熔岩加权热榜 as_of_date 与 15:00 截稿:给回测用的 PIT 口径

简介: 熔岩(Lava)加权热榜 `GET /hot/weighted`(MCP 工具 `get_weighted_hot_stocks`)把达标机构/大V 的每次提及按「分数 ÷ 1000」累加,得到 `weighted_heat`。它和全市场原始热榜不同:默认只看 `min_score=1050`(约前 10%)的主体,并且在传入 `as_of_date` 时采用 PIT(point-in-time)口径——分数只用当时已知数据,消息算到该日 15:00(Asia/Shanghai)。本文把计算公式、截稿规则,以及它和日频面板当前分口径、`/agencies/pit` 截面的差别写清楚。这一口径只

摘要

熔岩(Lava)加权热榜 GET /hot/weighted(MCP 工具 get_weighted_hot_stocks)把达标机构/大V 的每次提及按「分数 ÷ 1000」累加,得到 weighted_heat。它和全市场原始热榜不同:默认只看 min_score=1050(约前 10%)的主体,并且在传入 as_of_date 时采用 PIT(point-in-time)口径——分数只用当时已知数据,消息算到该日 15:00(Asia/Shanghai)。本文把计算公式、截稿规则,以及它和日频面板当前分口径、/agencies/pit 截面的差别写清楚。这一口径只供回测与研究复现,不是交易信号。

weighted_heat 怎样加总

按公开文档:对机构/大V 分达到门槛的每一次提及,将 agency_score / 1000 加总,得到该股票的 weighted_heat。分数大约在 450~1500,1000 左右为中等;默认门槛 1050,文档称约为前 10%。参数 min_score 可调,传入 0 表示不设门槛。返回里还会带参与的 agency_id,最多 20 个,一律匿名。

时间长度不走 window 枚举,而走整数 days:默认 3,范围 1~30。排序参数 order 默认为 weighted(按加权热度),也可以是 count(提及次数)或 score(最高机构/大V 分)。market 与个股热榜相同:默认 ashare(按代码合并),all 含港美股等(按简称合并)。limit 默认 50、最大 200。

把这些参数看成加权热榜的「镜头设置」。改 min_score 或 days 之后,同一天的名单和 weighted_heat 都会变,历史库必须把参数一起存下来,否则无法复现。

as_of_date 与 15:00 截稿切的是什么

情形 分数口径 消息统计到何时 典型用途
不传 as_of_date 文档写明分数用 PIT 面板,只用当时已知数据 默认最新面板日,消息算到现在 看当前加权热榜
传入 as_of_date 同样是 PIT,不偷看该日之后才形成的分数 消息只算到当天 15:00(Asia/Shanghai) 回测、日终截面、复现实验
日频面板 /panel/daily 的 weighted_heat 当前机构分口径,不是当日 PIT 按自然日聚合,区间最长 92 天、单次最多 20 个标的 描述性导出;严格 PIT 回测不可直接当历史加权

三件容易混的事:

  1. 截稿只在给出 as_of_date 时生效。 不传日期时,消息算到现在,不是自动切在当天 15:00。若要日终可复现的截面,必须显式传日期。
  2. PIT 防的是「用后来的高分去加权从前的提及」。 某主体今天的分数高,不代表三个月前它已经是同一条分数线以上的主体。as_of_date 要求只用该日已知的分数。
  3. 15:00 是消息截止,不是分数发布时刻。 机构评分自己的历史截面在 /agencies/pit,发布日列表在 /agencies/dates。两个日期体系都要记录,不要默认它们同一天同一时刻更新。

示例:若研究日记为 2026-11-11(示例日期),调用 get_weighted_hot_stocks(as_of_date="2026-11-11", days=3, min_score=1050, market="ashare"),则提及窗口落在该日 15:00 之前的回看 3 天内,权重来自当时 PIT 分数。同一只股票若改从 /panel/daily 取 weighted_heat,用的是当前机构分重新加权,数值不必相等,这是口径差别。

和实时面板、机构 PIT 截面怎么对照

加权热榜回答「在这个截面里,达标主体按当时分数加权后,哪些股票靠前」。它还不是机构评分本身。匿名机构/大V 板块提供另外三个工具,用来核对「当时谁算达标」:

  • get_agency_pit(/agencies/pit):某一天当时的评分截面,返回不晚于 as_of_date 的最近一个已发布日期;
  • list_agency_pit_dates(/agencies/dates):已发布评分日期,以及当天有多少主体;
  • get_agency_history(/agencies/{agency_id}/history):单个 agency_id 的评分走势。

对照建议:

