VAMA Volume Adjusted Moving Average Function

NOTE

本文为公开交易策略的技战术复盘，聚焦方法逻辑、交易场景与风险边界。

策略解读

传统移动平均线以固定时间窗口（如 5 日、20 日）作为计算基础，无论这段时间内市场交易是否活跃，每根K线都被赋予相同的权重。这种做法的隐含假设是“时间代表信息”，但真实市场中，成交量的分布并不均匀。某些日子里市场清淡，另一些日子里则剧烈放量。若只看时间窗口，那些低成交量K线可能并不具备充分的价格发现意义。

VAMA（Volume Adjusted Moving Average，成交量调整移动平均线）正是针对这一缺陷而设计。它的核心思想是：将“周期”从时间维度转换为“成交量维度”。通俗地说，传统移动平均线每隔若干根K线计算一次均值，而 VAMA 则是在累计成交量达到某一设定水平后，才完成一次均值计算。这样，价格样本的选取始终以市场参与强度为标准，而非以日历时间为标准。

在这份公开策略脚本中，作者以单个函数的形式实现了理查德·阿姆斯的原始构想，并增加了若干实用设置。其中 SampleN 用于确定平均成交量的基准样本范围，在样本内先计算出“平均成交量”，再将这个平均成交量作为后续划分“成交量桶”的尺子。VAMA Source 决定了用于加权计算的价格，通常是收盘价，但也可替换为典型价格或加权收盘价。VAMA Length 则指定了成交量比率桶的数量——每一个桶代表的成交量增量相当于平均成交量的多少倍，这个参数直接控制移动平均线的平滑程度。

例如，若平均成交量为 100 万股，VAMA Length 设定为 10，则每累计 1000 万股成交量，就形成一个“成交量桶”，移动平均线会在每个桶形成时更新一次。这种设计让移动平均线在高波动、高成交量时段反应更灵敏，在低波动、低成交量时段则更平稳。同时，通过设置快速与慢速两条 VAMA，可以模拟传统双均线交叉策略，但交叉信号的含义会从“时间趋势转变”升级为“单位成交量下的价格动能转变”。

名词解释

VAMA（Volume Adjusted Moving Average，成交量调整移动平均线）
一种不以时间为周期基准，而以成交量累积作为周期划分依据的移动平均线。它通过比较单位成交量所对应的价格变化幅度，来更真实地反映市场参与者的平均成本与趋势强度。

移动平均线（Moving Average）
对一段时间内价格取平均值的趋势指标，用于平滑价格波动、识别方向。常见的有简单移动平均线（SMA）、指数移动平均线（EMA）等。VAMA 可视为一种特殊的加权移动平均线——其权重由成交量决定。

成交量调整
指在指标计算过程中，不将每根K线视为等权样本，而是根据成交量大小对价格数据进行加权或重新采样，使得高成交量时期在指标中占据更大影响力。

成交量比率桶（Volume Ratio Bucket）
将成交量累计值切分成若干等量区间的概念。每个“桶”代表一个固定的成交量增量，通常是“平均成交量 × 长度参数”。VAMA 每收集满一个桶的成交量，就更新一次均线值。

样本期（SampleN）
用于估算“正常成交量水平”的历史窗口。SampleN 取值越大，平均成交量越稳定；取值为 0 时，代表使用从行情开始到当前时刻的全部K线来估算平均值。该参数直接影响“成交量桶”的大小。

Arms Index（阿姆斯指数，TRIN）
由理查德·阿姆斯提出的一种市场广度指标，通过上涨/下跌家数与上涨/下跌成交量之间的比值，判断市场超买超卖和内部动能。虽与 VAMA 属于不同指标，但同源于阿姆斯“量价关系决定趋势”的核心思想。

策略思路讲解

VAMA 的策略逻辑可以拆解为四个层次：定义成交量基准、构建成交量桶、计算均线值、双线交叉交易。

第一步是确定“平均成交量”。作者提供的 SampleN 参数，其实是在回答“什么样的成交量算作正常”这个问题。如果选择最近 100 根K线的平均成交量，那么这个基准会随着市场活跃度变化而动态调整。如果选择 0，则使用全部历史数据作为基准，相当于更强调长期平均状态。这个基准值并非为了预测，而是为了给“成交量桶”提供一个标尺。

第二步，将当前价格的成交量不断累加，直到累加值达到“平均成交量 × VAMA Length”。每一次完成这个过程，就相当于“装满了一个桶”。随后，将桶内所有价格（由 VAMA Source 指定，比如收盘价）求平均，得到一个新的 VAMA 点。这实际上是一种“成交量自适应重采样”——原本固定时间间隔的K线序列被重组成固定成交量间隔的“桶序列”。

