Introducing the Risk On / Risk Off Composite Indicator

现在,FXMacroData发布了一份每日 风险情绪综合分数 一个单一的信号,可以通过噪音,并用一个数字告诉你市场是否正在寻找收益或逃往安全处. -1.0 (极端风险排除) 现在 风险增加 并且每个工作日在市场关闭时都会更新.

什么是新的

风险情绪终点汇总了四个独立规范的跨资产信号,并将其组合成一个综合分数.每个组件转换为252天的滚动z分数,然后通过tanh函数将权重总和压缩到[-1, +1]范围,以便在不同的市场制度中保持可比性.

每一天的观察都包含一个可读的 regime 标签 risk_on没有人知道. neutral没有 risk_off 通过复合分数的固定值来确定 (0.25以上是风险,0.25以下是风險).这意味着您可以直接根据模式类型进行过,而无需自己编写任何值逻辑.

为什么这对商人很重要

宏观基本面政策利率,通货膨胀,增长差异决定了外汇的长期趋势. 风险欲望往往是主要的驱动因素 澳元,新西兰元和加元与全球风险需求结构性相关,因为它们的经济依赖于商品出口,并在良好的环境中吸引寻求收益的资本.日元和瑞郎因相反的原因朝相反方向发展:深度债券市场,净债权人地位和储备货币需求.

通过复合终点,您可以直接在分析工作流中构建模式条件叠加.而不是监控四个单独的数据序列并应用自己的标准化,您可获取单个预先构建的分数,该分数已经考虑了资产间的相关性和相对信号权重.这是每天早上开放前节省的时间.

终点也自然地与 澳元政策利率没有人知道. 日元政策利率并且是 机器人定位仪表板 在基本信号和定位信号之上,将模式背景分层,以获得更全面的交易前形象.

实用例子:查询最新的风险感评分

您想知道当前的风险制度,然后决定是否延长AUD/JPY的持仓. 一次通话检索最新的复合读数:

curl "https://fxmacrodata.com/api/v1/risk_sentiment?start_date=2026-04-14&end_date=2026-04-21&api_key=YOUR_API_KEY"

代表的回答:

{
  "data": [
    {
      "date": "2026-04-21",
      "score": 0.38,
      "regime": "risk_on",
      "components": {
        "ofr_fsi": -0.72,
        "gold": -0.31,
        "aud_usd": 0.58,
        "usd_jpy": 0.44
      }
    },
    {
      "date": "2026-04-17",
      "score": 0.22,
      "regime": "neutral",
      "components": {
        "ofr_fsi": -0.41,
        "gold": -0.18,
        "aud_usd": 0.29,
        "usd_jpy": 0.31
      }
    },
    {
      "date": "2026-04-16",
      "score": -0.11,
      "regime": "neutral",
      "components": {
        "ofr_fsi": 0.08,
        "gold": 0.15,
        "aud_usd": -0.22,
        "usd_jpy": -0.19
      }
    },
    {
      "date": "2026-04-15",
      "score": -0.41,
      "regime": "risk_off",
      "components": {
        "ofr_fsi": 0.65,
        "gold": 0.52,
        "aud_usd": -0.48,
        "usd_jpy": -0.37
      }
    },
    {
      "date": "2026-04-14",
      "score": -0.58,
      "regime": "risk_off",
      "components": {
        "ofr_fsi": 0.89,
        "gold": 0.61,
        "aud_usd": -0.55,
        "usd_jpy": -0.52
      }
    }
  ]
}

结果显示,从4月14日15日的风险减退到4月16日17日的中性风险变化,到4 月21日确认的风險增长. 分类分析显示,大部分变化来自OFR金融压力指数的大幅下降和AUD/USD的复苏,而不是单个数据系列的移动. 这种多源确认使得信号比任何单一资产代理更可靠. 随着这一点,您可以在同一天的量化基础上延长AUD / JPY持仓或重新进入商品货币长期.

实用例子: 经过选模式的运输策略

携带策略系统地借用低利率货币 (JPY,CHF) 并投资高利率的货币, (AUD,NZD,CAD).它们在稳定,风险环境中表现良好,并且在风险欲望崩时可能会出现急剧,突然的下降.使用复合分数作为制度过器可以让你在有利条件下保持携带状态,并在信号关闭风险时退出.

只有当复合分数在"AUD/JPY"中时, risk_on 通过Python,您可以直接使用终点:

import requests

API_KEY = "YOUR_API_KEY"
url = "https://fxmacrodata.com/api/v1/risk_sentiment"
params = {"start_date": "2026-01-01", "end_date": "2026-04-21", "api_key": API_KEY}

resp = requests.get(url, params=params)
data = resp.json()["data"]

# Build a carry-entry signal: in carry when score > +0.25 for 2+ consecutive days
in_carry = False
for i, row in enumerate(data):
    if i == 0:
        continue
    prev = data[i - 1]
    if prev["regime"] == "risk_on" and row["regime"] == "risk_on":
        in_carry = True
    elif row["score"] < -0.25:
        in_carry = False
    print(f"{row['date']}  score={row['score']:+.2f}  regime={row['regime']:<9}  carry={'ON' if in_carry else 'OFF'}")

这种模式为您提供了一个数据驱动的,宏观地化的触发器, 进行定位, 反应到整个跨资产图片, 不仅仅是一个对. 澳元政策利率系列 并且 机器人机器人的仪表板 基本和定位背景在模式信号之上.

方法:组合材料的构建方式

为了透明度,下面是分数背后的精确计算:

1. 滚动z分标准化: 对于每个组件系列,每天计算252个工作日 (约为一年) 的平均值和标准偏差.然后以每天的值表示. (值 − 中值) / std,产生一个无单位的信号.
2. 标志的排列: 较高值表示更不愿意冒险的组件 (OFR FSI 和黄金) 被反转,使四个信号都朝同一个方向移动.
3. 权重总额: 这四个z分数是结合的:OFR FSI (40%) +黄金 (20%) +澳元/美元 (20%) 美元/日元 (20%).
4. 压缩量: 权重总额通过 没有任何其他方法.,它平稳地将输出限制在 (−1,+1) 开放区间,同时保留运动的标志和相对大小.
5. 标签: 评分 > +0.25 → risk_on评分为<-0.25 → risk_off否则,我们将 neutral现在我们要做什么?

权重反映了每个信号与广泛风险愿望的经验相关性以及避免在任何单一市场上过度索引的愿望.OFR FSI获得了最高权重,因为它本身是多个市场压力指标的总和,因此已经代表了跨市场的多元化观点.

开始

风险感终点可供所有FXMacroData API用户查询.