经历了“追高禁令”事件后，柯景阳对“纪律”有了，全新的敬畏。但他并没有，因此全盘否定，自己“感知市场”的方向。他知道，真正的强大，不是用一方的优势，去压制另一方，而是如何将两者融合，取长补短。
他的目光，再次投向了，那本王叔的笔记。这一次，他不再只是，模糊地感受“市场情绪”，而是带着，一种明确的目的性去翻阅，他需要找到，那些隐藏在，定性描述中的、可以被捕捉的规律性特征。
他重点研读笔记中，关于市场底部，尤其是“恐慌极点” 的描述。王叔用极其精炼的语言，记录了，几个关键时刻：
“”2013年5月31日”：央行降准大利好公布，市场高开低走，收盘翻绿。批注：“利好不涨，人心已散，接近绝望。”
“2015年7月27日”：市场连续暴跌，某日成交量急剧萎缩，卖盘枯竭。批注：“无量暴跌，恐慌盘殆尽，否极泰来之兆。”
“”2015年8月24日”：百股跌停，交易所门口有散户哭泣。批注：“群体性恐慌，极致往往孕育反转。”
“利好不涨”、“无量暴跌”、“百股跌停”…
柯景阳拿着笔，将这些关键词，一个个圈出来，写在旁边的，一张白纸上。这些不再是，模糊的感觉，而是市场中，曾经真实发生过的、可以观察到的现象。
他兴奋地拿起这张纸，走到林小雨的工位旁。
“小雨，你看这个！”
林小雨从代码中抬起头，接过那张，写着几个词语的纸，眉头微蹙：“这是什么？”
“这是王叔笔记里，提到的‘市场恐慌极点’会出现的一些特征！”柯景阳语气激动，“你看，‘利好不涨’、‘无量暴跌’、‘百股跌停’…这些是不是，可以变成数据？”
林小雨看着纸上的词，眼神从疑惑，逐渐变得专注起来。作为量化工作者，她的思维本能地开始，将这些定性描述，转化为可定义的变量。
“‘利好不涨’…”她沉吟道，“这可以定义为，一个事件函数：在某日，有重大利好政策发布的，前提下，计算[t+1日]大盘的涨跌幅。如果结果为负，则触发一次‘利好不涨’信号。统计一段时间内，此类信号的频率和强度…”
“‘无量暴跌’…”她继续思考，“这需要定义一个相对值。比如，当日跌幅超过3%，但成交量却低于，过去20日均值的70%？这个阈值需要回测验证…”
“‘百股跌停’…这个更简单，直接监控当日，收盘跌停板家数，及其占全市股票，总数的百分比。甚至可以加权，跌停封单金额…”
她越说越快，手指无意识地在，桌面上敲击，仿佛在虚拟键盘上，输入代码：“还有！恐慌情绪…可以参考国外的VIx指数（波动率指数），虽然A股没有直接对标，但我们可以类似地，用期权市场的，隐含波动率，或者自己构建，一个基于跌停家数、量比、下跌速度等，因素的恐慌指数…”
柯景阳听得有些眼花缭乱，但内心无比兴奋。他没想到，自己提供的，这几个简单的词语，在林小雨的脑海里，能瞬间迸发出，如此多可量化的、精确的指标！
“对！就是这个样子！”他连连点头，“我们把这类指标，就叫…‘市场情绪指标’怎么样？把它们做到，你的模型里去！当这些指标，同时达到极端值时，是不是就能部分，识别出王叔说的‘恐慌极点’？”
林小雨的眼睛，彻底亮了起来，这是一种遇到有趣技术，挑战时的光芒。
“有意思！这个提议好，有挑战性。”她一把抓过那张纸，重新坐回电脑前，飞快地，新建了一个文档，“这是一个全新的因子！情绪因子！虽然噪音很大，但如果能有效剥离，或许能极大改善模型，在极端行情下的表现！”
她不再排斥这种“不精确”的感觉，反而将其视作，一个待解决的算法难题。
一时间，工作室里只剩下，键盘急促的敲击声。
柯景阳看着，沉浸在工作中的林小雨，心中感慨万分。
王叔的定性经验（心学），通过他的提炼（桥梁），正在被林小雨转化为，可量化的数据指标（算法）。
一个全新的、名为 “情绪” 的维度，正在被他们两人联手，一步步地纳入，那个曾经只相信，纯粹数字的量化模型之中。
“情绪指标”的构建，并非易事，历史数据的回测、阈值的设定、不同指标间的权重分配，都是巨大的挑战。这个新模块能成功吗？它首次投入实战，又会表现如何？与此同时，市场在震荡后，似乎选择了方向，新一轮的趋势，正在酝酿之中。