用途：把行为金融学理论转化为可量化的交易信号与风控规则。核心假设是市场参与者系统性偏离理性决策，而这些偏差可被预测和利用。适用场景包括动量/反转策略的行为学解释与参数优化、情绪极端时的逆向信号、组合构建中的去偏机制，以及A股散户主导市场的特有行为模式捕捉。
主要能力：一、过度反应与反应不足。反应不足对应动量（锚定与保守主义），资料给出A股量化信号示例：SUE>2σ买入持有60天；20日收益前10%继续持有20天。反应过度对应反转（代表性启发与可得性偏差），如连续3个跌停后20日平均反弹8%；250日收益后10%买入持有250天；RSI(5)<10为短期反弹信号。二、认知偏差清单，含损失厌恶、过度自信、锚定、确认偏差、近因偏差、框架效应，以及羊群、信息级联、注意力效应等群体偏差及其量化检测与去偏策略。三、投资者情绪周期，用封闭式基金折价、融资增长、开户数、换手率、涨停数等指标刻画。四、分析框架：处置效应信号（以60日VWAP近似avg_cost，计算CGO）、复合情绪指标（0-100加权评分与仓位建议）、动量策略的行为学优化、逆向交易触发条件。五、输出格式为行为金融分析报告模板，含市场情绪诊断、行为偏差信号、策略建议与去偏清单。
使用方式与依赖：依赖 pip install pandas numpy scipy。
限制：情绪指标存在滞后（融资余额T+1、开户周度），不适合日内交易；极端情绪每年仅2-3次，策略容量有限；2019年后外资与量化参与上升，传统信号有效性可能减弱；行为因子与传统因子相关约0.3-0.5，需控制共线性；行为叙事易事后解释，必须做样本外验证；A股轮动更快，动量窗口应更短。