“模型初建”完成，意味着“情绪维度”体系拥有了一个宏观的、多因子的综合框架。但陆孤影明白，在实战中，尤其是风险控制和机会识别中，情绪的“两极”——贪婪与恐惧——往往比笼统的“综合情绪”更具操作意义。市场顶部常由贪婪的泡沫铸就，而底部则常在绝望的恐惧中诞生。他需要从这综合模型中，剥离、提炼、强化出专门针对这两种极端情绪状态的、更纯粹、更敏感、也更具有行动指导意义的独立指标。
他决定首先构建“恐惧指数”。
恐惧，是市场中最古老、也最具破坏力与建设性的情绪。它的破坏力在于引发非理性的抛售、踩踏和流动性枯竭；它的建设性在于，当恐惧达到极致、价格偏离价值足够远时，往往孕育着最丰厚、风险收益比也最佳的逆向投资机会。精准地度量恐惧，既能帮助他在风暴中保全自身，也能让他在众人绝望时，看到别人看不到的珍贵筹码。
但“恐惧”本身是抽象的，它需要通过一系列可观测的、可量化的“代理变量”来体现。陆孤影的目标，是构建一个能够实时、客观、综合地反映市场整体恐惧程度的指数。这个指数不仅要能刻画恐惧的“程度”，还要能揭示恐惧的“结构”（谁在恐惧？为什么恐惧？）和“动能”（恐惧是在加剧还是缓解？）。
他重新审视“情绪维度”模型中的几十个预处理因子，从中精心筛选出与“恐惧”高度相关，且在历史极端恐慌时期表现显著、稳定的因子。筛选标准严格
1&nbp;理论逻辑坚实&nbp;因子必须能清晰对应市场参与者的恐惧行为（如抛售、避险、看空）。
2&nbp;历史表现极端&nbp;在公认的市场恐慌时期（如2015年股灾、2016年熔断、2018年阴跌、2020年疫情底），该因子的z-re（偏离近期均值的标准差倍数）必须达到显著高位，且与恐慌的演进高度同步。
3&nbp;噪音相对较低&nbp;因子本身应具有一定的稳定性，避免因单日偶然事件（如某只个股“黑天鹅”引发的板块恐慌）或数据异常产生过大干扰。
4&nbp;数据可得性与时效性&nbp;因子数据必须能够可靠、及时地获取。
经过反复测试和权衡，他最终确定了“恐惧指数”的核心构成因子，并将其归类到几个恐惧的表现维度
------
一、&nbp;价格与交易行为维度（最直接、最不可伪造的恐惧体现）
1&nbp;市场广度恶化
?&nbp;下跌家数占比（z-re）&nbp;全市场下跌股票家数除以总交易股票家数。当市场普跌，该值飙升，反映抛售的广泛性，是恐惧蔓延的基础指标。赋予较高权重。
?&nbp;跌停家数（偏离倍数）&nbp;收盘跌停的股票数量。跌停意味着卖盘汹涌且无承接，是极端恐惧的集中爆发点。其数值相对于近期均值的偏离倍数，是衡量恐慌强度的尖锐指标。
?&nbp;创52周新低家数（偏离倍数）&nbp;创年内新低的股票数量激增，意味着趋势的全面恶化，加深中长期持股者的恐惧。
2&nbp;波动性与极端波动
?&nbp;市场平均振幅（z-re）&nbp;全市场股票的平均日内振幅（最高价-最低价）/前收盘价。恐慌中不确定性增加，多空分歧剧烈，振幅往往扩大。
?&nbp;大幅下跌股票占比&nbp;日内跌幅超过-7%或-9%的股票数量占比。反映市场下跌的“杀伤力”。
?&nbp;指数波动率（z-re）&nbp;主要指数（如上证指数）的短期历史波动率。波动率是“恐惧”的天然度量，恐慌时期波动率必然飙升。
------
二、&nbp;资金与流动性维度（恐惧引发的资金行为）
1&nbp;资金大规模流出
?&nbp;全市场资金净流出（z-re）&nbp;基于eve-2数据计算的全市场主力资金（大单+超大单）净流出额的标准化值。反映机构和大资金的撤离力度。
?&nbp;大小单资金流向背离&nbp;计算“超大单+大单”净流出额与“中单+小单”净流出额的差值或比率。在恐慌初期，往往大小单同出；但在恐慌极致或政策干预预期出现时，可能出现“超大单净流出放缓或小幅流入，而中小单持续大幅流出”的背离，反映“聪明钱”与“恐慌盘”的行为差异，是重要的观察点。
2&nbp;流动性枯竭迹象
?&nbp;市场整体量比（z-re）&nbp;成交量相对于近期均量的比值。恐慌初期可能放量下跌，但恐慌极致时往往伴随成交量极度萎缩（无量阴跌），反映买盘消失，流动性枯竭。需要结合价格位置判断，在长期下跌后的缩量可能是恐慌衰竭信号。
?&nbp;委买委卖·比&nbp;全市场买一总手数与卖一总手数的比值。持续低迷的委买委卖·比反映市场承接意愿极弱。
------
三、&nbp;衍生品与信用交易维度（杠杆与专业投资者的恐惧）
1&nbp;股指期货贴水
?&nbp;主要期指基差（z-re）&nbp;沪深300、中证500等股指期货主力合约相对于现货指数的贴水幅度（负基差）。持续的深度贴水，反映期货市场投资者对未来极度悲观，愿意以折价抛售远期合约来避险或表达看空预期，是衡量“机构恐惧”的重要指标。赋予高权重。
2&nbp;融资盘变化
