8、成交量分布：Volume Profile、POC、VA 区、成交量与价格的关系

聊到成交量分布，我得先坦白一件事。

我刚开始做量化的时候，对成交量这东西其实挺不屑的。觉得价格才是王道，量嘛，辅助看看就行。直到有一次，我在做股指期货的回测，发现一个策略在某个时间段突然失效了。我查了半天，最后发现——那段时间成交量分布极度不均匀，价格在某个区域反复摩擦，但量却集中在另一个区域。嗯，从那以后，我再也不敢小看 Volume Profile 了。

8.1 什么是 Volume Profile？

说白了，Volume Profile 就是把成交量按价格水平来分布，而不是按时间。

传统成交量图，横轴是时间，纵轴是成交量。你看得出来某个时间段成交了多少，但看不出这些成交发生在什么价格上。

Volume Profile 不一样。它把成交量按价格区间（比如每 1 个 tick 或每 0.5 元）进行统计。你一眼就能看出来：哪个价格区间成交最多，哪个价格区间成交最少。

我习惯把 Volume Profile 想象成市场的「体重分布图」。价格是身高，成交量是体重。POC 就是最胖的那个身高段，VA 区就是 70% 的人集中在那几个身高段里。

8.2 POC：市场的重心

POC 是 Volume Profile 里最重要的一个点。它代表在某个时间段内，买卖双方最认可的价格水平。

为什么说它重要？

• POC 是市场的「价值中枢」。价格偏离 POC 太远，大概率会回归。
• POC 是支撑/阻力位。价格回到 POC 附近，往往会有反应。
• POC 是交易量的「引力中心」。你想想看，如果大部分人都愿意在那个价格成交，说明那个价格有共识。

我记得有一次做期货的日内策略，我加了一个简单的 POC 回归逻辑：当价格偏离 POC 超过 2 个标准差时，反向开仓。回测下来，胜率从 55% 直接提到了 63%。当然，实盘的时候要注意滑点，这个后面再说。

8.3 VA 区：价值区域

VA 区是 Volume Profile 里成交量占比 70% 的价格区间。通常从 POC 开始，向上下两边扩展，直到累计成交量达到总成交量的 70%。

VA 区的上沿叫 VAH，下沿叫 VAL。

VA 区的意义在于：它告诉你市场在哪个价格区间内「最舒服」。价格在 VA 区内震荡，说明市场没有强烈的方向性。价格突破 VA 区，说明市场在寻找新的价值区间。

8.4 成交量与价格的关系

这个部分，我直接给你几个实战中验证过的规律：

现象	含义	我的处理方式
价格上涨 + 成交量放大	多头强势，趋势可能延续	顺势做多，但注意 POC 是否跟上
价格上涨 + 成交量萎缩	多头乏力，可能见顶	减仓或准备反手
价格下跌 + 成交量放大	空头强势，趋势可能延续	顺势做空，但注意 POC 支撑
价格下跌 + 成交量萎缩	空头乏力，可能见底	减仓或准备抄底
价格在 VA 区内震荡	市场无方向，高抛低吸	在 VAH 做空，在 VAL 做多
价格突破 VA 区 + 成交量放大	趋势启动，突破有效	追突破，止损设在 VA 区边缘

我曾经犯过一个错误：看到价格突破 VA 区就追，结果被假突破打脸。后来我加了一个条件——突破时成交量必须大于前一根 K 线的 1.5 倍。这个简单的过滤条件，让我的假突破率从 40% 降到了 15% 左右。

8.5 实战中的 Volume Profile 策略

给你一个我常用的策略框架：

1. 计算当天的 Volume Profile（用 30 分钟或 1 小时数据）
2. 标记 POC、VAH、VAL
3. 观察价格与这三个关键位置的关系
4. 制定交易计划

举个例子：

# 伪代码示例
def volume_profile_strategy(price, volume, bins=20):
    # 按价格分桶
    price_bins = np.linspace(min(price), max(price), bins)
    volume_by_price = np.zeros(bins)
    
    for i in range(len(price)):
        bin_idx = np.digitize(price[i], price_bins) - 1
        volume_by_price[bin_idx] += volume[i]
    
    # 找 POC
    poc_idx = np.argmax(volume_by_price)
    poc = price_bins[poc_idx]
    
    # 找 VA 区（70% 成交量）
    total_vol = np.sum(volume_by_price)
    cum_vol = 0
    left_idx = poc_idx
    right_idx = poc_idx
    
    while cum_vol < total_vol * 0.7:
        if left_idx > 0 and right_idx < bins - 1:
            if volume_by_price[left_idx - 1] > volume_by_price[right_idx + 1]:
                left_idx -= 1
            else:
                right_idx += 1
        elif left_idx > 0:
            left_idx -= 1
        else:
            right_idx += 1
        cum_vol = np.sum(volume_by_price[left_idx:right_idx+1])
    
    val = price_bins[left_idx]
    vah = price_bins[right_idx]
    
    return poc, val, vah

这个代码很简单，但够用。实际项目中，我会加上时间衰减权重——越近的成交量权重越高。因为市场是动态的，昨天的 POC 和今天的 POC 可能差很多。

8.6 避坑指南

最后，给你几个我踩过的坑：

• 不要只看一个时间周期的 Volume Profile。我建议至少看两个：一个短周期（比如 30 分钟）做日内，一个长周期（比如日线）看大方向。
• POC 不是永远有效的支撑/阻力。当市场出现重大消息时，POC 可能瞬间被击穿。这时候要相信价格行为，而不是死守 POC。
• VA 区不是交易区间。很多人把 VA 区当成震荡区间来用，但 VA 区只是成交量集中的区域，不代表价格不会突破。我见过价格在 VA 区内震荡了 3 个小时，然后突然放量突破，直接拉出 2% 的行情。
• 成交量数据要清洗。有些交易所的成交量数据有延迟或错误，尤其是期货和加密货币市场。我一般会用中位数滤波或者移动平均来平滑一下。