最近在研究市场的情绪指标（emotional index），所以今天我们来谈【加密货币的恐慌贪婪指数（Fear & Greed Index）】这样一个指标及我对这个指标的一些理解，相信这个数据大部分人应该不陌生。
1、为什么需要衡量恐惧和贪婪
金融交易是一种社会现象，所以具有较强的社会情绪性，在加密货币市场，因为波动巨大，这种情绪化的现象更加明显，我们可以很容易因为一根大阳线而fomo，也会因为一根大阴线而无比悲观而恐慌抛售。那么就诞生了去量化衡量市场情绪的指标：Fear & Greed Index
我们可以根据这个指标来大致衡量一下市场的情绪状况。
2、指标的设计原理
目前来说Fear & Greed Index包含了五个数据源，每个数据源均有权重分配，其分别为：
1）波动率 (30%)
测量BTC当前的波动率和最大值与比特币的跌幅，并将其与过去 30 天和 90 天的相应平均值进行比较。该指标认为波动性的异常上升是市场恐惧的迹象。
在交易市场，下跌是比上涨要快速的，所以当波动率异常上升的时候，代表着市场的大幅调整，而调整很容易产生恐慌和踩踏。
2）市场动能/成交量 (30%)
测量BTC当前的交易量和市场动量（再次与过去 30/90 天的平均值进行比较）并将这两个值放在一起。一般来说，当我们每天在市场中看到大量购买量时，我们得出的结论是市场行为过于贪婪/过于看涨。
其实这跟传统的量价理论思想是相反的，一般来说，量价理论认为上涨必须是量价相符，如果产生量价背离则会有很大的风险。但是从另外一个层面上，这种思路符合一句很简单的话：涨多了就要跌，如果大家都一直在fomo，那离调整就不远了。
3）社交媒体 (18%)
指标主要分析twitter公开的帖子当中有关于加密货币主题标签的帖子，并且检查他们在特定时间范围内的互动速度和数量。不寻常的高互动率证明公众对于加密货币的兴趣日益浓厚，这与贪婪的市场行为相对应。
这个很好理解，有点像BTC以前每次破新高或者大跌都要上一次热搜一样，这种在社交媒体上的关注度可以吸引到更多的人对于加密市场的了解，这就带来了可能的参与度。
4）BTC占有率(12%)
比特币越来越成为加密货币的避风港和风向标，通常认为比特币占有率的上升是由于担心（并因此减少）过于投机的山寨币投资，
另一方面，当比特币的主导地位缩小时，人们通过投资风险更高的山寨币变得更加贪婪，梦想着收获更大的α收益。
当然，你可以反其道而行之，利用其他加密货币的市占率的上升或下降来得出对于该加密货币的贪婪/恐慌行为的一些判据。
当BTC市占率过低的时候，一般有两种方式来提升占有率：吸血上涨和爆跌，大部分情况是通过爆跌来实现的，所以这个指标的引入也是很有意义的。但是要说的一点就是：我认为随着加密货币生态的逐步提升，BTC很大概率再也无法回到它以前的占有率高点了。
5）谷歌搜索指数 (12%)
指标为各种与比特币相关的搜索查询提取谷歌趋势数据并处理这些数字，特别是搜索量的变化以及推荐的其他当前流行的搜索。通过搜索的变化来衡量市场是出于贪婪还是恐慌状态。
这个和社交媒体具有一定的重叠性，社交媒体的指标主要是分析增量情况和热度情况，谷歌指标一方面用来分析热度，另一方面来分析热度是正面的还是负面的。
3、如何去使用这个指标？
首先要明确一点：没有任何一个指标能够简单的预测或者分析这个市场，因为交易市场本质上是混沌状态的。
该指标的数值范围为：0-100，其中：
- 0-24：极度恐惧（橙色）
- 25-49：恐惧（琥珀色/黄色）
- 50-74：贪婪（浅绿色）
- 75-100：极度贪婪（绿色）
从反人性的角度考虑：
1）当指标处于极度恐惧的时候，反而可能是比较好的买点，但是这并不意味着指数进入到【极度恐惧】你就会买到最低点，因为底部大概率是盘整出来的，所以它是一个阶段。
2）当市场处于极度贪婪的时候，一般来说需要做一定的避险操作。也许你会拿BTC突破20000到64000这个区间段来反驳，这个区间该指标曾长期位于75以上，但是价格一直往上涨，但是你也需要看到最后BTC经历了大幅度的调整，虽然FOMO可能带来的最后涨幅是巨大的，但是你无法判断你可以准确的跑在顶部，分批的避险是非常有必要的。
4、我对该指标的看法
- Fear & Greed Index可以作为市场情绪的一个很重要的判断依据
- 当该指标被更多的人去关注的时候，它的共识性会变得更强
- 但是我认为该指标构成当中非理性情绪的分析占有很大的比重（通俗来说就是散户的情绪），而对于理性情绪（比如smart money）的分析是缺乏的。
5、END
最后，再提醒一下：
Fear & Greed Index这个指标只是表征市场情绪的一个思路而已，所以不要无视它，也不要神话它，你可以根据它做一些避险操作，但是不能完全依赖它做交易的准则，更不能用于做合约。
附：
我计划将表征市场情绪的其他指标，比如：--资金费率、--基差、--巨鲸买入卖出等等与这个指标进行一个数据融合分析，看能否找到一个好的权重比和算法来开发一个有参考价值的指标，给自己加油！！