第三步，当多个桶形成之后，将桶的平均价格按顺序连接，就得到了 VAMA 曲线。由于每个桶所包含的K线数量不同，VAMA 在高成交量区间的价格变化会更快地反映到曲线上，而在低成交量区间则类似“慢放”。这就像用变焦镜头拍摄市场：热闹的时候捕捉每个细节，冷清的时候只记录关键节点。

第四步，交易者可以设置两条 VAMA——一条短周期（快速）和一条长周期（慢速），例如 VAMA Length 分别为 5 和 20。当快速 VAMA 上穿慢速 VAMA 时，意味着单位成交量所推动的价格上涨动能正在增强，视为买入信号；反之，下穿则视为卖出信号。与传统双均线相比，这种交叉较少受到“沉闷行情”的干扰，因为低成交量时均线变化缓慢，不会频繁发出假信号。

此外，VAMA 的斜率本身也可作为趋势强度参考。若 VAMA 处于上升状态且斜率变大，说明价格在持续放量中上涨，属于健康趋势；若价格新高而 VAMA 却走平甚至下降，则可能意味着上涨动能未能得到成交量确认，存在背离风险。

优点

更贴近市场真实参与度
时间均线把每一分钟、每一天看得同样重要，但市场并非每天都有相同的信息量。VAMA 以成交量作为尺度，能够过滤掉大量低成交量噪音，使均线更聚焦于真实的交易活动。
对放量行情反应灵敏
当突然出现大单放量时，传统均线可能需要数根K线才能缓慢转向，而 VAMA 会立即在一个成交量桶中吸收这些价格变化，使趋势信号提前闪现，特别适合捕捉突破行情。
减少横盘期的无效信号
在成交量萎缩的盘整阶段，时间均线仍然会不断刷新数值并频繁交叉，造成大量假信号。VAMA 因为成交量桶累积缓慢，均线更新频率降低，交叉信号自然减少，有助于交易者保持耐心。
参数设置灵活，可适配多周期
SampleN 与 Length 两个参数组合，可以构造出从极短期到中长期的各种均线。既能用于日内分钟数据，也能用于日线或周线。同时，通过调整 VAMA Source，可以将算法的关注重点从收盘价转移到更稳定的加权价格上。
与经典技术分析体系兼容
VAMA 可以作为替代指标直接替换现有均线系统，而不必改变整体交易框架。趋势跟踪、均值回归、轨道突破等策略都可以沿用原有逻辑，只需将均线换成 VAMA，信号质量往往能获得提升。

缺点

计算复杂度较高
每次新增K线时，都需要重新累计成交量并判断是否达到桶的阈值，还要维护不同桶的价格列表。虽然现代计算机处理起来毫无压力，但在数据量极大的回测中，相比简单移动平均线，VAMA 的迭代逻辑会占用更多计算资源。
“平均成交量”基准可能失真
SampleN 的选择直接影响桶的大小。如果市场环境发生结构性变化（例如从熊市转入牛市），历史平均成交量会严重偏离当前真实水平。此时桶的大小要么过小导致均线剧烈跳动，要么过大导致反应迟钝，需要人工频繁调整参数。
成交量数据质量依赖性强
不同交易所、不同市场对成交量的统计口径可能存在差异，部分市场还包含集合竞价、大宗交易等特殊成交。若原始成交量数据含有异常值或遗漏，则 VAMA 的计算结果会明显失真，且这种误差很难通过平滑操作消除。
信号数量较少，可能错过部分机会
由于过滤掉了低成交量的波动，VAMA 在趋势启动初期往往信号偏晚。尤其是在缓慢攀升的缩量牛市中，价格已经上涨一大段，VAMA 还迟迟未出现交叉，从而压缩了盈利空间。
缺少公认的标准化实现
虽然理查德·阿姆斯提出了思想基础，但不同交易社区对 VAMA 的具体计算细节并无统一标准。例如，桶内价格取算术平均还是加权平均？成交量桶是滚动重置还是持续累积？这些差异会导致同一指标在不同平台上表现迥异，影响策略的复现性。

起源年份考证

需要说明的是：本文考证的是“成交量调整移动平均”这一大类方法的出现与流行时间线，而非特指本脚本或某个确切指标诞生的精确年份。目前公开资料中难以找到理查德·阿姆斯本人发布 VAMA 的确切日期，但可以从量价分析方法的发展脉络中勾勒出时间坐标。

