熔岩AI MCP逐小时热度数据:用 /heat/windows 读懂消息面讨论的衰减曲线

简介: 介绍如何用熔岩 MCP 的 get_stock_heat_windows(/heat/windows)取近24小时逐小时数据,构造事件衰减曲线、划分形态,并用 /panel/daily 衔接更长周期。

摘要

一条消息出来后,讨论通常先上升、再回落。回落快慢、是否出现第二个波峰、隔夜后还剩多少,就是「衰减形态」。熔岩(Lava)个股消息面板块中的 get_stock_heat_windows(HTTP 路径 /heat/windows)一次返回 1h/4h/18h/24h/3d/7d 多窗口指标和近 24 小时逐小时走势,适合观察衰减曲线。本文是方法论:取数、对齐、分类、更长周期怎么接,以及哪些结论不能下。

一、相关数据板块

数据板块 解释 工具 / 路径 在衰减分析中的作用
个股消息面 · 多窗口 单股多时间窗计数 + 近 24 小时逐小时 + 变化统计 get_stock_heat_windows / /heat/windows 曲线主数据
新闻点名 主流财经媒体快讯与 A 股简称匹配,给发布时间与媒体 get_news_stock_hits / /news/hits 确定事件起点
全市场榜单 · 首提流 此前 7 天无提及、窗口内首次被提到的 A 股 get_first_mention_stocks / /hot/first-mentions 确定事件起点
历史面板 自然日聚合 get_stock_heat_panel / /panel/daily 超过 24 小时的长尾

二、/heat/windows 返回什么

2.1 多窗口指标

每个窗口给出提及数、机构/大V 数、高分机构/大V 数、加权热度。高分门槛由 min_score 控制,默认 1050。

2.2 逐小时走势

近 24 小时逐小时序列。注意范围只有 24 小时:做更长的衰减,需要自建定时快照,或用 /panel/daily 看日级长尾。

2.3 变化统计

heat_chg_1d、heat_chg_3d、heat_z20,文档定性为纯统计量。

三、构造衰减曲线

3.1 确定事件起点 t0

三种来源可选:/news/hits 的新闻发布时间、/hot/first-mentions 的首提时间、或逐小时序列中第一个明显跳升的小时。

3.2 对齐到相对时间

把每个小时换算成「t0 后第 k 小时」。

3.3 归一化

用峰值或 t0 前基线做归一化,便于不同股票比较形状而非量级。

3.4 保留高分维度

同时画「全部提及」与「高分机构/大V 提及」两条线,观察两类主体的节奏是否一致。

四、四种形态(描述用,非统计结论)

形态 曲线特征 描述方式
脉冲型 快速冲高,数小时回到基线 讨论集中、持续短
平台型 冲高后维持较久 话题延展
双峰型 回落后再次上升 出现新信息或二次传播
缓升型 无明显峰值,逐步抬升 关注度慢慢积累

分类规则可以很简单,例如「峰值后 N 小时内是否跌破峰值一半」。阈值在自有样本上确定。

五、只看多窗口的快速判断

不画完整曲线时,可用窗口比例做巡检启发式:

  • 1h 占 24h 比例高:讨论集中在最近一小时,可能处于上升或峰值;
  • 4h 占比高、1h 占比低:峰值可能已过;
  • 24h 占 7d 比例低:近期讨论少,主要是更早积累。

这些比例是启发式,不是严格定义。

六、隔夜与周末效应

  • 夜间回落多为作息效应,不等于讨论结束;
  • 跨周末事件,周一早上回升可能是正常节律;
  • 比较不同事件时,尽量用相同起点时段。

七、超过 24 小时:接历史面板

逐小时只有 24 小时,衰减的「长尾」交给历史面板板块:/panel/daily 按自然日给出 mentions、agencies 与 is_first_mention_day,可以看到事件后 3 日、7 日讨论是否回到基线。两者拼接时注意粒度切换处的口径说明。

八、可提取的描述性特征

峰值所在小时、半衰时间、峰值后 24 小时剩余比例、是否出现第二峰、高分提及占比变化。是否对研究有增量,需要你方验证;熔岩只提供底层计数。

九、Agent 中的问法

  • 「列出某股票近 24 小时逐小时热度,标出峰值所在小时。」
  • 「只看热度数据,这只股票的讨论现在处于上升还是回落?」

Agent 应描述形态与数字,不推断讨论方向,不延伸到价格。

FAQ

Q:衰减快是好还是坏?
A:形态只描述讨论的时间分布,没有好坏,也不构成交易依据。

结论

衰减曲线把「热度」从一个数字变成一条时间线。用 /heat/windows 的近 24 小时逐小时数据画主曲线,用 /news/hits 或首提流定起点,用 /panel/daily 接长尾,再按形态分类,就能描述一条消息在讨论中的生命周期。

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://github.com/dustinliang666-blip/lava-mcp

