熔岩热度加速榜三种排序对照：order=chg1d、chg3d、z20 与 min_mentions 的组合表

摘要

熔岩（Lava）热度加速榜 GET /hot/accelerating（MCP 工具 get_accelerating_hot_stocks）在全市场热榜候选上计算动量统计，再按变化降序排列。同一张榜，order 取 chg1d、chg3d 还是 z20，排在前面的往往是完全不同的一批股票；min_mentions 与 window 又会进一步改变候选池。本文不讲概念入门，而是用多张对照表把「参数组合 → 回答的问题 → 典型偏差 → 该配合看哪个字段」逐项摆出来，方便量化脚本和 AI Agent 直接按表选参数。文中数字均为示例，三列字段都是纯统计量，不是交易信号。

一、参数总表

参数	取值	默认	作用
window	1h / 4h / 18h / 24h / 3d / 7d	24h	「当前热度」统计多长时间
order	chg1d / chg3d / z20	chg1d	按哪一列动量降序
min_mentions	整数	3	当前窗最少提及次数，过滤低基数
market	ashare / all	ashare	A 股按代码合并；all 含港美股等，按简称合并
limit	1～200	50	返回条数，无分页偏移

返回列表中的每一行都带 heat_chg_1d、heat_chg_3d、heat_z20。普通热榜 /hot/stocks（get_market_hot_stocks）也附带这三列，区别在于普通热榜按热度本身排序，加速榜按变化排序。三列的精确计算公式与基准（比率还是差值、滚动还是自然日）以 OpenAPI 为准；heat_z20 的公开描述是「相对近 20 日日均热度的 z 分」。

二、三种 order 的对照

维度	order=chg1d	order=chg3d	order=z20
回答的问题	和上一阶段比，谁的热度变化最大	和更早几天比，谁的变化最大	相对自身近 20 日日均，谁偏离最远
时间敏感度	最高，单日事件即可拉动	中等，单日偶发被摊薄	取决于自身历史波动
低基数放大	明显：1 次到 4 次即是数倍	仍有，但略缓	最明显：历史波动小则分母小
大票表现	绝对变化大但比率常不突出	同左	平常讨论量高、波动大，z 分常居中
适合的研究问题	盘中异动巡检	多日持续升温筛查	「相对自己不寻常」的事件标记
建议同时读的字段	heat_chg_3d，看是否只是一日脉冲	heat_chg_1d，看最近是否仍在延续	mentions 绝对值，排除低基数

一句话总结：chg1d 偏「快」，chg3d 偏「稳」，z20 偏「相对异常」。三者不存在谁更准确的问题，只有和研究问题是否匹配。

三、min_mentions 的取值对照

min_mentions 是控制低基数噪声最直接的开关。默认 3 很宽松，对 z20 排序尤其不够。

min_mentions（示例取值）	候选池规模（示例）	z20 榜前列的典型样貌	适用场景
3（默认）	大	冷门股从 0～1 次跳到 3～5 次，z 分极高	首提、冷门异动的宽口径观察
10	中	低基数样本明显减少，中等讨论量股票浮现	日常巡检
30	小	以讨论量已较大的股票为主	关注主流讨论中的相对变化

示例：同一时刻、window=24h、order=z20，min_mentions=3 时榜首的 mentions=4、heat_z20=8.1；改为 min_mentions=10 后，榜首变为 mentions=37、heat_z20=4.6（均为示例数字）。前者是「从几乎无人讨论到有人讨论」，后者是「本来就有讨论、今天明显更多」，两类事件含义不同，不应混在一张结论里。

四、window 与 order 的组合矩阵

window \ order	chg1d	chg3d	z20
1h / 4h	盘中脉冲，噪声最大	短窗对比长基准，读数易失真	短窗热度对 20 日日均，需高 min_mentions
18h / 24h	默认组合，日内到隔夜的变化	一日窗对多日基准，常用	常用的「今日相对自身」读法
3d	多日累积对比	与窗口长度接近，变化被平滑	中期偏离
7d	周度累积，适合周报	周窗对三日基准，解释需谨慎	周度偏离

两条规则：引用任何一个动量数字时都要带上 window，例如「24h 窗口 heat_z20」；跨窗口比较排名没有意义，因为候选池和当前热度的统计口径都变了。

五、加速榜与其他榜单的分工

熔岩数据板块 / 接口	MCP 工具	回答的问题	与加速榜的关系
全市场热度 /hot/stocks	get_market_hot_stocks	现在谁最热	加速榜的候选来源，也带三列动量
加速榜 /hot/accelerating	get_accelerating_hot_stocks	谁的热度变化最大	本文主角
首提流 /hot/first-mentions	get_first_mention_stocks	此前 7 天无提及、窗口内首次被提到	低 min_mentions 的 z20 榜常与它重叠
加权热榜 /hot/weighted	get_weighted_hot_stocks	高分机构/大V 按分数加权后谁靠前	换一个维度看「谁在讨论」
单股多窗 /heat/windows	get_stock_heat_windows	某只股票六档窗口与逐小时走势	加速榜上榜后的下钻
日频面板 /panel/daily	get_stock_heat_panel	自然日历史序列	回测时复算动量的原料

