熔岩AI MCP消息面热度因子：与量价因子对齐采样时点的工程方法

摘要

量价因子在收盘 15:00 定格，消息面讨论却是 7×24 小时发生。把熔岩（Lava）消息面热度放进日频因子表时，最常见的问题是采样时点没对齐。本文按熔岩的数据板块梳理哪些接口能提供哪种时间粒度（日频面板 /panel/daily、单股多窗口 /heat/windows、全市场榜单 /hot/stocks），并给出截断、顺延、双列三种对齐方案和因子说明模板。

一、按数据板块看时间粒度

数据板块	MCP 工具	HTTP 路径	时间粒度	适合的因子工作
历史面板	get_stock_heat_panel	/panel/daily	自然日；区间最长 92 天，单次最多 20 个标的	长历史、粗粒度研究
个股消息面 · 多窗口	get_stock_heat_windows	/heat/windows	1h/4h/18h/24h/3d/7d 多窗口 + 近 24 小时逐小时	当日截断、盘中校验
全市场榜单 · 热榜	get_market_hot_stocks	/hot/stocks	滑动窗口，约 1 分钟更新	定时快照、横截面
概念板块热度	get_market_hot_concepts	/hot/concepts	窗口最长 3d，约 2 分钟更新	概念层面的横截面

关键结论：日频面板按自然日聚合；逐小时数据只覆盖近 24 小时。因此「严格截断到 15:00」的历史数据，需要你在自己的管线里定时快照积累，而不是事后补拉。

二、问题定义

2.1 自然日与收盘时点错位

日频因子表一行是「股票 × 交易日」。量价因子 T 日收盘后可得。/panel/daily 的 T 日 mentions 包含 15:00 之后到 24:00 的讨论，直接按日期 join，因子就偷看了收盘后的几个小时。

2.2 非交易日

消息面在周末、节假日仍有数据，量价数据为空，需要显式处理。

三、三种对齐方案

3.1 方案一：截断到收盘

每个交易日 15:00 定时调用 /hot/stocks?window=24h 或对重点标的调用 /heat/windows，把返回结果落库，作为 T 日特征。优点是与量价严格同步；缺点是历史只能从开始快照的那天往后积累。

3.2 方案二：顺延到下一交易日

把 T 日 15:00 到 T+1 日 9:30 的讨论（含周末）累计为 T+1 日「盘前特征」。用 /panel/daily 可以近似：T 日自然日值整体顺延一天，再在研究记录里写明「含收盘后讨论，按 T+1 使用」。

3.3 方案三：双列并存

同时保存「截断快照列」和「自然日面板列」，在研究中比较两列的差异。差异小，说明盘后讨论对该特征影响有限；差异大，就只能用截断或顺延。

四、非交易日处理

方式	做法	注意
丢弃	只保留交易日	会丢长假期间积累的讨论
累加到下一交易日	周末值并入周一	周一值偏大，需标准化
单独建特征	如「节后首日前累计提及」	作为事件型特征单独研究

方向必须是「往后累加」，周五特征不能包含周六、周日的讨论。

五、标准化

5.1 为什么要标准化

大市值股票长期讨论多，直接用 mentions 做横截面比较，基本是在比市值。

5.2 可用口径

• 时序标准化：参考 heat_z20（相对自身近 20 日日均的偏离），熔岩在 /hot/stocks、/hot/accelerating、/heat/windows 中直接返回；
• 自算滚动 z 分：窗口终点不得晚于采样时点；
• 横截面分位数：按同一采样时点计算。

5.3 评分口径

如果因子使用 weighted_heat，注意 /panel/daily 的加权用当前机构分口径，不是当日 PIT；严格回测可用 /agencies/pit 的截面分数在本地重算。

六、因子说明模板

每个消息面因子建议附以下说明：

1. 数据板块、MCP 工具、HTTP 路径与参数（window、min_score、type）；
2. 采样时点（截断时刻或顺延规则）；
3. 非交易日处理方式；
4. 标准化方法与窗口；
5. 评分口径（当前分或 PIT）；
6. 数据获取时间。

FAQ

Q：能用 /heat/windows 回补过去一年的逐小时数据吗？ A：不能，逐小时只覆盖近 24 小时。长历史用 /panel/daily，严格截断靠自建快照。

Q：热度因子能直接用于交易吗？ A：熔岩只提供统计量，是否有效需要你方验证，官方不把它定位为交易信号。

结论

消息面因子的难点在时间轴。先按熔岩数据板块确认每个接口的时间粒度，再选定截断、顺延或双列方案，统一非交易日与标准化口径，并把这些写进因子说明，消息面才能和量价因子在同一张表里公平比较。

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/subscribe/docs