第12章 李代码的爬虫初战
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：
def calcute_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 = calcute_time_decay(timestamp)
# 计算基础情感分
base_score = len([w for w in text if w in positive_words]) - len([w for w in text if w in negative_words])
# 应用衰减
final_score = base_score * time_factor
return final_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
...
李代码盯着屏幕。新能源汽车板块情绪分最高，符合预期——最近政策利好不断。白酒板块情绪分最低，也合理，毕竟估值在高位，资金有出逃迹象。但半导体只有+0.45，这有点意外。他看了几篇研报，都说半导体景气度持续，资金在流入。
他的爬虫说不是。
他调出原始数据：抓取的八千多条关于半导体的讨论中，“卡脖子”“制裁”“产能过剩”等负面词出现频率是正面的两倍。虽然研报乐观，但散户情绪已经转向悲观。
“有意思。”李代码喃喃自语。研报代表机构的“嘴”，散户情绪代表市场的“腿”。嘴说一套，腿走另一套，这事儿常有。
他看了眼时间：凌晨三点二十。距离A股开盘还有六个小时。
他做了个决定：信爬虫。
不是全信，是拿一部分资金试水。他有三万块闲钱，原本打算换台新电脑。现在，他决定用这一万块，验证他的模型。
他打开交易软件，登录那个尘封已久的账户——去年亏了八千块后就没再碰过。账户余额：31247.86元。他选了新能源汽车板块里情绪分最高的三只股票，半导体板块里情绪分最低但基本面还行的两只股票（逆向操作），白酒板块完全不碰。
挂单。设置买入价：今日开盘价上浮1%（防止高开买不到）。设置止损：-5%。止盈：+10%。
做完这一切，天快亮了。窗外泛起鱼肚白，城市的轮廓在晨雾中显现。李代码关掉显示器，瘫在床上，却睡不着。脑子里全是数字、曲线、概率。
他想起了大学时上的第一门编程课。教授说：“代码世界是确定的，输入决定输出。现实世界是不确定的，充满了随机性。”
当时的李代码觉得这话太哲学。现在他明白了：他正在尝试用确定的代码，去捕捉不确定的现实。像个用渔网捞风的傻瓜。
但万一捞到了呢？
早晨八点，李代码被闹钟叫醒。睡了不到四小时，但精神亢奋。他冲了个冷水澡，煮了壶浓得发苦的咖啡，坐在电脑前。
九点十五分，集合竞价开始。
他的五只股票，三只新能源汽车高开，两只半导体低开——完全符合情绪指数预测。
九点三十分，正式开盘。
新能源汽车板块高开高走，他买入的三只股票，十分钟内分别涨了3%、2.5%、4%。半导体板块低开低走，他买入的两只股票，一只跌了1%，一只横盘。
李代码心脏狂跳。不是因为赚钱——那一万块就算涨10%也才一千块——而是因为预测对了。他的模型，那个用十四天不眠之夜堆出来的代码怪物，第一次实战，就蒙对了。
不对，不是蒙。是基于数据的判断。
他不断刷新情绪指数的实时更新。新能源汽车的情绪分在攀升，从+0.87涨到+1.12。半导体的情绪分在下降，从+0.45跌到+0.21。
十点，他的新能源汽车股票平均涨了5%。半导体股票跌了2%。
十点半，新能源汽车板块开始回调。情绪指数显示，讨论热度在下降，负面词汇开始出现：“获利了结”“冲高回落”“量能不足”。
李代码犹豫了三秒，卖出了两只新能源汽车股票，留了一只最强的。卖出价分别比买入价高4.8%和3.7%。
十一点，他留下的那只新能源汽车股票继续冲高，涨到7%。半导体股票跌到-3%。
中午休市。李代码瘫在椅子上，手心全是汗。账户浮动盈利：+862元。半天，赚了他月薪的五分之一。
更重要的是，他的模型在实时验证中表现良好。情绪指数的变化领先股价波动大约十五分钟——足够他做出反应。
他点了个外卖，但吃不下。大脑在高速运转：要不要加仓？要不要调整参数？下午情绪会怎么走？
他打开爬虫的后台，查看实时抓取的数据流。每分钟新增数千条讨论，关键词云图在滚动，“新能源”“锂电”“涨停”出现频率最高。但在这些热词之下，有一些不起眼的关键词在悄悄增加：“监管”“问询”“减持”。
