Dynamic Volume Clusters with Retest Signals (Zeiierman)

策略解读

在公开交易社区中，有一类策略非常受中短线交易者欢迎：它不把成交量当成简单的柱状图来观察，而是把“大量成交发生的价格区间”当作一种有生命力的市场结构。本文要讨论的“动态成交量簇与回测信号”策略，正是这类思路的代表作之一。原作者用一套自适应算法，将成交密集区动态地标记在价格图表上，并在价格重新回到这些区域时发出提示信号。对于普通交易者而言，这种方法的吸引力在于：它把“哪里有人愿意真金白银地交易”这个事实，转化为可跟踪、可执行的价格水平。

需要先说明的是，本文不会讨论任何特定软件或脚本语言，而是聚焦于策略本身的逻辑、理念与用法。如果你在公开社区见过类似名称的指标，会发现它的核心并不复杂：先找出成交量显著放大的价格区间，再把这些区间视作“价值区域”。当价格在未来某个时刻重新触碰或穿越这些区域时，会产生“回测”行为——要么确认支撑/阻力有效，要么发生假突破。该指标的价值，就在于用数学模型自动完成这一系列判断，避免了人工肉眼从繁复的成交量分布图中寻找关键位置的麻烦。

为了更清晰地理解它，我们可以把策略拆成三个层次。第一层是“成交量聚集区的识别”。传统成交量分布图往往按固定价格区间统计成交量，但市场波动率是变化的，固定区间可能导致某些行情下误差加大。动态版本则会根据当前波动率或价格行为自适应调整聚类半径，从而更精确地圈出真正的成交密集区。第二层是“动态更新”。旧的密集区随着时间推移可能失效，指标会结合衰减因子或趋势状态，决定哪些簇需要保留、哪些需要移除。第三层是“回测信号逻辑”。当价格在某个已标记的成交量簇附近出现停顿、反转、突破后回踩等动作时，指标会给出相应的多头或空头提示。

这种设计思路把成交量从“辅助确认工具”提升为“核心决策地图”。在做多或做空之前，交易者不再仅仅关心“量比”或“放量”，而是关心“当前价格相对于历史成交密集区的位置”。如果一个上涨趋势中出现回踩，而回踩位置恰好落在一个前期形成的大成交量簇上，那么这里获得支撑的概率就较高。同理，如果价格在其他区域快速跌破成交量簇，说明该簇堆积的筹码可能已经松动，趋势反转的风险随之加大。

当然，任何工具都不是圣杯。动态成交量簇算法本身涉及不少参数，比如簇的最小成交量阈值、簇与簇之间的最小距离、信号触发的灵敏度等。参数设置不当，可能会导致信号过多或过少。此外，成交量数据在不同市场、不同品种中的可信度也有差异。股票市场有真实成交记录，但某些衍生品市场或加密市场可能存在刷量行为，这会直接影响簇的准确性。因此，本文在后面的“改进建议”中，会给出一些落地时可参考的风控和过滤思路。

名词解释

成交量簇（Volume Cluster）：在一个相对较窄的价格区间内，累积了大量成交量的区域。它通常反映了多空双方在这个价格水平上的激烈交战，或者机构资金在此处大量换手。成交量簇天然构成潜在的支撑或阻力区。

回测信号（Retest Signal）：当价格突破某个关键区域后，第一次回调至该区域边界附近时，重新测试该区域是否有效的信号。回测成功则确认原趋势延续，回测失败则可能形成假突破。该策略中的回测信号还包括价格在成交量簇内部的反复“试探”行为。

动态聚类（Dynamic Clustering）：与固定区间统计不同，动态聚类根据市场波动率、价格位置或成交量的相对变化，自适应地调整聚类的边界与半径。这样可以更好地适应不同波动阶段，避免在低波动时期划分出无意义的碎片区域，或在剧烈波动时漏掉大范围成交密集区。

价值区域（Value Area）：源自市场轮廓理论，指在给定周期内占有大部分成交量（如70%）的价格区间。本文所讨论的成交量簇虽然不完全等于价值区域，但其理念类似——将成交密集的价格范围作为市场的“公允价值”。