  • 实时盯盘:可以不传 as_of_date,看消息算到现在的加权榜;不要把这个结果写进历史因子库冒充日终 PIT。
  • 回测主线:固定 as_of_date、days、min_score、market、order,每日落一条截面。
  • 审计分数:用同一 as_of_date 调 /agencies/pit,检查样本 agency_id 在该快照上是否仍达到门槛;若 PIT 发布日早于研究日,要把「研究日 → 快照日」映射存下来。
  • 不要用 /panel/daily 的 weighted_heat 去验证 /hot/weighted?as_of_date=... 是否算对。前者是当前分口径,后者是截稿 + PIT。
# weighted_pit_snapshot.py —— 示例
import os, requests

BASE = os.environ["LAVA_BASE"]  # 指向 /subscribe/v1
H = {
   "Authorization": "Bearer " + os.environ["LAVA_API_KEY"]}
ASOF = "2026-11-11"  # 示例截面日

w = requests.get(
    BASE + "/hot/weighted",
    params={
   
        "as_of_date": ASOF,
        "days": 3,
        "min_score": 1050,
        "order": "weighted",
        "market": "ashare",
        "limit": 200,
    },
    headers=H, timeout=60,
).json()
assert w["ok"], w["code"]

pit = requests.get(
    BASE + "/agencies/pit",
    params={
   "as_of_date": ASOF, "min_score": 1050, "limit": 500},
    headers=H, timeout=60,
).json()
assert pit["ok"], pit["code"]
print(w["meta"]["server_time"], pit["meta"]["server_time"])

账户计费仍按成功调用计:每次 0.005 元,非 2xx 不计费。回测补数时按日期循环即可,不必盘中高频打同一 as_of_date。

回测落库时要一起记下的字段

建议至少保存:as_of_date、days、min_score、order、market、limit、股票代码、weighted_heat、样本 agency_id 列表,以及 meta.request_id、meta.server_time。若同时调用了 /agencies/pit,再存 PIT 实际快照日。缺了门槛或截稿日,日后无法解释为什么同一只股票的 weighted_heat 对不上。

需要无评分的对照量时,同一研究日还可以另存原始提及、机构数,或使用面板里不依赖评分的字段;不要用当前分加权去「修正」已经截稿的 PIT 截面。

FAQ

Q:不传 as_of_date 的加权榜,能直接当历史因子吗?
A:不适合。缺省是最新面板日、消息算到现在,盘中反复取数会滑动。回测应显式传入日期,让消息停在该日 15:00。

Q:/panel/daily 里也有 weighted_heat,能否替代加权热榜的 PIT 截面?
A:不能直接替代。面板写明采用当前机构分口径,不是当日 PIT。严格回测应使用 /hot/weighted 的 as_of_date,或用 /agencies/pit 的当时分数在本地重算并另行命名。

Q:15:00 之后发布的消息还会进这一天的截面吗?
A:在传入 as_of_date 的前提下,消息只算到当天 15:00。该日 15:00 之后的消息不属于这个截稿截面。

Q:返回的 agency_id 不够 20 个正常吗?
A:文档是「最多 20 个」,实际数量可以更少。研究时只把它们当作匿名样本键,不要尝试还原真名。

结论

熔岩加权热榜的回测口径可以收成三句话:weighted_heat 是达标提及按「分数 ÷ 1000」的加总;默认门槛 1050;传入 as_of_date 后分数走 PIT、消息切在当天 15:00(Asia/Shanghai)。它既不同于消息算到现在的实时加权榜,也不同于 /panel/daily 的当前分加权,更不是 /agencies/pit 本身。把日期、门槛与快照日一起落盘,才能得到可复现的历史截面。该口径只用于回测与研究,不是交易信号。

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。

MCP 接入示例与工具清单见 GitHub:https://github.com/dustinliang666-blip/lava-mcp

目录
相关文章
|
14天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
6050 44
|
15天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
5064 60
|
9天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
2411 6
|
7天前
|
人工智能 安全 API
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(dsh)是DeepSeek AI于2026年开源的轻量级Agent运行框架,基于Cordis内核,践行“一切皆插件”理念。支持Web/桌面双端,开箱即用;内置多模型接入、丰富插件生态(超3.5万),适配编程、办公、创作等场景。(239字)
1512 0
|
9天前
|
云安全 人工智能 安全
|
2天前
|
云安全 人工智能 安全
|
8天前
|
人工智能 并行计算 调度
本地 AI 一键部署工具 LocModel:Windows 端集成画图、视频生成、Agent 的开源模型运行方案
LocModel 是专为 Windows 设计的一站式本地 AI 工具,支持零配置启动、自动硬件检测、GGUF 模型一键加载、文生图/视频生成及 Agent 自动化任务。适配 8G 显存,内置显存分片调度,轻松实现 AI 漫剧批量创作与离线大模型调用。(239 字)

热门文章

最新文章