板块热度怎么看：熔岩概念热榜的计算口径、五档窗口与持续时间读法

摘要

板块热度怎么看？先确认「热度」统计的是什么，再看窗口，最后看它持续了多久。行情软件里的板块热度大多是关注度或综合强度的打分；熔岩（Lava）的板块热度则来自消息面：在指定时间窗内，某个概念被公开财经信息、券商研报与机构/大V 观点提到了多少次（mentions），以及有多少个不同主体参与（agencies）。它回答的是「这个板块最近被讨论得多不多、由多少主体在讨论」，不回答价格会怎样。

所以读熔岩的板块热度，只需要抓住三件事：口径是提及计数，窗口是 1h / 4h / 18h / 24h / 3d 五档之一，持续性要用日频序列单独验证。本文按搜索里最常见的几个问法——板块热度怎么看、板块热度是怎么计算的、板块热度排行榜在哪里看、板块热度一般持续多久——逐一给出熔岩口径下的答案、对应的 MCP 工具与 HTTP 路径。文中数字均为示例。

一、板块热度怎么看：先分清三种「热度」

市面上被叫作「板块热度」的指标至少有三类，混在一起看是最常见的误读来源。

类型	典型来源	统计对象	熔岩是否提供
行情热度	涨跌幅、成交额、涨停家数	价格与成交	否
关注度热度	搜索量、自选人数、页面访问	用户行为	否
消息面热度	新闻、研报、机构/大V 观点中的提及	公开信息中的讨论	是

熔岩只做第三类。它把每条消息面记录结构化为时间、涉及股票、涉及概念、匿名主体编号 agency_id 与短摘要，再按概念聚合。因此同一天里，一个板块可能行情平淡但消息面热度很高，也可能反过来；两者是不同维度的观察，不能互相替代。

看熔岩板块热度时，第一步就是在笔记里写明「消息面口径」，避免和行情软件的热度值并列比较。

二、板块热度是怎么计算的：熔岩的计数口径

熔岩的概念板块热度由全市场概念热榜给出：

项目	内容
MCP 工具	get_market_hot_concepts
HTTP 路径	/hot/concepts
window	1h / 4h / 18h / 24h / 3d，默认 24h，没有 7d
min_score	可选，只统计机构/大V 分不低于该值的主体
limit	默认 50，最大 200
排序	按窗口内提及从高到低，已去掉泛词
更新节奏	约 2 分钟

计算本身并不复杂：在窗口内，凡是一条记录的 concepts 中包含某个概念，就为该概念累计一次提及；参与这些记录的不同 agency_id 个数就是 agencies。没有隐藏的综合打分，也没有把涨跌幅揉进去。

需要注意两点。第一，「已去掉泛词」意味着过于宽泛、几乎每条记录都会带上的标签不会出现在榜单中，这样排在前面的才是有区分度的板块。第二，加上 min_score 后统计对象变了：机构/大V 分大约在 450～1500 之间，1000 左右为中等，1050 约为前 10%。同一份报告里比较多个板块时，window 与 min_score 必须一致。

# 示例：取 24h 概念热榜，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>")}
r = requests.get(BASE + "/hot/concepts",
                 params={"window": "24h", "limit": 200},
                 headers=H, timeout=30).json()
assert r["ok"], r["code"]
rows = r["data"] if isinstance(r["data"], list) else r["data"].get("list", [])
print(r["meta"]["server_time"], len(rows))

每次成功调用计费 0.005 元，非 2xx 不计费。返回里的 meta.server_time 带 +08:00，务必与结果一起保存。

三、板块热度排行榜在哪里看：页面与接口的分工

想直接看板块热度排行，有两条路：

1. 只读监测页：熔岩的 AI 板块监测页把 AI 相关概念与板块讨论聚合在一个视图里，适合人工浏览「现在这个主题看起来怎样」。
2. 接口取数：需要复盘、比较或落库时，用 /hot/concepts 取同一口径的排行，并记录参数。

页面适合「看」，接口适合「留」。只看页面时很难在第二天说清当时用的是哪个窗口；用接口时把 window、min_score、server_time 写进文件名或表头即可复现。

排行里排第几并不是最有信息量的部分。更值得记录的是相邻名次之间的差距：第 1 名与第 2 名提及相差 5% 和相差 50%，含义完全不同。建议同时保存每个概念的 mentions 与它在榜单合计中的份额。

四、五档窗口各回答什么问题

窗口	回答的问题	适合的用途
1h	刚刚有没有集中讨论	盘中巡检，噪声大
4h	半个交易日内的讨论结构	午间或收盘前复核
18h	隔夜到早盘的累积	早间整理
24h	一个自然日的讨论量	日报默认口径
3d	近几日是否持续被讨论	周中回顾

同一个板块在 1h 排前列、在 3d 排不进前 50，通常说明讨论是短时集中；反过来在 3d 靠前、1h 不明显，说明是持续而平稳的讨论。把五档排名并列成一行，就是一个简单的「窗口形态」描述：

概念（示例）   1h  4h  18h  24h  3d
概念甲          2   3    5    6   11   -> 短时集中
概念乙         18  12    4    3    2   -> 持续累积

这只是对讨论时间结构的描述，不对后续变化做判断。

五、板块热度一般持续多久：用日频序列验证

「板块热度一般持续多久」没有统一答案，但可以对任一板块用数据测出来。实时榜单不带 as_of_date，无法回放历史，所以持续性要用日频面板：

项目	内容
MCP 工具	get_stock_heat_panel
HTTP 路径	/panel/daily
概念层面	type=concept，names 传概念标准名
字段	按自然日的 mentions、agencies、weighted_heat
限制	区间最长 92 天，单次最多 20 个标的