假突破（False Breakout）：价格快速越过某个关键技术位（如成交量簇上沿或下沿），但随后迅速回落或反向运行，最终未能站稳突破方向。回测信号常常用于过滤假突破，因为真正的突破后，价格往往会在原突破位附近获得支撑或阻力确认。

衰减因子（Decay Factor）：在动态模型中，为了使较近的成交量数据比很久以前的数据具有更高的权重，引入的随时间递减的系数。通俗地说，半年前的巨大成交量对当前的意义，远不如上周的成交量对当前的意义大。衰减因子正是用来控制这种“记忆长度”的。

策略思路讲解

要深入理解这个策略，必须先从“为什么成交量簇有效”说起。市场价格的本质是成交价，而每一个成交价背后都是真金白银的换手。当某个价格区间在一段时间内出现了持续的高成交量，说明大量参与者在这个价位达成了一致认可。这种认可可能来自大资金的建仓、获利盘的回吐、止损盘的集中触发，或者套保盘的介入。无论具体原因如何，最终结果都是在这个价格区间留下了大量持仓筹码。这些筹码相当于一个“重力中心”：价格涨上去，持有者可能抛售；价格跌回来，等待者可能接盘。于是，该区间会反复影响后续价格行为，直到筹码被充分消化或换手完毕。

传统的成交量分布图会用固定的价格间隔（例如每0.5美元一格）统计成交量，再把柱状图横过来画在价格图旁边。这种方式在比较平稳的市场中有效，但一旦遇到高波动行情，固定间隔会显得过粗或过细。动态成交量簇策略则不一样：它先用某种方法判断当前市场的“最小报价步长”或者波动率范围，然后据此自动合并相邻的密集成交区间，形成一个个边界更加自然的成交量簇。

聚集性识别只是第一步，真正的交易信号产生于“回测”。在一个典型的上升趋势中，价格向上放量突破一个前期形成的成交量簇上沿。突破之后，价格短暂冲高，然后回落。回落到哪里？大概率会回到刚刚突破的那个簇的上沿附近。此时如果出现一根缩量的、带有下影线的K线，且价格没有重新跌入簇体内部，那么策略会判定“回测成功”，发出多头信号。反之，如果价格回落时直接穿透整个簇体，重新回到簇的中心或下沿以下，那么这次突破很可能是假突破，策略可能发出空头信号或者提示离场。

这个逻辑也可以反向应用于下跌趋势。价格跌破一个成交量簇的下沿，随后反弹触及该下沿，若反弹失败，就是一次空头回测确认。策略会根据回测时的成交量变化、K线形态以及相对强弱，决定信号的级别与方向。

另外，策略还特别关注“成交量簇的演变”。同一个价格区间可能在几周前形成巨大成交量簇，但后来价格长期远离该区域，市场重心已经大幅上移或下移。此时旧的簇逐渐失去价值，策略会通过时间衰减机制将其淡化或移除。相反，近期新形成的成交量簇会被赋予更高的权重，因为它更代表当时市场的真实成本和情绪。

如果把这套策略比作地图，那么成交量簇就是地图上的“城市圈”和“要塞”，回测信号则是“侦察兵”。侦察兵报告敌人（价格）是否真的已经被击退或者正在回头。交易者不必完全依赖这个地图，但它至少能让你避开在完全陌生的地貌上盲目行军。

优点

第一，成交量簇是远比趋势线或均线更“诚实”的参考位。均线和趋势线基于价格计算，而成交量簇基于真实发生的换手行为。人为画线可能存在主观性，但一个由大量成交堆积出来的价格区间，很难被少数几笔大单瞬间凭空制造或抹去。

第二，动态自适应能力较强。该策略不是用僵硬的价格间隔去做统计，而是根据当前波动率动态调整聚类半径，因而在趋势行情和震荡行情中都能保持相对实用的轮廓。对交易者而言，这意味着不需要频繁手工修改参数。

第三，回测信号天然具备“确认”功能。很多突破策略的痛点在于假突破过多。本策略要求价格在一段时间后重新回到关键区域并发生某种确认行为，这比单纯追突破多了一道确认闸门，过滤掉相当一部分无意义的小型突破。

