建立可迭代的个人情绪周期模型，核心是先记录、再对照、后修正：用固定的复盘模板持续记录自己的交易决策与情绪状态，再与市场温度指标对照，找出“我容易在什么市场状态下犯错”的规律，最后把规律转化为可执行的检查清单，并随新数据不断修正。情绪周期模型不是预测工具，而是认识自己决策偏差的镜子。
情绪周期模型的基础框架
情绪周期模型至少包含两层：市场情绪周期和个人情绪周期。市场情绪周期描述群体从悲观到乐观、从恐慌到狂热的摆动；个人情绪周期描述你在不同市场阶段下的心理状态与行为倾向。
构建起点是建立一份固定的复盘模板，每次记录以下内容：
- 当日操作：买入、卖出、持有或空仓
- 决策理由：基于什么信息或逻辑做出决策
- 情绪评分：用1-5分记录当时的贪婪、恐惧、焦虑或平静程度
- 结果反馈：事后看决策质量如何（与盈亏无关，而是看流程是否合理）
固定模板的意义在于让记录可比较，没有统一格式，情绪数据就无法形成时间序列，也就无法发现规律。
个人记录与市场数据的对应
记录积累一段时间后（通常需要覆盖至少一轮完整的涨跌波动），开始做对照分析。把个人情绪评分与市场温度指标（如成交额、涨跌家数比、指数位置、新基金发行热度等）放在同一时间轴上观察。
对照时重点寻找三类模式：
- 滞后型：市场已转弱但自己仍乐观，容易在下跌初期频繁抄底
- 同步型：情绪随市场涨跌剧烈波动，容易追涨杀跌
- 反向型：市场恐慌时自己反而冷静，这类状态相对健康
多数人的问题不是不懂市场，而是不了解自己在不同市场状态下的反应模式。 对照分析的目的不是找市场的顶底，而是识别自己的行为偏差出现的高频场景。
模型的验证与调整
模型建立后必须经过验证与迭代，否则只是自我感觉的总结。验证方法有两种：
- 前向验证：用模型得出的“个人高风险时段”预测未来一段时间的行为表现，看是否真的更容易犯错
- 回溯检验：把模型套用到过去的记录中，检查是否能解释大部分失败决策的共同特征
调整模型的信号包括：连续出现模板未覆盖的决策场景、原有假设被新数据反复推翻、或者情绪记录与行为结果之间的相关性明显减弱。
迭代频率建议以季度为单位，太频繁会被噪音干扰，太久则无法及时修正。每次调整只改一个变量，例如只调整情绪评分标准，或只增加一个新的对照指标，避免多个改动叠加导致无法归因。
从模型到交易规则
模型的最终产出是一组个人化的交易前检查清单。例如，若模型显示你在市场连续下跌后容易产生“这次不一样”的抄底冲动，那么检查清单上就应加入一条：“连续下跌后开仓前，必须写下与当前观点相反的两个理由。”
把模型转化为规则时，注意三点：
- 规则要具体，能直接执行，而不是“保持理性”这类抽象要求
- 规则要有限定条件，明确在什么市场状态下适用、什么状态下不适用
- 规则要定期复查，因为市场结构和个人认知都在变化
情绪周期模型的迭代本质是把隐性经验显性化，再用新数据持续校准。模型的价值不在于准确预测市场，而在于让你在冲动发生时，多一道自我检查的工序。
常见问题
需要记录多长时间才能建立有效的模型？
至少覆盖一轮完整的市场情绪摆动，通常需要几个月到一年以上。 如果只经历单边上涨或单边下跌，数据样本会严重偏向一种状态，模型容易失真。记录频率比时长更重要，持续的周度记录比偶尔的密集记录更有价值。
情绪评分用什么标准比较合适？
没有统一标准，关键是保持自身体系的内部一致性。 可以用1-5分制，也可以用自己的描述词（如冷静、犹豫、冲动、恐慌），只要每次记录口径一致即可。评分标准本身也是模型的一部分，运行一段时间后可以根据实际感受调整定义。
模型显示我总在某个市场阶段犯错，但改不掉怎么办？
先缩小犯错场景的暴露，而不是直接对抗情绪。 如果模型显示你在市场高位特别容易追加投入，可以提前设置单一标的的仓位上限，用规则约束替代意志力。行为修正需要多轮迭代，一次调整无法彻底改变长期习惯，每次改进一点并持续记录反馈，比追求一次性解决更现实。