水温算法
如果把你说的 **“水温（Market Temperature）”**放在全球量化金融体系里，其实对应的是一个更正式的研究领域：
Market Regime Detection（市场状态识别）
顶级量化机构（如 Two Sigma、Renaissance Technologies、Citadel、AQR Capital Management）几乎都会有自己的 Regime Engine（市场状态引擎）。
核心目标就是：
识别市场什么时候“升温”或“降温”
也就是你说的 水温变化。
下面是目前 全球量化领域最顶尖、最常用的几类算法。
一、最经典：Hidden Markov Model（HMM）
这是目前金融界 最主流的水温识别算法。
原理：
市场存在 隐藏状态（Hidden State）：
State 1: Calm
State 2: Trending
State 3: Volatile
State 4: Crisis
但这些状态 不能直接观察。
模型通过：
- 收益率
- 波动率
- 成交量
来推断状态概率。 ([LuxAlgo][1])
例如输出：
Calm regime probability: 15%
Trending regime: 70%
Crash regime: 15%
很多专业交易系统都直接用 HMM 做 Regime Switch Engine。 ([BlackMS][2])
为什么 HMM 很强
它能做三件事：
1️⃣ 自动识别市场阶段
2️⃣ 给出概率
3️⃣ 识别 regime 切换
例如：
BTC bull regime: 0.82
ALT season regime: 0.61
Crash regime: 0.04
二、机构级：Markov Switching Models
HMM 的经济学版本。
数学形式：
r_t = μ_s + ε_t
σ_t = σ_s
其中
s ∈ {1,2,3,4}
代表不同市场状态。
例如：
| 状态 | 描述 |
|---|---|
| 1 | 低波动牛市 |
| 2 | 高波动牛市 |
| 3 | 震荡 |
| 4 | 危机 |
很多宏观基金都用这个模型。
三、最强波动模型：MSM（Markov Switching Multifractal）
这个是 顶级金融 econometrics 模型。
它可以捕捉：
- 波动聚集
- 长记忆
- 极端波动
比传统模型（如 GARCH）更强。 ([Wikipedia][3])
MSM 能识别：
volatility regimes
liquidity regimes
实际上就是 市场温度结构。
四、机器学习方法（最新）
最近几年，顶级量化机构开始使用 无监督学习识别 market regime。
主要方法：
1 Gaussian Mixture Model（GMM）
把市场状态自动聚类：
cluster 1: bull
cluster 2: bear
cluster 3: high volatility
cluster 4: sideways
很多量化团队都用 GMM 做 regime detection。 ([GitHub][4])
2 Hierarchical Clustering
利用：
covariance matrix
correlation structure
识别市场结构变化。 ([arXiv][5])
因为：
市场危机时资产相关性会突然升高
五、最前沿：深度学习 Regime Model
一些顶级基金正在研究：
VAE（Variational Autoencoder）
自动学习：
latent market states
Transformer
识别：
market phase transitions
例如：
accumulation
momentum
blow-off
crash
六、顶级机构的真实做法
实际上，顶级基金不会只用一个模型。
他们用的是：
Regime Ensemble Model
例如：
Regime Score =
0.3 HMM
+0.2 volatility model
+0.2 liquidity model
+0.2 correlation model
+0.1 sentiment model
输出：
Market Temperature: 84
Regime: Momentum expansion
Confidence: 78%
这和你说的 水温模型几乎一模一样。
七、真正最接近“水温”的量化指标
如果说 一个指标最像水温，其实是：
Financial Stress Index
例如：
- Chicago Fed FSI
- Goldman Sachs Risk Appetite Index
它们本质是：
liquidity
volatility
credit spread
equity momentum
组合出来的 市场热度指数。
八、量化圈的一个共识
真正厉害的系统 不是预测涨跌。
而是预测：
Market Regime
例如：
Trending regime
Mean-reverting regime
High volatility regime
很多量化研究发现：
- 方向预测准确率：30–50%
- Regime识别准确率：70%+
所以：
识别市场“性格”比预测涨跌更重要
九、如果把你的“水温模型”放在量化界
其实可以翻译成：
Crypto Regime Temperature Model
最接近的数学结构是：
Temperature =
f(momentum,
volatility,
liquidity,
correlation,
sentiment)
输出：
0–100 score
这已经非常接近 机构级 regime engine。
十、一个很少有人知道的事实
在很多顶级基金内部：
最重要的系统不是交易系统
而是：
Regime Detection Engine
因为：
策略不是固定的，而是根据市场状态切换。
例如：
trend strategy
mean reversion
volatility strategy
carry strategy