14、订单流与市场轮廓：Market Profile与订单流的时间价格机会

做交易这么多年，我越来越觉得一个道理：价格只是结果，时间才是过程。

很多人盯着K线看，觉得价格涨了就是买盘强，跌了就是卖盘狠。但你有没有想过——同样的涨幅，用了10分钟和用了2小时，背后的含义完全不一样？

这就是我今天要聊的核心：Market Profile（市场轮廓）。它把时间和价格揉在一起，告诉你市场在什么价位花了多少时间。再配合订单流，你就能看到「谁在什么时间、什么价位、干了多少事」。

说白了，这就是多周期共振的另一种玩法——时间周期和价格周期共振。

14.1 市场轮廓的核心逻辑

Market Profile 是 Pete Steidlmayer 在80年代搞出来的。他当时在CBOT（芝加哥期货交易所）做交易，发现一个现象：市场在某个价位停留的时间越长，这个价位就越重要。

为什么？

你想想看，如果某个价位反复被测试，说明多空双方在这里激烈博弈。谁赢了，价格就往哪边跑。这个价位就成了「价值区域」——也就是市场公认的合理价格区间。

我个人习惯把 Market Profile 理解成「市场的记忆」。它记录了每个价格被交易了多少次，或者说，市场在哪个价格区间花了最多的时间。

核心公式：
时间 × 价格 = 价值区域
价值区域 + 订单流 = 交易机会

14.2 订单流如何补充市场轮廓

Market Profile 告诉你「在哪里花了时间」，但没告诉你「谁在花时间」。订单流正好补上这一环。

举个例子：

假设某只股票在 100 元附近横盘了 2 小时，Market Profile 显示这里是个高价值区域。但光看这个，你不知道是买方在吸筹，还是卖方在派发。

这时候订单流就派上用场了：

  • 如果 Delta 持续为正（主动买盘 > 主动卖盘），说明买方在悄悄吃货。这个横盘就是吸筹区。
  • 如果 Delta 持续为负（主动卖盘 > 主动买盘），说明卖方在偷偷出货。这个横盘就是派发区。
  • 如果 Delta 来回震荡，说明多空在拉锯，还没分出胜负。

我在项目中遇到过好几次这种情况：光看 Market Profile 觉得是个支撑位，结果一进去就被套。后来加上订单流一看，原来 Delta 一直在负值区，那是卖方在压盘。嗯，从那以后我再也不敢只看轮廓不看流量了。

14.3 时间价格机会（TPO）的结构

TPO（Time Price Opportunity）是 Market Profile 的最小单位。每个 TPO 代表「在某个时间段内，价格到达过某个价位」。

通常我们用字母来表示时间：

  • A 代表第一个30分钟
  • B 代表第二个30分钟
  • C 代表第三个30分钟
  • ……以此类推

每个字母出现在某个价格旁边，就说明在那个30分钟内，价格到过这个位置。

举个例子：

价格     TPO
102.50   A B C
102.00   A B C D
101.50   A B C D E
101.00   B C D E
100.50   C D E
100.00   D E

你看，101.50 这个价位出现了 5 个字母（A到E），说明市场在这里花了最多的时间。这就是价值区域的核心。

我的小技巧：
如果某个价位的 TPO 数量是相邻价位的 2 倍以上，这个价位就是「关键控制点」（POC）。POC 往往是多空分水岭，突破或跌破都有大行情。

14.4 多周期共振的实战应用

好了，理论说完了，咱们来点实战的。

我个人习惯用三个时间周期来做共振分析：

周期 作用 关键指标
日线 定方向 日线价值区域、POC
60分钟 找节奏 小时线TPO、Delta趋势
5分钟 抓入场 订单流失衡、吸收

具体怎么用？

  1. 日线定方向：先看日线 Market Profile，找到价值区域和 POC。如果价格在价值区域上方，偏多；在下方，偏空。
  2. 60分钟找节奏：看小时线的 TPO 分布，确认当前是吸筹还是派发。配合 Delta 趋势，判断主力意图。
  3. 5分钟抓入场：在日线和小时线都共振的方向上，用订单流找具体的入场点。比如出现大单吸收、Delta 背离等信号。

