九点三十分，正式开盘。
新能源汽车板块高开高走，他买入的三只股票，十分钟内分别涨了3%、2.5%、4%。半导体板块低开低走，他买入的两只股票，一只跌了1%，一只横盘。
李代码心脏狂跳。不是因为赚钱——那一万块就算涨10%也才一千块——而是因为预测对了。他的模型，那个用十四天不眠之夜堆出来的代码怪物，第一次实战，就蒙对了。
不对，不是蒙。是基于数据的判断。
他不断刷新情绪指数的实时更新。新能源汽车的情绪分在攀升，从+0.87涨到+1.12。半导体的情绪分在下降，从+0.45跌到+0.21。
十点，他的新能源汽车股票平均涨了5%。半导体股票跌了2%。
十点半，新能源汽车板块开始回调。情绪指数显示，讨论热度在下降，负面词汇开始出现：“获利了结”“冲高回落”“量能不足”。
李代码犹豫了三秒，卖出了两只新能源汽车股票，留了一只最强的。卖出价分别比买入价高4.8%和3.7%。
十一点，他留下的那只新能源汽车股票继续冲高，涨到7%。半导体股票跌到-3%。
中午休市。李代码瘫在椅子上，手心全是汗。账户浮动盈利：+862元。半天，赚了他月薪的五分之一。
更重要的是，他的模型在实时验证中表现良好。情绪指数的变化领先股价波动大约十五分钟——足够他做出反应。
他点了个外卖，但吃不下。大脑在高速运转：要不要加仓？要不要调整参数？下午情绪会怎么走？
他打开爬虫的后台，查看实时抓取的数据流。每分钟新增数千条讨论，关键词云图在滚动，“新能源”“锂电”“涨停”出现频率最高。但在这些热词之下，有一些不起眼的关键词在悄悄增加：“监管”“问询”“减持”。
他点开“减持”相关的讨论，发现集中在几只小盘股上。其中一只是他留的那只新能源汽车股票的供应商。有帖子说，这家供应商的大股东可能减持。
李代码皱眉。这是噪音，还是有效信息？他的模型没有考虑个股层面的利空，只做板块情绪分析。
他快速写了个补充脚本，抓取所有“减持”关键词出现的股票代码，然后交叉比对基本面数据——股东结构、近期公告、历史减持记录。
结果出来了：那家供应商确实有减持可能，但概率不高，而且就算减持，对下游整车厂的影响也有限。
他决定忽略这个信号。
下午一点，开盘。
他留的那只新能源汽车股票，在冲高到8%后开始回落。两点，回落到5%。两点半，回落到3%。
李代码看着它一点点跌回去，像看着潮水退去。他本该在最高点卖出的——情绪指数在十一点半就显示过热了。但他贪心了，想等更高。
最后，他在涨2%时卖掉了。加上上午卖出的两只，今天总盈利：+1423元。年化收益率……他懒得算，反正很高。
半导体股票更惨，一只跌了5%，触发了止损线自动卖出；另一只跌了4%，他手动割了。
收盘后，李代码复盘全天操作。新能源汽车板块整体涨了3.2%，他抓住了一半涨幅。半导体板块跌了2.8%，他吃到了大部分跌幅。
总战绩：盈利1423元，扣除亏损，净利润896元。
不多，但意义重大。这证明他的思路可行——市场情绪可以被量化，并且可以用来指导交易。
他给模型打了第一个勾。
晚上，李代码没有继续写代码。他出门了，去了那家“暴打空头”奶茶店。店里人满为患，他排队二十分钟，买到了一杯“涨停甜度”的柠檬茶。
喝着酸甜的饮料，他观察店里的人。大部分是年轻人，捧着手机看盘后分析，讨论明天买什么。有人兴奋地说“今天赚了十个点”，有人懊恼“又卖飞了”。
李代码听着，突然觉得荒诞。这些人，用真金白银，在玩一个近乎随机的游戏。而他用代码，试图找到这个游戏的规律。
“哥们，今天怎么样？”旁边一个戴眼镜的男生凑过来问。
李代码想了想，说：“还行，小赚。”
“买的啥？”
“新能源。”
“牛逼啊！我买的半导体，套了。”眼镜男叹气，“你说半导体还有戏吗？”
如果是以前，李代码会说“看技术面”“看基本面”或者“我也不知道”。但现在，他有数据。
“情绪面不太好。”他说，“散户讨论里负面词多。”
眼镜男愣了：“情绪面？那是啥？”
李代码不知道怎么解释。难道说“我用爬虫抓了八千条讨论做了情感分析”？
“就是一种感觉。”他含糊道。
眼镜男似懂非懂地点点头，转回去继续看手机。
李代码喝完奶茶，走回家。路上，他打开手机，看到一条推送：“新能源汽车板块今日大涨，机构看好后市。”
他笑了。机构看好？他的爬虫显示，下午两点以后，新能源汽车的情绪分已经从+1.12跌到+0.76。散户在获利了结，机构在唱多接盘。
信息差。这就是信息差。
回到家，李代码没有立刻开始工作。他站在窗前，看着城市的夜景。万家灯火，每一盏灯下，可能都有一个看盘的人，一个研究K线的人，一个渴望从市场里分一杯羹的人。
而他，李代码，一个普通的程序员，刚刚用代码窥见了这个庞大游戏的一角。
他回到电脑前，打开编辑器。今天只是开始，模型还有很多可以优化的地方：情感词典不够
（本章未完，请点击下一页继续阅读）