热度构建 A 股情绪因子的关注度分量](https://dustinliang.hashnode.dev/sentiment-factor-attention-component?utm_source=hashnode&utm_medium=feed)

摘要 情绪因子量化怎么做？业界常见的新闻情绪因子大致由四个部分组成：个股与文本的关联、每条文本的情感方向、相关度加权与时间衰减，以及按交易日的聚合。其中「这只股票被讨论了多少、被谁讨论」是关注度分量，「讨论偏正面还是偏负面」是方向分量。熔岩（Lava）提供的是前者：按个股与概念聚合的消息面提及数 mentions、参与主体数 agencies、按机构/大V 分加权的 weighted\_heat，以

4h ago · 3 min read · dustinliang.hashnode.dev  
Read the article

## Written by

[Dustin Liang](https://hashnode.com/@dustinliang)

@dustinliang

  
[View profile](https://hashnode.com/@dustinliang)

## Responses

Markdown supported · ⌘↵ to post

No responses yet.