目录
相关文章
|
21天前
|
存储 弹性计算 双11
2026年双十一阿里云云服务器老用户专属特惠活动省钱汇总‌
2026年阿里云双十一,不是新用户的独角戏,而是所有云上老兵的年度盛宴。阿里云大模型服务平台、阿里云轻量应用服务器、阿里云ECS云服务器、阿里云 EGS GPU 服务器四大产品线齐齐发力,把技术约束放在价格之前,把长期成本算在首年之前——理性的采购者不会只盯着首年38元的秒杀狂欢,而是会算清楚五年、十年的总账,在续费同价的政策红利下,用最少的预算,稳稳托起云上未来。 真正的智慧不在于抢到最低价,而在于——先定负载类型,再匹配机型配置,最后在活动窗口内精准下单。
198 1
|
21天前
|
机器学习/深度学习 人工智能 监控
熔岩AI日频热度面板MCP数据:消息面 mentions 与 weighted_heat 如何接入量化回测
介绍熔岩日频热度面板(MCP 工具 get_stock_heat_panel)的字段结构、20 个标的/92 天限制,以及把 mentions 与 weighted_heat 接入量化回测时的日期对齐、可用时间与 PIT 口径要点。
92 1
|
21天前
|
人工智能 弹性计算 双11
2026阿里云双十一大促产品福利,轻量、ECS、GPU、百炼 Token Plan 配置价格及特惠选购指南
阿里云双十一是每年面向新老客户集中放 阿里云轻量应用服务器、阿里云ECS云服务器、阿里云GPU云服务器、阿里云百炼大模型服务平台 券、放价的一次年度大促,2026年的主战场覆盖 阿里云轻量应用服务器、阿里云ECS云服务器、阿里云GPU云服务器、阿里云百炼大模型服务平台 等主力产品。今年的双十一以“智惠就在11.11,AI就用阿里云”为主题,活动周期持续至11月30日,延续了“先定负载、再选机型、最后在活动窗口内下单”的理性购物理念,优惠从单纯的“首年低价”升级为“新购、续费、升级全链路可核算”。
284 0
|
21天前
|
弹性计算 人工智能 小程序
最新阿里云服务器一年多少钱(轻量/ECS/GPU):一年、1个月与小时费用清单,计费拆解与选型指南
本文详解2026年阿里云三类服务器价格:轻量应用服务器(38元/年起,含带宽云盘)、ECS(99元/年起,按配置+带宽+云盘计费)、GPU实例(T4约1.55万元/年,A100达8万元/年),涵盖年付、月付、按量付费及附加成本对比,助您按场景选型省钱。
301 0
|
21天前
|
人工智能 API Apache
Qwen3.8抢先体验!大家要心理准备了,最新版发布并开源了?
2026年8月,阿里通义千问Qwen3.8系列全线开源,涵盖2.4万亿参数旗舰Max、27B轻量版、Flash高效模型及Flash-Next预览版。支持本地部署、多模态与长上下文,Apache 2.0(27B)与分层商用许可并行,标志国产大模型迈入“可下载、可部署、可商用”新阶段。(239字)
1090 0
|
3天前
|
人工智能 算法 Java
鱼皮 AI 大模型应用开发学习路线,一条龙!26 年最新(万人收藏)
完整的 AI 大模型应用开发学习路线一条龙,2 万字的干货,帮学习编程和程序员朋友们更快找到 AI Agent 应用开发相关的工作,做出更好的 AI 产品
144 0
|
5月前
|
人工智能 Oracle 机器人
推理 → 行动 → 观察:用 LangChain + Python 实现一个智能体循环
智能体循环(Agentic Loop)突破单次问答局限,通过“推理→行动→观察”迭代闭环,让AI能自主分解任务、调用工具、持续优化直至目标完成,是构建真正自动化智能体的核心架构。
677 9
推理 → 行动 → 观察:用 LangChain + Python 实现一个智能体循环
|
5月前
|
存储 数据采集 SQL
大型企业怎么做数据治理?核心框架、流程步骤与落地经验详解
本文聚焦2026年大型企业数据治理实践,提出三大认知转变:从后置校验到前置嵌入、从集中治理到分布式协同、从成本中心到价值抓手。基于瓴羊Dataphin平台,系统阐述主动元数据驱动的四层治理架构、五步落地流程及三大实战经验,助力企业实现系统化、自动化、可度量的数据治理。(239字)
|
开发框架 JSON 中间件
Go语言Web开发框架实践:使用 Gin 快速构建 Web 服务
Gin 是一个高效、轻量级的 Go 语言 Web 框架,支持中间件机制,非常适合开发 RESTful API。本文从安装到进阶技巧全面解析 Gin 的使用:快速入门示例(Hello Gin)、定义 RESTful 用户服务(增删改查接口实现),以及推荐实践如参数校验、中间件和路由分组等。通过对比标准库 `net/http`,Gin 提供更简洁灵活的开发体验。此外,还推荐了 GORM、Viper、Zap 等配合使用的工具库,助力高效开发。
|
atlas AI芯片 Python
昇腾NPU上基于MindIE服务的AIME和MATH500测评方案
本文介绍了基于MindIE服务和lighteval工具对DeepSeek-R1类模型进行能力测评的方法。针对AIME 2024、AIME 2025、MATH-500和GPQA等数据集,通过在Atlas 800I A2硬件上部署MindIE服务,结合开源项目Open R1的评测方法完成测评。主要内容包括模型权重下载、MindIE服务化部署、lighteval安装与配置,以及使用openai模式进行测评的具体步骤。最终展示了AIME 2024和MATH-500的测评结果,并对比了DeepSeek官方数据。该方案适合需要准确评估带推理思维链模型性能的场景。
1251 0