第18章订单流与反转交易

第十八章：订单流与反转交易

反转交易，说白了就是“抄底摸顶”。

但很多人抄底抄在半山腰，摸顶摸在天花板。为什么？

因为他们只看价格，不看订单流。

我个人习惯，判断反转一定要看Delta与价格的背离。价格创新高，Delta却在下降——这就是典型的顶背离信号。反过来，价格创新低，Delta却在上升——底背离。

今天我们就来聊聊，怎么用Python捕捉这些背离信号。

18.1 什么是订单流背离？

先理清一个概念。

订单流背离，不是价格与指标背离，而是价格与“买卖力量”背离。

Delta = 主动买量 - 主动卖量。

当价格涨了，Delta却跌了——说明上涨是虚的，有人在偷偷出货。

当价格跌了，Delta却涨了——说明下跌是假的，有人在悄悄吸筹。

我在项目中遇到过好几次，价格突破新高，散户追进去，结果主力直接砸盘。回头看Delta，早就拐头了。

核心逻辑：

顶背离：价格高点 > 前高，Delta高点 < 前高
底背离：价格低点 < 前低，Delta低点 > 前低

18.2 背离的两种形态

嗯，这里要注意，背离不是只有一种。

我把它分成两类：

类型	价格	Delta	含义
常规顶背离	新高	未创新高	上涨动能衰竭
隐藏顶背离	未创新高	创新高	主力试盘，即将反转
常规底背离	新低	未创新低	下跌动能衰竭
隐藏底背离	未创新低	创新低	主力洗盘，即将反转

你想想看，隐藏背离其实更危险。因为它不容易被发现。我曾经吃过这个亏，以为价格没破位就没事，结果Delta已经提前爆量了。

18.3 Python实现反转信号检测

下面我直接上代码。这个是我自己用的检测函数，经过实盘验证的。

import pandas as pd
import numpy as np

def detect_divergence(df, price_col='close', delta_col='delta', window=5):
    """
    检测Delta与价格的背离信号
    df: 包含价格和Delta的DataFrame
    window: 比较窗口，默认5根K线
    返回：信号DataFrame
    """
    signals = pd.DataFrame(index=df.index)
    signals['price_high'] = df[price_col].rolling(window=window, center=True).max()
    signals['price_low'] = df[price_col].rolling(window=window, center=True).min()
    signals['delta_high'] = df[delta_col].rolling(window=window, center=True).max()
    signals['delta_low'] = df[delta_col].rolling(window=window, center=True).min()
    
    # 顶背离：价格创新高，Delta未创新高
    top_div = (signals['price_high'] > signals['price_high'].shift(1)) & \
              (signals['delta_high'] <= signals['delta_high'].shift(1))
    
    # 底背离：价格创新低，Delta未创新低
    bot_div = (signals['price_low'] < signals['price_low'].shift(1)) & \
              (signals['delta_low'] >= signals['delta_low'].shift(1))
    
    signals['top_divergence'] = top_div
    signals['bot_divergence'] = bot_div
    
    return signals

# 使用示例
# df = pd.read_csv('orderflow_data.csv')
# result = detect_divergence(df, window=5)
# print(result[result['top_divergence'] | result['bot_divergence']])

避坑指南：

我曾经把window设得太小（比如3），结果噪声太多，全是假信号。后来改成5-8，效果好了很多。具体数值你可以根据品种调整，但别小于5。

18.4 实战中的过滤条件

光有背离信号还不够。你想想看，如果每个背离都做，手续费都亏死。

我一般加三个过滤条件：

Delta绝对值要大：背离时Delta的绝对值至少是前5根K线均值的1.5倍。否则可能是随机波动。
价格位置要极端：价格处于布林带上轨或下轨附近。背离+极端位置，成功率翻倍。
成交量配合：背离出现时，成交量最好萎缩。说明市场参与度低，更容易反转。

def filter_divergence(df, signals, delta_threshold=1.5, bb_period=20):
    """
    过滤背离信号
    """
    # 计算布林带
    df['ma'] = df['close'].rolling(bb_period).mean()
    df['std'] = df['close'].rolling(bb_period).std()
    df['upper'] = df['ma'] + 2 * df['std']
    df['lower'] = df['ma'] - 2 * df['std']
    
    # 计算Delta均值
    df['delta_ma'] = df['delta'].rolling(5).mean()
    
    # 顶背离过滤：价格在上轨附近，Delta绝对值大于均值1.5倍
    top_filter = (df['close'] >= df['upper'] * 0.98) & \
                 (df['delta'].abs() >= df['delta_ma'].abs() * delta_threshold)
    
    # 底背离过滤：价格在下轨附近
    bot_filter = (df['close'] <= df['lower'] * 1.02) & \
                 (df['delta'].abs() >= df['delta_ma'].abs() * delta_threshold)
    
    signals['filtered_top'] = signals['top_divergence'] & top_filter
    signals['filtered_bot'] = signals['bot_divergence'] & bot_filter
    
    return signals

注意：

过滤条件不是越多越好。加太多条件，信号会变得极少，甚至几个月都等不到一次。我一般保持2-3个核心条件就够了。

18.5 知识体系图

下面这张图，是我自己总结的订单流反转交易框架。你可以保存下来，做交易前对照一下。

18.6 实盘中的注意事项

最后说几个我踩过的坑。

别在震荡市用背离：震荡行情里，背离信号频繁出现，但大部分是假的。我一般只在趋势行情中做背离交易。
背离不是入场点：背离只是预警，不是开仓信号。我习惯等价格突破关键位后再入场。
多周期共振：如果15分钟图出现背离，同时1小时图也出现背离，那这个信号就非常可靠。我一般至少看两个周期。

总结一句话：

订单流背离，是价格与Delta的“貌合神离”。

价格在涨，Delta在跌——别追。

价格在跌，Delta在涨——别割。

等信号确认，再动手。

好了，这一章的内容就到这里。代码你可以直接拿去用，但记得根据自己的品种调整参数。