首先很感谢 Ricequant 团队提供了舆情数据，而我刚好也在做相关的研究课题，于是就使用了 IPython Notebook 和回测很快地实验了一把~
以雪球舆论数据作为选股依据，目前在 Ricequant 可支持获取的雪球数据包括：
1.1 昨日新增评论 - new_comments 2.2 总评论 - total_comments 3.3 昨日新增关注者 - new_followers 4.4 总关注者数目 - total_followers 5.5 卖出行为 - sell_actions 6.6 买入行为 - buy_actions
一个符合逻辑的思路是：我们根据关注者数据进行每日选股，一方面考虑新增的关注者数量，同时也考虑关注者的增长率，即新增关注者与总关注者的比例，对这一数值进行排序，进行每日的选股调仓。
我的研究过程是：
1.1 首先选择新关注者增长量最多的 10 个股票，并且将他们 2015-08-12 以及 2015-08-13 的价格打出 2.2 计算出这 10 个股票当天增长率，并计算出所有股票当天增长率的均值，可以明显看出，这 10 个股票当天的表现(+5.32%)远强于所有股票增长率的均值（+2.76%）。而这一天增长率的标准差为 1.63 ，也证明了这 10 只股票当天表现的优秀程度是十分明显的。因此可以相信，新增关注者数量较多的股票是较好的股票。 然后测试这一次选出的 10 个股票，看看他们这一周的表现，结果比较一般，证明雪球数据对于当日表现的作用明显，应当每日调仓。
策略表现
最后的策略的表现还算不错，从开始有雪球数据的 2015 年 4 月 23 号到 15 年底回测获得了 35%的正收益，而同比大盘只有-21%的收益。并且剔除了涨停板、跌停板的股票来保证这些股票依然可以买入、卖出，贴近实际情况，我也觉得如何可以拿到“细粒度更高”的舆情数据，比如分钟级别的实时更新，应该可以让策略的收益更加大幅提高。
因为我从实际的研究情况也发现了舆情对收益的正贡献是显著的，而现在的数据只能在当天开盘前拿到前一天的雪球数据，假设我们可以拿到上一分钟的舆情变化，那么肯定会对策略的贡献很明显。
是否有其他更好的组合系数作为参考的交易信号呢？也希望听到大家的意见。
新鲜出品： https://www.ricequant.com/community/topic/551/?utm_source=v2ex
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.