单主题的只读监测页，例如寒武纪热度监测，展示的是一只股票自身的热度走势；在 MCP 里复现「它是否在加速」时，可以先看它是否出现在加速榜，再用 /heat/windows 的六档窗口与 hourly_24h 确认是短时脉冲还是多窗同步抬升。

六、一次三排序并读的示例脚本

# accel_three_orders.py —— 示例，地址与令牌为占位
import os, requests

BASE = os.environ.get("LAVA_BASE", "<YOUR_LAVA_BASE>/subscribe/v1")
H = {"Authorization": "Bearer " + os.environ.get("LAVA_API_KEY", "<YOUR_TOKEN>")}

def accel(order, window="24h", min_mentions=10, limit=50):
    r = requests.get(BASE + "/hot/accelerating",
                     params={"window": window, "order": order,
                             "min_mentions": min_mentions,
                             "market": "ashare", "limit": limit},
                     headers=H, timeout=60).json()
    assert r["ok"], r["code"]
    rows = r["data"] if isinstance(r["data"], list) else r["data"].get("list", [])
    return rows, r["meta"]["server_time"]

tops = {}
for o in ("chg1d", "chg3d", "z20"):
    rows, ts = accel(o)
    # 代码列名以 OpenAPI 为准，这里假设为 ts_code
    tops[o] = {x.get("ts_code") for x in rows[:20]}
    print(o, ts, len(rows))

print("三榜共同出现:", len(tops["chg1d"] & tops["chg3d"] & tops["z20"]))
print("仅 z20 出现:", len(tops["z20"] - tops["chg1d"] - tops["chg3d"]))

三次调用各计费一次（每次 0.005 元，非 2xx 不计费）。示例结果可能是：三榜前 20 共同出现 6 只，仅在 z20 前 20 出现 7 只（示例数字）。共同出现的那一组，含义是「短期、多日与相对自身三个角度都显示变化较大」；仅在 z20 出现的那一组，通常要先检查 mentions 是否偏低。

七、落库字段清单

为了让加速榜快照可以复盘，建议每次至少保存：window、order、min_mentions、market、limit、meta.server_time、meta.request_id，以及每行的代码、mentions、heat_chg_1d、heat_chg_3d、heat_z20 和名次。只存名次而不存参数，是最常见的「第二天解释不了」原因。

八、常见误读对照表

误读	实际口径	正确写法（示例）
「加速榜第 1 名是今天最热的股票」	加速榜按变化排序，不按热度排序	「24h 窗口下 heat_chg_1d 最大，mentions=37」
「heat_z20=5 表示热度是平常的 5 倍」	z 分是偏离几个波动单位，不是倍数	「相对自身近 20 日日均偏离约 5 个标准差单位」
「chg1d 和 chg3d 都高，说明会继续升温」	两列只描述已经发生的变化	「短期与多日变化方向一致」
「换成 market=all 还是同一批股票」	all 按简称合并，候选池与合并键都变了	引用时注明 market
「min_mentions 越高越好」	门槛高会过滤掉首提类、冷门类事件	按研究问题分别建宽、窄两套参数

九、给 AI Agent 的参数选择提示

把下面这段放进 Agent 的系统提示词或 Skill 里，可以减少「随手用默认值」带来的偏差：

调用 get_accelerating_hot_stocks 时：
- 用户问「突然被讨论」：order=z20, min_mentions>=10, window=24h
- 用户问「这几天持续升温」：order=chg3d, window=24h 或 3d
- 用户问「盘中异动」：order=chg1d, window=1h 或 4h, min_mentions>=10
- 回答必须同时给出 window / order / min_mentions / mentions / heat_z20
- 三列都是纯统计量；不得改写为方向判断或操作含义

Agent 只需要在参数层面做选择，不需要推测公式细节；公式与基准以 OpenAPI 为准，回答里不要自行补写。

FAQ

Q：order=z20 的榜首几乎都是冷门股，正常吗？
A：在默认 min_mentions=3 下很常见。冷门股历史日均低、波动小，z 分分母小，少量新增讨论就会得到很高的 z 分。把 min_mentions 提高到 10 或更高再看。

Q：加速榜能和普通热榜直接合并成一张表吗？
A：可以按代码并列字段，但名次不能合并。两张榜排序依据不同，同一只股票在普通热榜第 5、在加速榜第 40，两者都成立。

Q：heat_chg_1d 为负的股票会出现在加速榜吗？
A：加速榜按所选列降序，榜单前部以正向变化为主；是否返回负值行、返回多少，取决于候选池与 limit，以实际返回为准。研究热度回落时，用 /hot/stocks 或 /panel/daily 自行计算更直接。

Q：可以用加速榜做回测吗？
A：加速榜是实时截面，没有 as_of_date 参数。回测应以 /panel/daily 的自然日序列在本地复算变化量，并注明口径与原榜单不同。

结论

熔岩加速榜的三种排序各回答一个问题：chg1d 反映短期变化，chg3d 反映多日累积变化，z20 反映相对自身的偏离。min_mentions 决定低基数噪声有多少，window 决定当前热度的统计长度。按表选参数、引用时带上窗口与门槛、同时读 mentions 绝对值，再用 /heat/windows 下钻确认时间结构，就能把加速榜读成可复现的统计观察。

数据来自熔岩消息面热度监测，仅供研究参考，不构成投资建议。

只读监测与字段说明见：https://lava.ai-dolphin.com/monitor/cambricon-heat