?&nbp;融资余额环比下降速度&nbp;融资余额的快速下降，反映杠杆资金被迫或主动去杠杆，是恐惧导致的被动卖出或风险偏好急剧收缩的表现。
?&nbp;融资买入额占比（z-re）&nbp;融资买入额占市场总成交额的比例。该比例在恐慌中通常会降至极低水平，反映杠杆资金不敢轻易入场。
------
四、&nbp;舆情与关注度维度（市场“叙事”与散户情绪中的恐惧）
1&nbp;论坛恐慌关键词指数
?&nbp;基于对主要股票论坛的文本分析，计算“割肉”、“清仓”、“绝望”、“崩盘”、“股灾”、“销户”、“关灯吃面”等典型恐慌关键词在单位时间内的出现频率、密度及互动热度，合成一个指数并进行z-re标准化。这是捕捉散户情绪恐慌的“温度计”，在恐慌时期往往呈现爆发式增长。
2&nbp;新闻情感负面指数
?&nbp;财经新闻中负面情感报道的比例和强度z-re。媒体是情绪的放大器，负面报道的集中出现会加剧恐慌。
3&nbp;恐惧相关搜索指数
?&nbp;“暴跌”、“熊市”、“套牢”等关键词的搜索引擎指数变化率。反映场外潜在投资者或浅套投资者的关注焦点和焦虑情绪。
------
“恐惧指数”的合成与计算
陆孤影没有简单地将这些因子等权平均。他根据每个因子在反映“恐惧”上的敏感性、可靠性、领先性，以及因子之间的相关性（避免多重共线性），赋予不同的权重。价格与交易行为维度（尤其是广度指标和极端波动）权重最高，因为最直接；衍生品维度（期指贴水）权重也很高，因其前瞻性；资金维度反映实际行为；舆情维度则作为确认和情绪强度的补充，权重相对较低，但因其有时具有爆发性和领先性，也不可忽视。
具体合成步骤如下
1&nbp;因子标准化&nbp;每个因子都已预处理为z-re或偏离倍数，使其可比。
2&nbp;加权求和&nbp;将各因子的z-re（负向因子本身z-re高代表恐惧，因此直接取正值；部分正向因子如上涨家数占比，其z-re低代表恐惧，需取负值后参与计算）乘以其权重，然后求和，得到一个原始的“恐惧综合得分”。
3&nbp;指数化&nbp;将这个原始得分，通过一个预设的函数（如基于历史分位数的映射），映射到一个0-100的区间，或者一个更直观的刻度上，如
?&nbp;0-20&nbp;恐惧水平极低（市场乐观或平稳）
?&nbp;20-50&nbp;轻度恐惧/谨慎
?&nbp;50-70&nbp;中度恐惧
?&nbp;70-90&nbp;高度恐惧
?&nbp; 90·100&nbp;极度恐惧/恐慌
（阈值划分基于历史数据的统计分布，如前5%分位数对应“极度恐惧”）。
4&nbp;计算“恐惧动能”&nbp;对“恐惧指数”值计算其一阶差分（日度变化）作为“恐惧变化速度”，二阶差分作为“恐惧加速度”，用以判断恐慌是在加剧、缓和还是趋于平稳。
------
初步回测与观察
陆孤影将初步构建的“恐惧指数”模型加载到历史数据中，回测了包括最近这次系统性恐慌在内的多个市场下跌阶段。
图表清晰地显示，在每一次市场大跌、尤其是恐慌性下跌中，“恐惧指数”都迅速攀升，突破“高度恐惧”甚至“极度恐惧”阈值。其上升的斜率、持续的时间、以及达到的峰值，都与市场下跌的惨烈程度高度相关。
更让他关注的是几个细节
?&nbp;在市场长期阴跌的末端，有时“恐惧指数”并不会立刻飙升，而是维持在中度恐惧水平，但“恐惧动能”可能已经悄然转弱（下跌速度放缓），同时可能伴随着“价量恐慌”（下跌、跌停家数多）与“资金/衍生品恐慌”（期指贴水、融资盘下降）的背离。这或许意味着恐慌从显性转向隐性，但做空动能衰竭。
?&nbp;在某些由突发利空引发的短期暴跌中，“恐惧指数”会瞬间冲至极值，但随后快速回落。这种脉冲式的恐惧，往往对应着短线超卖后的技术性反弹。
?&nbp;论坛恐慌关键词指数，通常在市场暴跌的初期和中期与指数同步飙升，噪音大但敏感；而在市场真正绝望的底部区域，有时论坛热度反而会下降（“装死”或彻底离开市场），但期指深度贴水和融资盘暴降等指标可能仍在恶化。这表明不同维度的恐惧并不同步，需要综合判断。
“恐惧指数”的初版，已经能够较为准确地刻画市场恐惧的“温度”。但陆孤影知道，这还不够。他需要进一步定义，当指数进入哪个区域时，意味着“恐惧”可能已经过度，市场进入了“物极必反”的潜在转折区域？这需要结合历史回测，确定“极端阈值”，并观察阈值被突破后市场的典型表现。
此外，仅仅有“恐惧指数”还不够。贪婪，是恐惧的另一面，同样需要精确度量。在牛市的喧嚣中，识别出过度贪婪的迹象，与在熊市的绝望中识别出过度恐惧的迹象，具有同等重要的风险控制价值。
他关闭了“恐惧指数”的回测图表，思路已经清晰。接下来，他将以类似的逻辑，构建“贪婪指数”。然后，结合两个指数，并参考历史经验，科学地定义情绪的“极端阈值”，完成情绪量化体系中用于风险与机会识别的关键拼图。
恐惧，
已被，
度量。