3、成交量分布（Volume Profile）：成交量分布的概念、POC（Point of Control）识别、价值区域（VA）计算
好，咱们进入第三章。成交量分布，英文叫 Volume Profile，简称 VP。
这东西，说白了就是告诉你——在某个价格上，到底成交了多少量。
你想想看，传统的成交量指标，比如成交量柱状图，它只告诉你「这一分钟成交了多少」。但你没看到的是，这一分钟里，价格从 100 块跑到 101 块，到底哪个价格上成交最多？
嗯，这就是 VP 要解决的问题。
3.1 成交量分布的概念
我刚开始接触这个工具时，觉得它跟 K 线图上的成交量没啥区别。后来在实盘里跑了一段时间才发现——完全不是一回事。
成交量分布，它把每一笔成交的价格和数量都记录下来。然后按价格区间（我们叫「价位」或「tick」）去汇总。
举个例子：
- 价格 100.00 元，成交了 500 手
- 价格 100.01 元，成交了 200 手
- 价格 100.02 元，成交了 800 手
把这些数据画成一张图，横轴是成交量，纵轴是价格。你就能看到——哪个价格上，多空双方打得最激烈。
核心概念：
- 成交量分布图：按价格统计的成交量直方图
- 时间周期：通常以交易日为单位，也可以自定义
- 价位（Price Level）：最小价格变动单位
我个人习惯，在分析主力合约时，会把 VP 的周期设成 1 小时。太短了噪音多，太长了又失去灵敏度。
3.2 POC（Point of Control）识别
POC，全称 Point of Control。翻译过来就是「控制点」。
什么意思呢？就是在整个成交量分布图中，成交量最大的那个价格。
你想想看，如果某个价格上成交了最多的量，说明什么？说明多空双方在这个位置达成了最大共识。换句话说，这个价格是市场最「认可」的价值。
我在项目中遇到过一件事：有一次做股指期货的回测，我发现 POC 这个位置，经常成为后续行情的「磁铁」。价格远离 POC 后，总会被拉回来。说白了，POC 就是市场的「引力中心」。
怎么识别 POC？代码实现其实很简单：
def find_poc(volume_profile):
"""
找到成交量分布中的 POC
volume_profile: dict, key=价格, value=成交量
返回: (poc_price, max_volume)
"""
poc_price = max(volume_profile, key=volume_profile.get)
max_volume = volume_profile[poc_price]
return poc_price, max_volume嗯，这里要注意：如果多个价格成交量相同且都是最大，怎么办？
我建议取中间值。或者，你也可以取第一个出现的。但不管怎么选，一定要在策略文档里写清楚。
实战技巧：
POC 不是一成不变的。随着新数据的加入，POC 会动态移动。我个人习惯在每天收盘后重新计算一次 POC，作为第二天的参考。
3.3 价值区域（VA）计算
价值区域，Value Area，简称 VA。
它指的是——成交量占比达到 70% 的价格区间。
为什么是 70%？这是市场微观结构理论里的一个经验值。你想想看，如果 70% 的成交都集中在某个价格区间内，那这个区间就是市场真正的「价值区域」。价格跑出这个区域，要么是假突破，要么是趋势启动。
计算步骤是这样的：
- 把所有价格按成交量从大到小排序
- 从成交量最大的价格（也就是 POC）开始，向两边扩展
- 累加成交量，直到总成交量达到 70%
- 这个区间就是 VA，上边界叫 VAH，下边界叫 VAL
代码实现：
def calculate_value_area(volume_profile, total_volume, threshold=0.7):
"""
计算价值区域
volume_profile: dict, key=价格, value=成交量
total_volume: 总成交量
threshold: 阈值，默认 70%
返回: (vah, val, va_volume)
"""
# 按成交量排序
sorted_levels = sorted(volume_profile.items(),
key=lambda x: x[1], reverse=True)
# 找到 POC
poc_price = sorted_levels[0][0]
# 从 POC 向两边扩展
target_volume = total_volume * threshold
accumulated = 0
left = poc_price
right = poc_price
# 这里简化了双向扩展的逻辑
# 实际实现需要维护左右指针
while accumulated < target_volume:
# 扩展逻辑...
pass
return vah, val, accumulated避坑指南：
我曾经在计算 VA 时犯过一个错误——直接用成交量排序后取前 70%。结果算出来的 VA 区间特别窄，完全没意义。
正确的做法是：从 POC 向两边扩展，而不是从大到小取前 N 个。
3.4 知识体系图
下面这张图，帮你理清本章的核心逻辑：
3.5 实战中的注意事项
最后，分享几个我在实战中踩过的坑：
- 数据精度问题：不同交易所的 tick 数据精度不一样。做 VP 分析时，一定要统一精度。我吃过这个亏，算出来的 POC 偏差了 0.5 个点。
- 时间窗口选择：日内交易用 30 分钟或 1 小时 VP 效果最好。日线级别用日 VP。别混用。
- 结合订单流使用：VP 告诉你「在哪里成交最多」，订单流告诉你「谁在主动买/卖」。两者结合，威力翻倍。
一句话总结：
成交量分布，就是市场的「热力图」。POC 是温度最高的点，VA 是高温区域。做交易，跟着「热」的地方走，胜率更高。
公众号:蓝海资料掘金营，微信deep3321