每项取过去 252 个交易日的滚动分位，分位越高＝该维度越"热"。迷你图是该项分位的历史走势，中线为 50 分位。 右侧标注该项进入哪个温度以及占多少权重：红点＝页面顶部那个数（五项加权，合计 100%）、 蓝点＝页头并列的那个数（四项加权，合计 100%）、蓝点闸门＝不进任何温度，只作为蓝点的必要条件。 表里列出的就是全部参与计算的因子——权重为 0 的项已经不在这里。 输入日期可查看当天每个因子的原始值与分位；选定日期后，迷你图上的竖线和圆点标出那一天。 点任一分项可打开它的实际读数与纳指的同图走势，时间范围可调。
252 日分位数，把绝对值转成相对历史水平的百分位。100 − pct，使其与其他指标方向一致（高值＝情绪热）。d = tanh(r₂₀ / 1.5σ)；低于常态的部分记为中性 50。顶是慢过程，底是快事件。情绪见顶靠多日堆积，过滤毛刺有价值；恐慌见底常是 1–3 天的插针，平滑和多日确认恰好把尖峰削平。用同一套参数必然顾此失彼。
红点用红点温度 + 连续3日确认；蓝点用蓝点温度的当日口径（杠杆多空比取当日值不平滑）且当日成立即触发。页面顶部显示红点温度，蓝点温度并列在它下方。
r₂₀ 为标普500 的 20 日收益，σ 为其滚动 252 日标准差。d ∈ [−1, +1]：强势上涨 → +1（放量＝贪婪）；急跌 → −1（放量＝恐慌）；横盘 → ≈0（放量不含方向信息）。
用 tanh 平滑，符号翻转处不产生跳变。只对高于常态的活跃度定向，避免"缩量下跌＝偏热"这类反直觉读数。
采用 percentileofscore(mean)：分位 = (小于当前值的个数 + 0.5 × 等于当前值的个数) ÷ 窗口长度 × 100。
已用独立实现与 scipy.stats.percentileofscore 逐点交叉验证，最大偏差 7e-15。