1960年代：理查德·阿姆斯（Richard W. Arms Jr.）开始系统研究成交量与价格之间的关系。他于1967年提出了著名的阿姆斯指数（TRIN），用于衡量市场内部多空力量。
1970年代：Arms 在其著作中推广了“等量图”（Equivolume）概念，该图形不再以时间为横轴，而是使用成交量作为横轴，每个K线的宽度与成交量成正比。这一思想与 VAMA 的“以成交量代替时间”完全同源。
1980年代：在计算机辅助交易逐渐普及的背景下，成交量加权移动平均线（VWMA）等指标开始被部分软件厂商和交易者使用。VAMA 作为将“成交量维度”引入移动平均的变体，也在这一时期内逐渐孕育。
1990年代：随着技术分析软件的普及，许多量化交易者开始测试各种成交量自适应均线。理查德·阿姆斯本人也多次在访谈中提及成交量应参与价格平均的观点，但并未公布严格的数学公式。
2000年以后：公开交易社区中出现了大量自定义实现，将 Arms 的成交量调整思想封装为函数或指标。本文所描述的单函数版本便属于这一类社区创造成果，其具体编写时间已无法考证。

综上，VAMA 的思想根基可追溯至 1960-1970 年代，而作为一种编程形式的可交易指标，大约在 1990 年代后期至 2000 年代初期才开始在个人交易者群落中广泛出现。严格来说，“VAMA 函数”的完整算法并无单一权威出处，它属于量价自适应均线家族中的一员。

改进建议

引入动态样本基准
将 SampleN 从固定值改为自适应窗口，例如使用标准差或 ATR 来动态调整平均成交量的计算范围。当成交量波动加剧时，自动缩短样本期；当市场稳定时，适当延长样本期，以避免基准失真。
加入成交量归一化处理
在计算桶容量之前，先对成交量进行去异常值处理。比如移除单根K线中成交量超过 5 倍平均值的极端值，或者用中位数代替平均数作为基准，从而降低闪崩、停牌恢复等异常交易对桶大小的冲击。
结合价格通道或波动率过滤器
VAMA 双线交叉信号可进一步叠加波动率条件，例如仅当价格突破某一周期的唐奇安通道或 ATR 通道时才触发交易，这样可以过滤掉成交量平稳但价格横盘的无效交叉。
增加成交量动能确认模块
除了 VAMA 快慢线交叉，还可以引入成交量自身的变化率（如成交量动量）。只有当交叉发生且成交量连续两根K线高于其自身平均量时，才确认信号，防止单一放量伪装成趋势。
采用多长度对比的评分机制
不再只依赖一条快速和一条慢速均线，而是同时测试多组长度（如 5/20、8/30、13/50）的 VAMA，并根据各组多头排列的一致性给出综合评分，从而提升策略的鲁棒性。
允许桶容量按行情方向分型
上涨过程中，桶容量可以设置为成交量的一定比例，而下跌过程中则设置为另一个比例，以反映多空双方不同的参与意愿。例如，上涨时更重视增量资金，下跌时更重视存量抛压，从而使均线对上升趋势更敏感、对下跌趋势更稳健。
与周期均线结合使用
将 VAMA 与传统时间均线（如 SMA）的差值作为辅助指标。当两者方向一致且间距扩大时，说明量价共振，趋势可信；当两者方向背离时，则警惕潜在反转。这样可以兼得时间维度和成交量维度的信息。

总结

VAMA 以成交量而非时间作为移动平均线的周期刻度，是对技术分析基础工具的一次深刻改良。它继承了理查德·阿姆斯对“量价一体”的执着追求，将市场参与强度真正嵌入到趋势识别过程中。对于普通交易者而言，VAMA 并不复杂——只需理解“成交量桶”的概念，就能很容易地解读它的走势。而其快慢双线交叉策略，则是一种既尊重传统趋势逻辑，又更具市场敏感度的进化版均线系统。

当然，VAMA 并非万能钥匙。它的表现高度依赖于成交量数据的质量以及样本基准选择的合理性。与所有技术指标一样，单独使用 VAMA 并不足以构成完整的交易系统，只有将其与价格形态、风险控制、市场环境过滤等维度结合，才能真正发挥量价关系的威力。正如成交量是市场的气体，价格是固化的浪，VAMA 则是试图用气体流动来预测浪形走向的尝试。它未必每次都对，但那种“以交易量而非时钟来衡量市场节奏”的视角，值得每一位技术分析者深入品味。