你看完行情，脑海里会先冒出一个词：「今天市场是趋势、震荡，还是恐慌？」

这个判断听起来很主观，但其实可以结构化：宽基指数的同向性、涨跌幅大小、板块内部的离散度，都是可量化的信号。今天的文章教你把这些信号喂给 LLM，让它用一句话说出当前市场状态。

不同市场状态下，策略的适用性完全不同：

如果你每天能先用一句话定下「市场状态」，后面的选股、择时、仓位判断都会更清晰。

INDEX_CODES = {
    "000001.SH": "上证指数", "000016.SH": "上证50",
    "000300.SH": "沪深300", "000905.SH": "中证500",
    "399001.SZ": "深证成指", "399006.SZ": "创业板指",
}
​
index_rows = []
for code, name in INDEX_CODES.items():
    snap = client.index_real_time(code=code)
    index_rows.append({"code": code, "name": name, "pc": snap["pc"]})

对板块成分股批量拉行情，计算：


detail = client.sector_detail(sector_name="GN半导体")
stocks = detail["stocks"][:20]
codes = [s["dm"].split(".")[0] for s in stocks]
records = client.stock_ssjy_more(stock_codes=",".join(codes))
​
pcs = [r["pc"] for r in records]
avg_pc = sum(pcs) / len(pcs)
up_ratio = sum(1 for x in pcs if x > 0) / len(pcs)
std = pd.Series(pcs).std()

离散度越大，说明板块内部越分歧；离散度小，说明板块内部方向一致。

三、规则层分类：先让机器自己判断

在调用 LLM 之前，先用规则给状态打一个初判：


def rule_classify(index_rows, sectors):
    pcs = [r["pc"] for r in index_rows]
    avg = sum(pcs) / len(pcs)
    up = sum(1 for x in pcs if x > 0)
    down = len(pcs) - up
    max_abs = max(abs(x) for x in pcs)
​
    sector_std = [s["std"] for s in sectors if s]
    avg_std = sum(sector_std) / len(sector_std)
​
    if down >= 5 and avg < -1.0 and avg_std > 1.5:
        return "恐慌", "多数指数下跌且板块分歧大"
    elif up >= 5 and avg > 1.0:
        return "趋势上行", "多数指数同步上涨"
    elif down >= 5 and avg < -1.0:
        return "趋势下行", "多数指数同步下跌"
    elif max_abs < 1.0 and avg_std < 1.5:
        return "震荡", "涨跌不大且板块分歧小"
    else:
        return "分化", "涨跌互现，板块方向不一"

可解释、可调试、不依赖外部 LLM

。你可以根据自己的风险偏好调整阈值。

用 2026-08-14 数据跑出来的结果：


创业板指 +1.12%
深证成指 +0.45%
中证500 +0.28%
沪深300 +0.04%
上证指数 +0.01%
上证50 -0.41%
​
规则层判断：分化（置信度 60%）
理由：涨跌互现（上 5 下 1），板块标准差 2.33%

6 只指数里 5 只上涨、1 只下跌，但板块平均涨跌幅有正有负，离散度偏高。规则判断为「分化」而不是「趋势上行」，这是合理的——大盘指数偏暖，但结构并不一致。

五、LLM 增强：把数据变成一句话

把指数和板块数据结构化后，传给 LLM：


你是一名市场状态分类助手。请根据以下数据，判断当前市场状态：
只能从「趋势上行 / 趋势下行 / 震荡 / 恐慌 / 分化」中选择一种，并说明理由。
​
主要指数：
- 上证指数 +0.01%
- 上证50 -0.41%
- 沪深300 +0.04%
...
​
热门板块：
- 半导体：平均 +0.80%，上涨 50.0%，离散度 2.67%
- 新能源：平均 -2.14%，上涨 20.0%，离散度 2.78%
...
​
规则层初步判断：分化（置信度 60%）
​
要求：给出最终状态标签，用 2~3 句话说明理由，不要给出买卖建议。

，脚本会自动退回规则判断，保证可复现。


pip install mairui pandas numpy requests


import os
import mairui
​
licence = "LICENCE-66D8-9F96-0C7F0FBCD073"  # 演示证书，演示证书（读者复制即用，无需替换）
client = mairui.Client(licence)

脚本已整理到 Demo 目录，包含：

市场状态分类解决的是「今天是什么市」。规则层给出一个可解释、可调试的判断，LLM 层把这个判断翻译成自然语言。对量化研究者来说，这种「数据 → 规则 → 文本」的链路，比单纯看 K 线图更可持续。

AI 在这里的作用不是创造判断，而是

把已有的结构化判断表达得更易读

。下篇预告：【AI+量化实战 #11】AI+量化里最危险的幻觉：数据泄漏、伪造数据、事后解释。

【AI+量化实战 #10】趋势还是震荡？用 LLM 把市场状态变成一句话

人工智能

用可量化信号（指数同向性、涨跌幅、板块离散度）建立市场状态分类框架，通过规则层初判加LLM增强，输出趋势/震荡/恐慌/分化标签。提供Python脚本与Prompt模板，实测验证分类逻辑，辅助策略适配。

数据结构

数据泄漏

Python

腾讯云BI特惠9.9元起！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

【AI+量化实战 #10】趋势还是震荡？用 LLM 把市场状态变成一句话

【AI+量化实战 #10】趋势还是震荡？用 LLM 把市场状态变成一句话

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