第4章成交量分布(VPVR)

4、成交量分布(VPVR)：识别关键支撑与阻力位

成交量分布，英文叫 Volume Profile Visible Range，简称 VPVR。说实话，这玩意儿是我在实盘中最常用的工具之一。它不像均线那样滞后，也不像布林带那样容易假突破。它告诉你一个最朴素的问题：市场在哪里交易得最多？

我个人习惯把 VPVR 当作市场的「记忆」。价格可以上蹿下跳，但成交量不会骗人。那些成交密集的区域，往往是多空双方激烈博弈的地方。一旦价格再次回到这些区域，大概率会引发反应。

4.1 VPVR 的核心概念

先搞清楚几个关键术语。你想想看，如果连这些都不懂，后面分析就是瞎搞。

术语	含义	实战意义
高成交量节点 (HVN)	成交量最大的价格水平	强支撑或阻力，价格容易在此反转
低成交量节点 (LVN)	成交量稀薄的价格区域	价格容易快速穿过，形成「真空带」
价值区域 (VA)	成交量占比 70% 的价格区间	市场认为的「合理价格」范围
控制点 (POC)	成交量最大的那个价格	多空平衡点，突破或跌破意义重大

嗯，这里要注意：POC 不是简单的「最高价」或「最低价」。它是成交量最大的那根横条。我在项目中遇到过好几次，新手把 POC 当成阻力位来用，结果被来回打脸。POC 更像是一个磁铁，价格会被吸引过去，但不一定会反转。

4.2 如何绘制 VPVR

市面上很多交易软件都自带 VPVR 工具。比如 TradingView、NinjaTrader、Sierra Chart 等。但如果你像我一样喜欢自己动手，用 Python 也能轻松实现。

下面是我常用的一个简化版代码。它不复杂，但足够用。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

def calculate_vpvr(df, bins=100):
    """
    计算成交量分布
    df: 包含 'high', 'low', 'volume' 的 DataFrame
    bins: 价格区间数量
    """
    price_min = df['low'].min()
    price_max = df['high'].max()
    price_bins = np.linspace(price_min, price_max, bins)
    
    volume_profile = np.zeros(bins - 1)
    
    for i in range(len(df)):
        high = df.iloc[i]['high']
        low = df.iloc[i]['low']
        vol = df.iloc[i]['volume']
        
        # 找到该K线覆盖的价格区间
        mask = (price_bins[:-1] < high) & (price_bins[1:] > low)
        # 简单平均分配成交量
        volume_profile[mask] += vol / mask.sum()
    
    return price_bins[:-1], volume_profile

# 使用示例
# price_levels, volumes = calculate_vpvr(data)
# plt.barh(price_levels, volumes, height=(price_levels[1]-price_levels[0]))

这段代码的核心思路很简单：把价格切成若干区间，然后把每根K线的成交量按比例分配到它覆盖的区间里。当然，真实场景下要考虑时间衰减、成交量加权等因素。但作为入门，这个版本已经够你理解原理了。

我的小技巧： 如果你用 TradingView，建议把 VPVR 的「数值区域」设置为 70%。这样能更清晰地看到市场的主要交易区间。我一般还会把 POC 用黄色高亮标出来，一眼就能看到。

4.3 实战：识别支撑与阻力

好了，理论讲完了。咱们直接上实战。我拿最近做的一个 ETH 订单流分析案例来说。

当时 ETH 在 1800 附近震荡了三天。我打开 VPVR 一看，发现 1780-1820 这个区间成交量堆积得像座山。POC 在 1805。这意味着什么？

如果价格跌破 1780： 下方是真空区，下一个支撑可能在 1720 附近（那里有另一个 HVN）
如果价格突破 1820： 上方阻力不大，目标看 1880
如果价格回到 1805： 大概率会反复测试，不要急着进场

结果呢？价格在 1805 附近磨了整整两天，最后放量突破 1820，直奔 1880。嗯，这就是 VPVR 的威力。它不预测方向，但它告诉你哪里是「硬骨头」。

避坑指南： 我曾经犯过一个错误——只看当天的 VPVR，忽略了历史数据。结果在 1850 附近做空，被一根大阳线直接拉爆。后来我才意识到，那个位置是过去两周的 POC。记住：时间周期越长，VPVR 的参考价值越大。

4.4 VPVR 与订单流的结合

光看 VPVR 还不够。我习惯把它和订单流数据结合起来用。说白了，VPVR 告诉你「哪里成交多」，订单流告诉你「谁在主动买/卖」。

举个例子。假设 VPVR 显示 2000 是 HVN，同时订单流显示该位置出现大量主动卖单（红色柱子）。这说明什么？说明空头在主动砸盘，多头只是在被动接盘。这种情况下，2000 的支撑大概率守不住。

反过来，如果 VPVR 显示 2000 是 HVN，但订单流显示该位置出现大量主动买单（绿色柱子），同时成交量萎缩。这说明空头已经力竭，多头开始反攻。这时候做多，胜率会高很多。

我个人习惯用这个组合策略：

先用 VPVR 找到关键价格区间（VA 上下沿、POC、HVN）
然后看订单流在这些位置的买卖力度
如果买卖力度出现背离（比如价格到 HVN 但成交量萎缩），果断进场

  核心要点： VPVR 是「地图」，订单流是「指南针」。没有地图你会迷路，没有指南针你会原地打转。两者缺一不可。

4.5 常见误区与应对

做 VPVR 分析这几年，我踩过不少坑。挑几个典型的说说。

误区	表现	正确做法
过度依赖 POC	认为 POC 一定会被测试	POC 是参考，不是预言。结合趋势判断
忽略时间衰减	用一周前的 VPVR 分析当前行情	只保留最近 3-5 天的数据，或者使用加权 VPVR
只看单周期	只分析 1 小时图的 VPVR	多周期对照：日线看大方向，分钟线找入场点
忽视成交量异常	看到 HVN 就认为是支撑	检查该 HVN 形成时的成交量是否异常放大

我记得有一次，BTC 在 30000 附近形成了一个巨大的 HVN。我当时觉得这肯定是强支撑，结果价格直接跌破，一路跌到 28000。后来复盘才发现，那个 HVN 是在消息面驱动下形成的，成交量虽然大，但都是恐慌性抛售。这种 HVN 的支撑作用就很弱。

所以，不要只看成交量的大小，还要看成交量背后的「质量」。是主动买盘还是主动卖盘？是机构建仓还是散户跟风？这些信息，订单流数据能给你答案。

4.6 知识体系总览

下面这张图是我自己整理的 VPVR 知识框架。你可以把它当作一个检查清单，看看自己还有哪些地方没搞懂。

这张图把 VPVR 的整个知识体系串起来了。从核心概念到绘制方法，从实战应用到进阶技巧，再到常见误区。你可以把它当作一个学习路线图。每搞懂一个模块，就在心里打个勾。

好了，关于成交量分布的内容就讲到这里。记住：VPVR 不是圣杯，但它是一个极其强大的辅助工具。用好了，你能看到别人看不到的市场结构。用不好，它也会给你虚假的安全感。多复盘，多总结，慢慢你就能找到感觉。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

4、成交量分布(VPVR)：识别关键支撑与阻力位

4.1 VPVR 的核心概念

4.2 如何绘制 VPVR

4.3 实战：识别支撑与阻力

4.4 VPVR 与订单流的结合

4.5 常见误区与应对

4.6 知识体系总览