数据来源细分：新闻、社交媒体和链上行为信号价值

一、三類資料的本質差異：事實、觀點與行為

在實務上，您可以將三類資料來源視為三種「證據類型」：

1. 新聞與公告：偏向「事實觸發器」
   典型案例包括監管表態、總體經濟數據、交易所公告、專案升級、募資及合作關係公開等。其價值在於提供可明確定位的時間點與事件邊界，適合作為「敘事起點」。
2. 社群媒體與社區討論：偏向「情緒與注意力代理」
   常見如討論量、轉發結構、KOL 集中度、情緒極性與話題聚類等。此類資料可用於衡量敘事擴散速度與擁擠程度，適合作為「敘事強度與風險溫度」依據。
3. 鏈上與成交結構：偏向「資金行為證據」
   包含大額轉帳、交易所淨流入與流出、穩定幣供給變化、衍生品未平倉與資金費率、成交分布等。這類資料能驗證敘事是否真正轉化為資金動作，適合作為「兌現驗證層」。

敘事交易的重點不在於單一資料類型，而是三類資料的互補性：新聞決定起點，社群媒體反映溫度，鏈上數據進行驗證。

二、新聞資料：強觸發、弱持續性，必須處理「預期落差」

新聞訊號的優勢是事件邊界明確，適合做時間序列研究，但常見陷阱也很明顯：

• 預期落差問題：市場可能早已提前反映，新聞公開時價格反而反向波動；
• 語意歧義：同一句話在不同情境下可能被解讀為利多或利空；
• 來源品質不一：多次轉載可能導致資訊失真或延遲。

因此，新聞資料更適合作為「事件表（Event Calendar）」與「敘事標籤庫」的基礎，而非直接作為高頻交易觸發器。

實務上，新聞通常會被標籤為三種標籤：

• 事件類型（監管/總經/專案/安全事件等）
• 影響方向（偏風險上行/偏風險下行/結構性不確定）
• 影響層級（全局/賽道/單一資產）

三、社群媒體資料：強擴散、強噪音，必須處理「操縱與同質化」

社群媒體資料對敘事交易極為敏感，因其直接描繪注意力的轉移，但噪音結構也更複雜：

• 同質化與重複發言：大量帳號重複同樣話術，討論量上升不代表資訊新增；
• 操縱與灌水：機器人、水軍和協作炒作會創造虛假熱度；
• 情緒極端化：極端情緒常伴隨高波動，訊號可能呈現「尖峰脈衝」狀。

因此，社群媒體資料更適合用於產出「擴散結構指標」，而非僅僅進行情緒打分。

更有價值的結構分析維度包括：

• 討論是否從少數節點擴散到更廣泛用戶；
• 話題是否出現跨平台共振現象；
• 情緒是否從分歧轉向一致（或由一致轉為分歧）。

這些維度比單純的「正面/負面詞頻」更貼近資金行為的形成過程。

四、鏈上資料：強驗證、弱解釋，必須處理「因果滯後」

鏈上資料最大優點是可驗證、難以偽造（統計意義下），適合作為敘事的「兌現層」。但其解釋鏈條存在挑戰：

• 同一鏈上現象可能對應不同敘事
  如交易所淨流入上升，既可能是拋售準備，也可能是做市或對沖行為。
• 因果方向未必明確
  鏈上變化可能落後於價格，也可能領先價格，需結合衍生品與現貨微觀結構判斷。

因此，鏈上資料更適合回答「資金是否確實流動」，而不是「為什麼一定會上漲」。

在敘事交易架構下，鏈上指標通常負責三大驗證任務：

• 敘事發生後是否出現持續的資金路徑；
• 敘事擁擠期是否出現異常集中狀況；
• 價格劇烈波動前後是否有結構性轉帳行為發生。

五、三類資料如何組成「證據金字塔」

為降低噪音並提升可執行性，建議採取三層金字塔結構：

• 底層：鏈上與成交結構（硬證據）
  驗證敘事是否兌現為資金行為。
• 中層：社群媒體擴散與情緒結構（軟證據）
  衡量敘事強度、擁擠度及持續性。
• 頂層：新聞與關鍵事件（觸發器）
  定位敘事起點與更新節奏。

此結構的意義在於：任何交易行動應盡量滿足「至少兩層證據共振」。僅有單一層（特別是社群媒體熱度）通常僅可作為觀察對象，難以作為穩定策略依據。

六、時間對齊：敘事交易最易被低估的工程挑戰

三類資料的時間粒度不同：新聞以分鐘/小時計，社群媒體以秒級脈衝，鏈上則以區塊時間計。

若時間對齊不嚴謹，極易產生「偽相關」：

• 以未來資訊解讀過去價格（時間穿越）；
• 將滯後鏈上資料誤認為即時觸發（因果倒置）。

實務上應建立統一時間軸：

• 事件時間（新聞發布時間）
• 討論高峰時間（社群媒體熱度區間）
• 資金遷移時間（鏈上轉帳確認及聚合窗口）

時間對齊是所有評分模型的前提，也是敘事研究能否進入實盤的關鍵門檻。

簡單案例：時間對齊錯誤如何導致誤判

場景：某代幣發布利多消息

實際時間軸（已對齊）

• 12:00｜事件時間：專案發布合作新聞
• 12:00–12:05｜社群擴散：討論升溫，12:03 達到高峰
• 12:02–12:15｜鏈上資金：資金開始進場（含確認和資料延遲）
• 12:01–12:08｜價格反應：價格開始上漲

常見錯誤

將「資料出現時間」誤作「實際發生時間」

• 鏈上資料面板顯示時間：12:10
• 實際交易時間：12:02–12:04

誤判結果：價格先上漲，鏈上資金才進場，進而錯誤認定「鏈上不是主導因素」。

時間穿越（以未來解釋過去）

• 採用 12:03 的社群媒體熱度高峰
• 解讀 12:01 的價格上漲

問題在於：引入未來資訊，導致回測結果失真。

正確做法

應統一時間軸並明確定義各類時間：

• 新聞：發布時間（Event Time）
• 社群媒體：熱度形成區間（非單一時間點）
• 鏈上：回推實際發生時間（扣除區塊確認及索引延遲）
• 價格：撮合成交時間

若時間未對齊，僅能獲得表面相關性；唯有在統一時間架構下，才能辨識實際驅動關係。這也是敘事交易從理論走向實盤的必要前提。

七、資料品質與風控前置：敘事交易的「準入門檻」

建模前，建議先設定資料準入規則，如：

• 新聞來源白名單與交叉驗證；
• 社群帳號可信分級及異常流量過濾；
• 鏈上地址標籤庫的更新頻率及誤標容忍度。

缺乏準入規則的資料堆疊，只會加劇過度擬合的風險。

敘事交易長期競爭力，很大程度取決於資料治理是否工程化，而非指標是否花俏。

八、本課小結

本課完成了資料層的核心區分：

• 新聞供給事件觸發與敘事起點；
• 社群媒體描繪注意力擴散與情緒溫度；
• 鏈上驗證資金路徑與行為兌現。

本課同時提出「證據金字塔」與「時間對齊」兩大工程原則，為後續結構化建模設定邊界。

下一課將進入方法論核心：敘事標籤、情緒評分與事件圖譜，重點討論如何將非結構化文本與鏈上行為轉換為可計算、可回測、可監控的指標體系。