我曾经用这个方法抓过一波原油的行情。日线 POC 在 78.5，价格一直在上面晃。小时线显示 Delta 持续为正，说明买方在吸筹。5分钟图上出现了一个明显的吸收形态——大卖单被吃掉，价格不跌。我果断入场，拿了 3 美元的利润。

注意：
多周期共振不是万能的。如果三个周期方向不一致，千万别强行交易。我见过太多人为了「凑共振」而硬做，结果被来回打脸。记住：共振是等出来的，不是找出来的。

14.5 用Python实现Market Profile

光说不练假把式。咱们写个简单的 Python 代码，把 Market Profile 画出来。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

def calculate_market_profile(df, period='30min'):
    """
    计算Market Profile
    df: 包含时间、最高价、最低价的DataFrame
    period: TPO的时间周期，默认30分钟
    """
    # 按时间周期分组
    df['time_group'] = df['time'].dt.floor(period)
    
    # 为每个时间组分配字母
    letters = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'
    df['tpo_letter'] = df.groupby('time_group').ngroup().apply(
        lambda x: letters[x % 26]
    )
    
    # 构建TPO矩阵
    tpo_data = []
    for _, row in df.iterrows():
        price_range = np.arange(row['low'], row['high'] + 0.5, 0.5)
        for price in price_range:
            tpo_data.append({
                'price': price,
                'letter': row['tpo_letter']
            })
    
    tpo_df = pd.DataFrame(tpo_data)
    
    # 统计每个价位的TPO数量
    profile = tpo_df.groupby('price')['letter'].apply(
        lambda x: ''.join(sorted(set(x)))
    ).reset_index()
    
    # 找到POC（关键控制点）
    profile['tpo_count'] = profile['letter'].str.len()
    poc = profile.loc[profile['tpo_count'].idxmax(), 'price']
    
    return profile, poc

# 使用示例
# profile, poc = calculate_market_profile(data)
# print(f"POC: {poc}")

这段代码的核心逻辑：

  • 把时间切成30分钟的块，每个块分配一个字母
  • 记录每个价格在哪些时间块被触及
  • 统计每个价位的TPO数量，找到POC

实际项目中，我会把这个函数封装到交易系统里，每天开盘前自动跑一遍，看看当天的价值区域在哪里。

14.6 避坑指南

最后，分享几个我踩过的坑：

  • 别把TPO当精确信号：TPO只是告诉你市场在哪里花了时间，不代表一定会反转。它是个概率工具，不是水晶球。
  • 注意时间周期的一致性：如果你用30分钟的TPO，就别跟5分钟的订单流硬凑。周期差太多，共振效果会打折扣。
  • 小心跳空缺口：跳空会让Market Profile出现断层。这时候TPO的参考价值会下降，需要结合订单流重新评估。

我曾经在黄金上吃过这个亏。日线POC在1850，价格跳空低开到1840，我以为是假突破，结果一路跌到1800。后来复盘发现，跳空后的订单流显示Delta持续为负，卖方完全控盘。嗯，从那以后我再也不敢忽视跳空后的订单流了。

14.7 本章小结

Market Profile 和订单流，一个是「时间维度」，一个是「量能维度」。两者结合，你就能看到市场的全貌：

  • Market Profile 告诉你「在哪里花了时间」
  • 订单流告诉你「谁在花时间」
  • 多周期共振告诉你「什么时候动手」

说白了，这就是把时间和价格两个维度揉在一起，找到高概率的交易机会。我个人觉得，这是目前最接近「市场本质」的分析方法之一。

记住一句话：价格会骗人，但时间和量能不会。

交易系统化学习资料 微信Strategy888888

← 上一章 📖 返回目录 下一章 →