第四，适用品种和时间周期较广。无论是股票、指数、期货还是外汇，只要有价格和成交量数据，动态成交量簇都能建立。不同周期的图表上，它也能给出从日内到周级的参考区域，便于多周期共同验证。尤其是对于指数期货和个股，效果通常优于单纯使用布林带或ATR通道。

第五，信号逻辑与资金博弈逻辑高度契合。因为它能同时识别出“机构进场区”和“散户恐慌区”，交易者可以据此更有依据地设置止损。比如在回测成功后买入，把止损放在成交量簇的中位线以下，而不是随意的固定百分比，这样的止损逻辑更接近市场结构。

缺点

第一，滞后性无法完全避免。成交量簇需要积累一定数量的历史数据才能形成，越是大的簇，需要的时间越长。因此，在快速突变行情中，新产生的关键区域可能尚未被算法识别，而旧区域的信号已经失去时效，导致策略反映偏慢。

第二，参数敏感度较高。虽然“动态”特色减少了一部分人工干预，但簇的最小规模、衰减速度、合并距离等参数依然会显著影响结果。换一个品种或周期，同一套参数可能表现迥异。对新手来说，想要调好参数并不容易。

第三，成交量数据的真实性会影响策略根基。在部分市场（如某些数字资产）中，存在大量刷单和虚假成交量，这些虚假数据会被算法当成真实筹码，从而绘出具有误导性的成交量簇。交易者若缺乏分辨能力，可能被虚假信号误导。

第四，震荡市中的回测信号容易频繁失效。当价格在一个大区间内来回折返时，同一个成交量簇会被反复测试，信号可能多次发出又频繁被打脸。如果不加过滤条件，账户会在这种拉锯战中被不断止损消耗。

第五，单一时间周期的成交量簇存在盲区。日线上的密集区可能与周线或分钟级密集区相互冲突，若只观察单一周期，对“回测是否成功”的判断会过于片面。

起源年份考证

需要先说明，这里的考证是针对“动态成交量簇结合回测信号”这一类方法的行业演化时间线，而不是针对某一位具体作者或某一款特定指标。因为很多公开交易社区上的指标都是作者个人整合已有理论并重新实现的结果，原始代码发布时间难以逐一考证，也没有权威来源能确认其具体年份。

从方法家族来看，这类策略的源头可以追溯到20世纪80年代的市场轮廓理论。1985年前后，芝加哥期货交易所率先推广由Steidlmayer提出并发展出的“市场轮廓”（Market Profile）概念，它第一次把成交量与价格分布结合起来，形成“价值区域”和“钟形分布”等视角。这可以视为该类方法的最早公开雏形。

进入1990年代，随着计算机在国内外的普及，交易软件的成交量分布图（Volume Profile，VP）开始出现。1991年，一些商业软件公司开始提供基于固定价格区间的成交量分布工具，使得普通交易者也能看到“横向的成交量柱状图”。但当时的分布计算仍然是静态的、固定间隔的。

2000年代，动态聚类技术在量化领域得到更多应用。2003年前后，部分研究机构和自营交易团队开始试验用自适应带宽的算法对成交量分布做聚类，目的是解决固定带宽在快速行情下失真问题。不过这些方法多以内部研究形式存在，并未广泛传播到公开社区。

2010年代是重要分水岭。2014年前后，国外流行的图表分析平台陆续支持自定义成交量分布指标，一些开发者开始将聚类、衰减权重、回测信号等功能整合进单一个指标中。同年至2016年间，公开交易社区上出现了多款带有“Volume Cluster”或“Value Area Plus”命名的工具，其核心逻辑均已包含动态区间识别。2018年以后，类似“动态成交量簇+回测信号”的完整策略框架逐渐在公开社区流传开来，成为中短线交易者常用的一类工具。

因此，若将“动态成交量簇与回测信号”视为一个完整概念系统，它的公开传播大致在2014—2018年之间。而该策略作者在公开社区发布自己整合版指标的时间，属于2010年代末到2020年代初的行业浪潮之一。更精确的发布日期，由于没有可信的文件或公告证明，这里无法考证。

时间线小结：

• 1985—1986年：市场轮廓理论成型，成交量分布视角萌芽；
• 1991—1995年：成交量分布图进入商业软件，但为静态固定区间；
• 2003—2007年：自适应聚类方法在机构量化中逐步应用；
• 2014—2016年：开放社区出现包含动态聚类与回测信号的成交量类指标；
• 2018—2021年：该类策略在交易社区广泛流行，多种变体涌现。