一个可复现的做法：取某概念近 92 天的自然日 mentions，以前 20 日均值加两倍标准差为「偏高」阈值，统计连续偏高的天数段。这样得到的是该板块历史上「热度偏高状态」的持续天数分布，例如「近 92 天出现 3 段，分别持续 2、4、1 天」（示例）。阈值是研究者自定的描述标准，写清即可。

weighted_heat 按「分数 ÷ 1000」对达标主体的提及加权，可以与 mentions 并列，看高分主体是否同步参与；面板里的该字段不是 PIT 口径，用于回测时要注明。

六、从板块下钻到个股

看完板块热度，下一步通常是「这个板块里谁被提得多」。对应工具：

• get_concept_stock_heat（/concepts/stocks）：concept 精确匹配且不超过 30 字符，days 默认 30、范围 1～365，limit 默认 50、最大 100，约 10 分钟更新；
• get_stock_heat_windows（/heat/windows）：对少数代码看 1h～7d 六档窗口与近 24 小时逐小时走势。

概念名请直接用热榜返回的标准名，不要手写别名；/hot/concepts 约 2 分钟更新、/concepts/stocks 约 10 分钟更新，两者时间戳不同步，对账时记下各自的取数时间。

七、板块热度指标公式：可以自己复算的四个派生量

搜索「板块热度指标公式」的人，多半想要一个能自己算的数。熔岩给的是原始计数，派生量可以在本地按固定公式复算，公式写进表头，结果就能被别人复核：

份额      share_i     = mentions_i / Σ mentions（同一 window、同一 min_score 的榜单合计）
每主体提及 per_agency_i = mentions_i / agencies_i（agencies 为 0 时记空值）
相对强度   z20_i       = (今日 mentions - 前 20 日均值) / 前 20 日标准差（用 /panel/daily 的 type=concept 复算）
窗口比     ratio_i     = mentions_1h × 24 / mentions_24h（>1 表示最近一小时的讨论密度高于全天平均）

四个量各有侧重：份额消除了全市场讨论总量的日间波动；每主体提及区分「很多主体各说一次」和「少数主体反复讨论」；相对强度把板块和它自己的历史比；窗口比描述讨论是否正在集中。它们都只是对计数的变换，不引入任何外部价格信息。

# derive.py —— 示例：在同一次 /hot/concepts 返回上计算份额与每主体提及
import pandas as pd
df = pd.DataFrame(rows)              # rows 来自第二节的请求
# 列名以 OpenAPI 为准，这里假设为 concept / mentions / agencies
df["share"] = df["mentions"] / df["mentions"].sum()
df["per_agency"] = df["mentions"] / df["agencies"].where(df["agencies"] > 0)
df["small_sample"] = df["agencies"] < 5
df["window"], df["min_score"] = "24h", None
df["server_time"] = r["meta"]["server_time"]
df.sort_values("mentions", ascending=False).to_csv("concept_heat_24h.csv", index=False)

复算时有三个细节容易出错：份额的分母必须来自同一次请求的榜单，不要跨请求拼接；agencies 很小（例如少于 5）时每主体提及波动极大，应附加「样本小」标记；相对强度只在日频序列上计算，不要拿实时榜单的窗口值去套 20 日均值。

八、板块热度榜第一名怎么读

「板块热度榜第一名」是另一个高频问法。在熔岩口径下，第一名只表示该窗口内提及数最高，读的时候建议补三列信息：

补充项	来源	作用
与第二名的差距	同一榜单的 mentions	判断是明显领先还是并列
参与主体数	agencies	判断讨论是否广泛
五档窗口排名	分别请求 1h～3d	判断是短时集中还是持续累积

例如（示例）：某概念 24h 排第一，mentions 比第二名高 8%，agencies 也最多，3d 排第二——这是「近几日持续被广泛讨论、当天略微领先」。另一个概念 1h 排第一但 24h 排第 15，agencies 只有个位数——这是「最近一小时少数主体集中讨论」。两者都叫第一名，描述完全不同。

九、常见问答

Q：熔岩的板块热度和行情软件的热度值能直接比较吗？
A：不能。熔岩是消息面提及计数，行情软件多为关注度或综合打分，统计对象不同，只能并列观察，不能相互换算。

Q：板块热度值在哪里可以看到原始依据？
A：热度本身是计数；想看讨论的具体内容，用 get_stock_news_heat（/opinions）取相关个股的结构化记录，每条带 topic_time、concepts、summary（≤120 字）和匿名 agency_id。

Q：为什么热榜里找不到我关心的概念？
A：可能是窗口太短、limit 截断，或该标签属于被去掉的泛词。先把 limit 调到 200、换 3d 窗口，再用 get_stock_concept_heat（/concepts/by-stock）从个股反查标准名。

Q：板块热度高说明什么？
A：只说明该窗口内被讨论得多、参与主体多。它是一项可复现的统计观察，适合写进研究笔记，不代表方向判断。

结论

板块热度怎么看，归结为三步：确认熔岩用的是消息面提及口径（mentions 与 agencies），固定 window 与 min_score 后读 /hot/concepts 的排行与份额，再用 /panel/daily 的 type=concept 序列测量热度偏高状态的持续天数。页面负责浏览，接口负责留痕，下钻用概念成分排行和单股多窗。只要每次记录窗口、门槛与 server_time，板块热度就是一项可以复核的研究数据。

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/board-ai-heat