个人投资者购买股票的决策过程大致如下所示
这时，整个决策过程的路径便是①②③(⑦)④。
考虑另一个用户场景：个人投资者在忙碌了一天后回到家中刷起了快手抖音（资讯娱乐类APP），APP上⑤推送了财经类博主的个股或公司解读视频，⑥他很感兴趣所以不知不觉地把视频看完了，翻阅了些视频评论之后在该APP或其他资讯类APP中⑦搜索关于该个股的话题、相关行业的讯息，又或者会③打开理财类APP搜索该个股或相关板块的具体信息，并想着明天开盘就买入。
这时，整个决策过程的路径便是⑤⑥(③)(⑦)④。
可以看出来，⑦在资讯类APP上搜索这个行为始终不是用户购买个股这个行为的必经之路，但是由于⑦是一个主动搜索的行为，往往能代表着用户对这类话题或者相关个股的强烈兴趣。而在如今的自媒体时代，种草经济、内容输出的现象盛行，个人投资者都会想要在自己做出购买决策判断前去看看别人的看法和观点，所以⑦这个位置对于个人投资者来说还是很重要的。何况⑦处于用户决策漏斗通往购买决策的最后一道关口，理论上讲转化率会较高，所以如果能够量化⑦的一个搜索量，也算约等于知道有多少用户处于④的购买决策中。
而根据流动性溢价原理，当越来越多人关注到或者想得到某一支个股的时候，即个股的流动性增加甚至膨胀的时候，股价便会一定程度地超过它应有的价值，导致错误定价，即溢价。这时，该个股的短期便会产生超额收益率。当然，个股的长期收益率还是会趋近于他的真实价值，毕竟“市场短期是投票器,长期是称重器“。
所幸有一种方式可以量化⑦搜索量，这就是通过百度指数表示⑦的量化指标，然后探究相关话题搜索量与个股的短期收益率之间的关系来验证以上的论述并期望将相关话题的搜索量可以加入量化投资多因子模型中去，增加量化投资的收益。
百度指数的官方定义是：以网民在百度的搜索量为数据基础，以关键词为统计对象，科学分析并计算出各个关键词在百度网页搜索中搜索频次的加权。
所以每个关键词之间都可能有数量级的差异，这会一定程度上夸大数量级大的关键词的作用且忽略数量级小的关键词。在实际场景中，某一关键词的百度指数的变化或者说异常高的点比它的绝对值更具有参考价值，因为互联网用户对关键词搜索关注程度的突发性爆发会更能代表某一股票的流动性爆发从而造成市场的错误定价。所以要先以百度指数为基础新设立一个新的指标–话题指数change_index来量化当天的一个关键词的百度指数偏离了多少该关键词平均的百度指数。
1.先用pairplot函数查看百度指数的数值分布。
4.分别计算上证指数和选定股票的短期收益率
说到多因子模型就很难能绕开CAPM(资产定价模型)来搭建，这是因为个股往往会一定程度的跟随大盘的走势波动。
美国学者夏普、林特尔、特里诺和莫辛等人于1964年在资产组合理论的基础上发展出来了一个资本资产定价模型（简称CAPM模型）。这个模型根据股票本身的风险和市场风险的相关性估算出单个股票的期望收益率。
在公开市场中，越高的收益率往往伴随着越高的风险，这时因为高收益率低风险的资产进入公开市场后势必很快由于大家争相购买而抬高到应有的价格区间中，从而变成低收益低风险的资产，反之亦然。所以现在市场可自由交易的资产中，资产的预期收益率和波动等同于资产的风险。
其中，αi可以是成长类因子、估值类因子、现金流类因子、经营效率类因子、财务质量类因子等，而在本文中αi是话题指数因子。