改进建议

第一，增加“多周期共振”过滤。单独使用日线级别成交量簇可能信号较慢，可以在周线和30分钟等周期上同步计算簇，要求至少两个周期的回测信号方向一致再入场。例如，日线级别出现回踩支撑确认，但周线级别显示价格正处于重大阻力下方，此时可暂停做多。多周期共振能明显降低震荡市中的失败率。

第二，引入成交量斜率与能量指标确认。当价格回测成交量簇时，不应只观察价格是否停在簇内，还应观察回测过程中的“量能结构”。比如，下跌回测时成交量应明显萎缩，而涨破簇体上沿时成交量应放大。可将成交量的短期斜率或量比变化作为辅助确认条件，减少无谓的假信号。

第三，对成交量簇的衰减函数进行更细致的建模。目前大多数实现采用线性或指数衰减，但不同市场有不同的资金记忆周期。改进方向是让衰减系数随波动率变化：高波动时期加快旧簇衰减，低波动时期放慢衰减。这样可避免在剧烈上涨后仍死守几个月前的低成交量簇，也能在低位长期横盘时保留有效支撑区。

第四，屏蔽低成交量环境下的信号。在节假日、重大消息公布前、或市场深度极差的时段，成交量数据可能严重失真。建议策略先从总体平均成交量中计算一个“活跃度阈值”，当最近一段时间的成交量低于该阈值时，暂停生成新的回测信号。尤其对于流动性较弱的品种，这一点至关重要。

第五，结合K线形态进行二次确认。每个回测信号生成时，可附加要求满足经典的价格形态，例如长下影线、看涨/看跌吞没、早晨之星等。不需要手动绘制，只需要在策略逻辑中调用简单的K线模式识别函数。这样可以过滤掉一部分“价格仅仅在簇边缘碰了一下又离开”的模糊信号。

第六，设置动态止损与止盈机制。不要使用固定点数止损，而是把止损设在成交量簇的另一侧边界。例如，多头入场后，若价格重新跌破该簇的50%分位，立即离场。止盈则可设置成“到达下一个反向成交量簇附近”。这种跟随簇边界的退出方式，比固定盈亏比更符合市场本身的筹码分布。

第七，加入时间窗口约束。当一个成交量簇被反复测试超过一定次数后，它的支撑/阻力功能会逐渐减弱。因为每次回测都会消耗该区域的流动性。改进算法可记录每个簇被测试的次数，一旦超过五次，自动降低该簇的权重或直接标记为“失效”。这样可以避免在旧区间的“僵尸价位”上反复博弈。

总结

动态成交量簇与回测信号策略，本质上是对市场真实交易足迹的重构与利用。它把零散的成交量数据组织成有边界的“筹码城池”，再利用价格重新返回这些城池时的行为来作决策。这种方法比单纯看均线或MACD更加贴近市场参与者的成本结构，也更有说服力。与其说它是一个指标，不如说它是一套“尊重真金白银”的交易哲学。

当然，再好的地图也需要优秀的驾驶员。成交量簇能提供有价值的参考位，但不可能预测每一次真假突破。交易者在应用时，必须结合自己对市场周期的理解、严格的资金管理以及对品种特性的把握。对于新手，建议先把它当作一种“标记工具”来观察价格与成交密集区的关系，而不是直接用它全自动下订单；等到理解了信号背后的逻辑，再逐步加入自己的过滤规则。

回顾这一策略的起源与演化，我们不难发现，成熟交易工具往往不是某一天的灵光乍现，而是几代人关于“市场结构”认知的沉淀。从1980年代的市值分布雏形，到2010年代的自适应聚类与回测确认，每一步都是在回答同一个问题：当价格重新走过旧日战场的废墟时，我们该如何倾听那些尚未散尽的回声？

最终，策略不是用来消灭不确定性的，而是用来帮助我们在一团迷雾中，找到那些相对更可靠的路径。动态成交量簇的回测信号，就是这条路径上最明亮的路标之一——愿你能够驾驶自己的仓位，稳稳地穿过它们。