13、交易量与价格趋势：量价关系分析。价量背离的识别

各位同学，今天我们来聊聊量价关系。

说实话，在量化交易里，价格和成交量就像一对夫妻。感情好的时候，趋势走得顺。一旦闹别扭，行情就容易出问题。我做了这么多年交易，见过太多因为忽视量价关系而翻车的案例。

13.1 量价关系的底层逻辑

先问大家一个问题：价格是怎么形成的？

嗯，是买卖双方博弈的结果。但成交量呢？它反映的是参与者的「热情程度」。价格涨了，如果成交量没跟上，说明什么？说明大家不认可这个价格。说白了，就是虚涨。

我个人习惯把量价关系分成四种基本状态：

价格方向	成交量变化	市场含义
上涨	放量	趋势健康，资金认可
上涨	缩量	动能不足，警惕反转
下跌	放量	恐慌出逃，或主力吸筹
下跌	缩量	抛压减弱，可能见底

你想想看，如果一只股票连续三天涨停，但成交量一天比一天小。这正常吗？不正常。这说明买盘在减少，只是卖盘更少而已。一旦有人开始砸盘，价格会瞬间崩塌。

13.2 价量背离的识别

价量背离，是交易中最危险的信号之一。我曾在项目中遇到过一只股票，价格创了新高，但成交量只有前高的三分之一。我当时就觉得不对劲，果断平仓了。结果第二天，直接跌停。

价量背离有两种常见形态：

13.2.1 顶背离

价格创新高，但成交量没创新高。甚至成交量在萎缩。

• 价格：一波比一波高
• 成交量：一波比一波低
• 结论：多头力量衰竭，随时可能反转

13.2.2 底背离

价格创新低，但成交量开始放大或不再创新低。

• 价格：一波比一波低
• 成交量：不再创新低，甚至开始放大
• 结论：空头力量衰竭，可能见底反弹

13.3 量价关系的实战应用

光讲理论没意思。我们来点实际的。

我个人习惯用「量价配合度」这个指标来量化分析。说白了，就是计算价格变动和成交量变动的相关性。

# 一个简单的量价配合度计算
import pandas as pd
import numpy as np

def volume_price_correlation(df, window=20):
    """
    计算量价配合度
    df: 包含 close 和 volume 的 DataFrame
    window: 滚动窗口
    """
    # 计算价格变化率
    price_change = df['close'].pct_change()
    # 计算成交量变化率
    volume_change = df['volume'].pct_change()
    
    # 滚动相关系数
    corr = price_change.rolling(window).corr(volume_change)
    
    return corr

# 使用示例
# corr 大于 0.5 表示量价配合良好
# corr 小于 -0.3 表示量价背离

嗯，这里要注意。相关系数只是一个参考。我见过很多新手看到相关系数为负就急着做空，结果被市场狠狠教训了一顿。

13.4 量价关系的知识体系

下面这张图，是我自己总结的量价关系分析框架。你把它记在心里，做交易时就不会乱。

这张图你看懂了吗？从上到下，先判断价格趋势，再看成交量变化，然后计算配合度，最后识别背离。每一步都不能跳过。

13.5 避坑指南

最后，分享几个我踩过的坑：

• 不要只看日线。我曾经只看日线判断量价背离，结果被周线级别的趋势打脸。多周期共振才靠谱。
• 不要忽略大盘环境。个股的量价关系，很多时候受大盘影响。大盘放量下跌时，个股的底背离可能只是暂时的。
• 不要迷信单一指标。量价背离只是信号，不是圣杯。我习惯结合MACD、RSI等指标一起看。

好了，这一章就到这里。记住，成交量是市场的语言。学会听懂它，你就能比别人多看到一些东西。