凌晨两点十七分，李代码的显示器还亮着。

三块屏幕，左边是黑色终端里滚动的绿色日志，中间是chrome浏览器开着二十几个标签页，右边是excel表格和python编辑器。房间唯一的光源是屏幕光，映在他三天没刮胡子的脸上，像某种诡异的仪式。

他正在写一个爬虫。

不是普通爬虫——那种抓取网页信息、批量下载图片的初级玩意，他大三就会写了。这个爬虫要高级得多，它要潜入几十个财经论坛、数百个股票贴吧、上千个投资微信群聊的聊天记录（通过某些非公开接口），抓取关键词出现的频率、情感倾向、讨论热度，然后喂进一个lstm神经网络，预测下一个交易日的板块轮动。

简单说，他要量化市场情绪。

这个想法诞生于两周前，在茶水间被那个用《易经》算股票的实习生“击败”之后。李代码当时就明白了：这个市场里，理性分析干不过玄学，基本面干不过消息面，而消息面的本质是情绪传导。与其研究财报，不如研究人心——用代码研究。

过去十四天，他睡了不到七十个小时。咖啡罐在脚边堆成小山，外卖盒子散发馊味，但代码就要完成了。现在只差最后一步：把抓取到的文本数据做情感分析，正面词加分，负面词减分，再加权时间衰减——越临近收盘的讨论，权重越高。

他敲下最后一行代码：

defcalculate_sentiment_score(text,timestamp):

#情感词典加载

positive_words=load_positive_dict()

negative_words=load_negative_dict()

#时间衰减系数

time_factor=calculate_time_decay(timestamp)

#计算基础情感分

base_score=len([wforwintextifwinpositive_words])-len([wforwintextifwinnegative_words])

#应用衰减

final_score=base_score*time_factor

returnfinal_score

运行。没有报错。进度条开始缓慢爬升：1%...5%...12%...

李代码靠在椅背上，闭上眼睛。他能听见机箱风扇的嗡鸣，能闻到自己身上的汗味，能感觉到心脏因为过度摄入***而不规则地跳动。但更多的是兴奋——一种即将揭开市场面纱的兴奋。

他想证明，这个由贪婪和恐惧驱动的市场，是可以被量化的。那些看似随机的波动，那些突如其来的涨停跌停，那些“消息灵通人士”的“内幕消息”，归根结底都是情绪的共振。而情绪，是可以被测量的。

进度条爬到100%。终端弹出结果：

今日市场情绪指数：-0.34（偏悲观）

热门板块情绪排名：

1.新能源汽车：+0.87

2.半导体：+0.45

3.白酒：-1.23

...