他点开“减持”相关的讨论，发现集中在几只小盘股上。其中一只是他留的那只新能源汽车股票的供应商。有帖子说，这家供应商的大股东可能减持。
李代码皱眉。这是噪音，还是有效信息？他的模型没有考虑个股层面的利空，只做板块情绪分析。
他快速写了个补充脚本，抓取所有“减持”关键词出现的股票代码，然后交叉比对基本面数据——股东结构、近期公告、历史减持记录。
结果出来了：那家供应商确实有减持可能，但概率不高，而且就算减持，对下游整车厂的影响也有限。
他决定忽略这个信号。
下午一点，开盘。
他留的那只新能源汽车股票，在冲高到8%后开始回落。两点，回落到5%。两点半，回落到3%。
李代码看着它一点点跌回去，像看着潮水退去。他本该在最高点卖出的——情绪指数在十一点半就显示过热了。但他贪心了，想等更高。
最后，他在涨2%时卖掉了。加上上午卖出的两只，今天总盈利：+1423元。年化收益率……他懒得算，反正很高。
半导体股票更惨，一只跌了5%，触发了止损线自动卖出；另一只跌了4%，他手动割了。
收盘后，李代码复盘全天操作。新能源汽车板块整体涨了3.2%，他抓住了一半涨幅。半导体板块跌了2.8%，他吃到了大部分跌幅。
总战绩：盈利1423元，扣除亏损，净利润896元。
不多，但意义重大。这证明他的思路可行——市场情绪可以被量化，并且可以用来指导交易。
他给模型打了第一个勾。
晚上，李代码没有继续写代码。他出门了，去了那家“暴打空头”奶茶店。店里人满为患，他排队二十分钟，买到了一杯“涨停甜度”的柠檬茶。
喝着酸甜的饮料，他观察店里的人。大部分是年轻人，捧着手机看盘后分析，讨论明天买什么。有人兴奋地说“今天赚了十个点”，有人懊恼“又卖飞了”。
李代码听着，突然觉得荒诞。这些人，用真金白银，在玩一个近乎随机的游戏。而他用代码，试图找到这个游戏的规律。
“哥们，今天怎么样？”旁边一个戴眼镜的男生凑过来问。
李代码想了想，说：“还行，小赚。”
“买的啥？”
“新能源。”
“牛逼啊！我买的半导体，套了。”眼镜男叹气，“你说半导体还有戏吗？”
如果是以前，李代码会说“看技术面”“看基本面”或者“我也不知道”。但现在，他有数据。
“情绪面不太好。”他说，“散户讨论里负面词多。”
眼镜男愣了：“情绪面？那是啥？”
李代码不知道怎么解释。难道说“我用爬虫抓了八千条讨论做了情感分析”？
“就是一种感觉。”他含糊道。
眼镜男似懂非懂地点点头，转回去继续看手机。
李代码喝完奶茶，走回家。路上，他打开手机，看到一条推送：“新能源汽车板块今日大涨，机构看好后市。”
他笑了。机构看好？他的爬虫显示，下午两点以后，新能源汽车的情绪分已经从+1.12跌到+0.76。散户在获利了结，机构在唱多接盘。
信息差。这就是信息差。
回到家，李代码没有立刻开始工作。他站在窗前，看着城市的夜景。万家灯火，每一盏灯下，可能都有一个看盘的人，一个研究K线的人，一个渴望从市场里分一杯羹的人。
而他，李代码，一个普通的程序员，刚刚用代码窥见了这个庞大游戏的一角。
他回到电脑前，打开编辑器。今天只是开始，模型还有很多可以优化的地方：情感词典不够完善，时间衰减系数需要调整，板块关联性没有考虑……
他新建了一个文件，命名为：
market_sentiment_v2.0.py
这一次，他要抓取更多数据：微博话题热度、财经新闻情感倾向、甚至股民表情包的使用频率（比如“牛”和“熊”的表情数量比）。
他要建一个更精准的模型。
一个能预测人心，或者至少，能预测人心如何影响股价的模型。
敲下第一行代码时，他想起了那个用《易经》算股票的实习生。实习生用八卦，他用代码。看似天差地别，但本质上都在做同一件事：寻找确定性，在一个不确定的世界里。
不同的只是工具。
而工具，会进化。
凌晨四点，李代码的爬虫再次启动。这一次，它的触角伸向更广阔的网络空间，抓取着亿万人的贪婪、恐惧、希望和绝望。
数据流如瀑布般倾泻在屏幕上。
李代码盯着那些滚动的字符，眼睛发亮。
他知道，这只是开始。
真正的战争，刚刚打响。
而他，有了第一件武器。
一件名为“代码”的武器。
一件试图量化人心的武器。
疯狂吗？
也许。
但在这个疯狂的市场里，疯狂也许是唯一的理性。
窗外，天色又渐渐亮了。
新的一天，新的战斗。
而李代码，已经准备好了。