5、交易量分析：成交量与信息流的关系、成交量分布（VPIN）、成交量加权平均价格（VWAP）、成交量突变检测
各位同学，咱们今天聊成交量。很多人做交易，眼睛只盯着价格K线，觉得成交量就是个辅助指标。我刚开始做量化那会儿也这么想，直到有一次在股指期货上栽了个大跟头——价格明明突破了，我追进去，结果瞬间被打回来。后来复盘才发现，那根突破K线的成交量，比前一根少了将近一半。说白了，那就是个假突破。
从那以后，我对成交量就格外上心。今天这章，咱们就把成交量掰开揉碎了讲清楚。
5.1 成交量与信息流的关系
成交量是什么？它不只是「今天成交了多少手」。在我看来，成交量是信息流在价格上的投影。你想想看，每一笔成交的背后，都是一个买方和一个卖方在博弈。当大量信息涌入市场时，成交量必然会放大。
我习惯把成交量分为两类：
- 信息驱动型成交量：比如财报发布、政策出台、突发事件。这类成交量通常伴随着价格跳空，而且持续性很强。
- 噪音驱动型成交量：比如高频对倒、程序化刷单。这类成交量往往在短时间内爆发，但很快会回归均值。
怎么区分？我个人有个小技巧：看成交量的「自相关性」。信息驱动的成交量，往往在后续几个周期内仍有延续；而噪音驱动的，基本就是一锤子买卖。
5.2 成交量分布（VPIN）
VPIN，全称是Volume-Synchronized Probability of Informed Trading。翻译过来就是「成交量同步知情交易概率」。这名字听着挺唬人，其实核心思想很简单：把成交量分成若干等份，然后看每一份里，买卖方向的不平衡程度。
为什么要这么做？因为传统的成交量分析是按时间切片，比如每分钟、每小时。但信息流不是按时间均匀到达的。有时候一分钟内成交了10万手，有时候一小时才成交1万手。按时间切片，你会错过很多细节。
VPIN的做法是：把成交量切成等份，比如每份1000手。然后看这1000手里，主动买和主动卖的差值有多大。差值越大，说明知情交易的概率越高。
我给大家画个流程图，方便理解：
嗯，这里要注意：VPIN的阈值不是固定的。不同的品种、不同的市场微观结构，阈值差异很大。我建议你至少回测3个月的数据，找到适合自己品种的阈值。
5.3 成交量加权平均价格（VWAP）
VWAP，全称Volume-Weighted Average Price。这玩意儿机构用得特别多，尤其是大资金交易员。为什么？因为大单子不能按市价直接砸，那样会把价格打飞。他们需要知道：在当前这个时间段内，市场的平均成交成本是多少。
VWAP的计算公式很简单：
VWAP = Σ(价格 × 成交量) / Σ(成交量)举个例子：假设某股票在10元成交了100股，在11元成交了200股。那么VWAP = (10×100 + 11×200) / (100 + 200) = 3200 / 300 ≈ 10.67元。
我个人习惯把VWAP当作「市场公允价格」来看。当价格在VWAP上方运行时，说明买方力量占优；当价格在VWAP下方运行时，说明卖方力量占优。
我曾经做过一个统计：在A股市场，如果开盘后30分钟内价格始终在VWAP上方，那么当天收阳线的概率超过70%。当然，这个数据只是经验之谈，大家不要盲目套用。
5.4 成交量突变检测
成交量突变，说白了就是「量能异动」。正常情况下，成交量应该在一个相对稳定的范围内波动。但如果某根K线的成交量突然放大到前几根K线的3倍以上，那就值得警惕了。
我常用的检测方法有两种：
- Z-Score 方法：计算过去N根K线成交量的均值和标准差，然后看当前成交量偏离了多少个标准差。一般超过2个标准差就算突变。
- 百分比法：当前成交量相对于过去N根K线的中位数，如果超过某个百分比（比如200%），就算突变。
这里给出一段简单的Python代码，用于检测成交量突变：
import numpy as np
def detect_volume_spike(volume_series, window=20, threshold=2):
"""
检测成交量突变
volume_series: 成交量序列
window: 滚动窗口大小
threshold: Z-Score 阈值
"""
rolling_mean = volume_series.rolling(window).mean()
rolling_std = volume_series.rolling(window).std()
z_scores = (volume_series - rolling_mean) / rolling_std
spikes = z_scores > threshold
return spikes嗯，这里有个坑要提醒大家：成交量突变检测不能只看绝对值。比如某只股票平时每天成交100万股，突然有一天成交了300万股，这算突变。但如果这只股票平时每天成交1亿股，突然有一天成交了1.5亿股，虽然绝对值增加了5000万股，但相对变化只有50%，可能不算突变。
最后，我给大家整理了一个表格，总结一下今天讲的内容：
| 指标 | 核心思想 | 适用场景 | 注意事项 |
|---|---|---|---|
| 成交量与信息流 | 成交量是信息流的投影 | 判断真假突破、识别主力意图 | 区分信息驱动和噪音驱动 |
| VPIN | 成交量等份切割，计算买卖不平衡 | 知情交易概率、价格反转预警 | 阈值需根据品种调整 |
| VWAP | 成交量加权平均价格 | 大资金交易、日内趋势判断 | 结合布林带使用效果更佳 |
| 成交量突变检测 | 检测成交量异常放大 | 事件驱动策略、风险预警 | 需结合相对变化和绝对变化 |
好了，这一章的内容就到这里。成交量分析是个细活，需要你在实战中慢慢积累感觉。别指望看一遍就能掌握，多复盘、多总结，慢慢就会有自己的心得了。