8、成交量分布(VP)：成交量分布图的绘制逻辑，高量区域与低量区域，价值区域(VA)的确定
成交量分布，英文叫 Volume Profile，简称 VP。这东西在订单流交易里，可以说是最核心的工具之一。我刚开始接触它的时候，觉得不就是个柱状图嘛，有啥稀奇的？后来在实盘里吃过几次亏，才真正明白——它画出来的不是成交量，而是市场参与者的「共识边界」。
说白了，VP 就是告诉你：在某个价格水平上，到底有多少人愿意成交。价格涨上去又跌回来，哪个位置换手最充分？哪个位置几乎没人碰？这些信息，K线图不会直接告诉你，但 VP 会。
8.1 成交量分布图的绘制逻辑
先讲绘制逻辑。VP 的横轴是成交量，纵轴是价格。它不像传统成交量那样按时间画竖线，而是把每个价格水平上的成交量累加起来，横着画。
具体怎么算？我举个例子。假设某只股票在 10:00 到 10:01 这一分钟内，成交了 1000 股。其中：
- 在 50.00 元成交了 200 股
- 在 50.01 元成交了 300 股
- 在 50.02 元成交了 500 股
那么 VP 就会在 50.00 这个价格上累加 200，在 50.01 上累加 300，在 50.02 上累加 500。然后继续处理下一分钟的数据，把所有相同价格的成交量加起来。最终，每个价格水平上都有一个总成交量，画出来就是一根横着的柱子。
这里有个关键参数——「行距」或叫「价格精度」。我习惯用 1 个 tick 作为行距，比如股票用 0.01 元，期货用 1 个最小变动价位。行距越小，图越精细，但噪音也越大。行距太大，又会丢失细节。嗯，这个需要根据品种自己调。
核心要点：VP 的横轴长度代表该价格水平上的总成交量。柱子越长，说明这个价格上成交越活跃，多空博弈越激烈。
你可能会问：为什么不直接用传统成交量？传统成交量是按时间切的，比如每分钟一根柱子。但 VP 是按价格切的。两者的视角完全不同。传统成交量告诉你「什么时候有人在交易」，VP 告诉你「什么价格上有人在交易」。后者对判断支撑阻力，更有直接意义。
8.2 高量区域与低量区域
画完 VP 之后，你会看到一些价格水平上柱子特别长，有些地方特别短。这就是高量区域和低量区域。
高量区域，就是成交量特别大的价格区间。这说明市场在这个价格上达成了大量交易，多空双方都认可这个价格。我个人的经验是，高量区域一旦形成，往往会成为后续行情的「价值中枢」。价格离开这个区域后，迟早会回来「确认」一下。
我在项目中遇到过一件事：某期货品种在 5000 点附近连续三天成交量巨大，VP 显示那里是绝对的高量区。后来价格涨到 5200，很多人觉得要突破了，但我看到 VP 上 5000 附近还有大量未平仓的筹码，就判断价格一定会回踩。果然，两天后价格跌回 5000 附近，然后才重新上涨。
低量区域，就是成交量稀少的区间。说白了，就是「没人愿意在这个价格成交」。低量区域通常出现在快速上涨或下跌的过程中，价格像穿过真空一样「嗖」地就过去了。
低量区域有什么意义？它往往是潜在的「价格跳跃区」。价格一旦进入低量区，因为没有足够的对手盘，很容易快速穿过。反过来，如果价格在低量区停留，说明市场可能在这里形成了新的共识，低量区可能会变成高量区。
实战技巧：我一般把高量区域的上沿和下沿作为重要的支撑阻力位。低量区域则用来判断趋势的延续性——如果价格在低量区上方运行，说明上涨阻力小，趋势可能延续。
8.3 价值区域(VA)的确定
价值区域，Value Area，简称 VA。这是 VP 里最重要的概念之一。VA 指的是「大部分成交量发生的价格区间」。通常我们取总成交量的 70% 作为 VA 的覆盖范围。
具体怎么算？步骤是这样的：
- 先找到成交量最大的那个价格水平，这叫「控制点」POC。
- 从 POC 开始，向上下两个方向累加成交量。
- 每次累加时，选择累加后总成交量增加最多的那个方向。
- 直到累加的总成交量达到全部成交量的 70%。
- 此时覆盖的价格区间，就是价值区域 VA。
听起来有点绕？我写个简单的 Python 代码演示一下：
def calculate_va(volume_by_price, total_volume, threshold=0.7):
# volume_by_price: dict, key=价格, value=成交量
# 找到 POC
poc = max(volume_by_price, key=volume_by_price.get)
# 按价格排序
sorted_prices = sorted(volume_by_price.keys())
poc_idx = sorted_prices.index(poc)
# 从 POC 向两边扩展
cum_vol = volume_by_price[poc]
low_idx = poc_idx
high_idx = poc_idx
while cum_vol < total_volume * threshold:
# 看向上加还是向下加能增加更多成交量
if low_idx > 0 and high_idx < len(sorted_prices) - 1:
up_vol = volume_by_price[sorted_prices[high_idx + 1]]
down_vol = volume_by_price[sorted_prices[low_idx - 1]]
if up_vol >= down_vol:
high_idx += 1
cum_vol += up_vol
else:
low_idx -= 1
cum_vol += down_vol
elif low_idx > 0:
low_idx -= 1
cum_vol += volume_by_price[sorted_prices[low_idx]]
elif high_idx < len(sorted_prices) - 1:
high_idx += 1
cum_vol += volume_by_price[sorted_prices[high_idx]]
else:
break
va_low = sorted_prices[low_idx]
va_high = sorted_prices[high_idx]
return va_low, va_high, poc这段代码的逻辑就是：从 POC 出发，每次选择能带来更多成交量的方向扩展，直到覆盖 70% 的总成交量。你想想看，这其实就是在找「市场最认可的价格区间」。
注意：70% 是默认值，但不是铁律。有些交易者用 68%，有些用 72%。我个人习惯在波动大的品种上用 68%，波动小的用 72%。具体多少，建议你回测一下自己的品种。
VA 的上下边界，就是价值区域的高点和低点。POC 是价值区域内成交量最大的那个价格。这三个数据，构成了 VP 分析的核心框架。
我曾经犯过一个错误：只看 POC 不看 VA 的宽度。有一次 POC 非常明显，但 VA 的宽度特别大，说明市场分歧严重。我当时没注意，直接按 POC 做多，结果价格在 VA 内部反复震荡，最后止损出局。后来我养成了习惯：VA 宽度大时，说明市场还没达成一致，最好等 VA 收窄再动手。
8.4 知识体系结构图
下面这张图，把 VP 的核心逻辑串起来了。你可以看到，从原始数据到最终决策，每一步都有明确的逻辑关系。
从这张图可以看得很清楚：原始数据经过绘制逻辑的处理，得到高量区、低量区和 VA 三个核心概念，最后落地到实战应用。每一步都有明确的输入和输出。
8.5 小结
成交量分布 VP，本质上是在回答一个问题：市场在什么价格上达成了共识？高量区域是共识区，低量区域是分歧区，VA 是共识的核心区间。POC 是共识最强的那个点。
我个人觉得，VP 最大的价值在于它让你从「时间视角」切换到「价格视角」。传统 K 线图告诉你什么时候发生了什么，VP 告诉你什么价格上发生了什么。两者结合，才能看到更完整的市场图景。
嗯，这一章的内容就到这里。记住：VP 不是预测工具，它是描述工具。它告诉你过去发生了什么，至于未来怎么走，还需要结合其他工具一起判断。