Volume / Open Interest "Footprint" - By Leviathan

策略解读

这是一款专门用于观察市场微观结构的可视化工具，核心思想是把一段价格区间内发生的成交行为“拆开”，让交易者看清楚每一档价格上到底是谁在主动买入、谁在主动卖出，以及资金是在流入还是流出。传统K线只记录开盘、收盘、最高、最低和总成交量，无法回答“某次放量发生在哪个具体价位”以及“这笔量是主动买还是主动卖”这类问题。而足迹图弥补了这一盲区。

该工具首先确定你当前图表上显示的价格区间和时间范围，然后以横轴为价格、纵轴为成交量或未平仓量变化，将所有逐笔成交或相关持仓数据映射到对应的价格水平上。生成的结果是一个水平方向的柱状图，看起来像“脚印”一样，每一行代表一个价格档位的买卖行为统计，因此被称为“足迹”。

它提供了三种可切换的热力图模式：

第一种是“成交量差值 / 未平仓量差值”模式。它计算每个价位上主动买入量减去主动卖出量的差值，同时用颜色深浅表示未平仓量的净变化。这个模式适合判断哪一档价格上多空争夺最激烈，以及价格在哪个区域被快速吸走。

第二种是“总成交量 / 总未平仓量”模式。它不区分买卖方向，只展示每个价格水平上累计的成交总量和持仓总量，相当于一张“成交量分布图”与“持仓分布图”的叠加。该模式适合寻找主力资金大量沉淀的区域，这些区域通常构成后续行情的支撑或阻力。

第三种是“买入 vs 卖出 / 未平仓量增加 vs 减少”模式。它把买方和卖方分开列示，同时将未平仓量变化分成增加和减少两类。通过对比，可以判断在某个价格水平上，到底是新资金进场开仓，还是旧资金离场平仓。例如，价格下跌但未平仓量增加，说明空头正在主动加仓；价格下跌但未平仓量减少，则更可能是多头被迫止损平仓。

在实战中，这种工具非常适合区间交易和网格交易。当价格在一个矩形区间内震荡时，足迹图可以精确显示出区间的上下边界附近是否有大量成交堆积。如果上边界出现明显的卖压失衡，下边界出现明显的买盘失衡，那么区间交易者就可以更有信心地在边界处做反向操作。与简单的价格通道指标相比，足迹图提供了“量”的确认，信号质量会高很多。

名词解释

足迹图（Footprint）： 一种把每一笔成交按价格水平分类，并展示买卖主动权的图表形式。它像一个横放的直方图，每个价格档位对应一组成交量数据，能揭示市场中“谁在主动攻击、谁在被动承接”的细节。业界形象地称之为“市场留下的脚印”。

成交量差值（Volume Delta）： 指在某个价格水平上，主动买入成交量减去主动卖出成交量。正数代表买方力量占优，负数代表卖方力量占优。这是判断资金流入流出的核心指标之一。

未平仓量（Open Interest，简称OI）： 在期货、期权等衍生品市场中，指尚未平仓的合约总数。未平仓量增加意味着有新的多头和空头同时进场，减少则意味着双方都在平仓离场。它反映了市场中的资金深度和活跃度。

热力图（Heatmap）： 用颜色深浅或冷暖色调表示数据大小的可视化方式。在该工具中，红色可能代表买入量偏大，绿色代表卖出量偏大，颜色越深表示数值越大。热力图让复杂数据一眼可读。

网格/区间（Grid / Range）： 行情在某个价格区间内反复震荡的形态。交易者倾向于在区间上沿卖出、下沿买入，称为网格交易或区间交易。足迹图可以提供更细致的量能信息来辅助这类策略。

聚合（Aggregation）： 将一定时间范围内的逐笔数据按价格、成交量等维度汇总统计的过程。聚合是足迹图生成的基础，它可以基于分钟、小时、日或用户自定义的可见区间。

策略思路讲解

这套工具的使用逻辑并不复杂，但需要结合市场行为来分析。我们可以把它拆为几个步骤。

第一步，观察价格在哪个区域出现“成交堆积”。足迹图上，某一档价格的柱状体积越大，说明越多的资金在该位置交换过手。这个位置就像一面墙：当价格再次回到这里时，记忆中的买卖双方会重新行动，因此容易形成支撑或阻力。熟悉成交量分布（Volume Profile）的读者会容易理解，只是足迹图额外提供了买卖方向的细节。

第二步，观察“差值”的失衡情况。如果某个价格水平上的成交量差值呈现极端正数，说明连续有大单主动买进，这可能是主力建仓时的扫单行为。反之，极端负数则可能是机构在出货。但要注意，高位放量且差值突然转负，往往意味着多头获利了结。

第三步，比较未平仓量与价格的关系。在期货或期权市场中，未平仓量变化是方向确认的重要辅助。以做多为例：

• 价格上涨，同时未平仓量上升：新的多头正在加仓，趋势可能持续。
• 价格上涨，但未平仓量下降：主要是空头平仓回补，上涨动能会逐渐衰竭。
• 价格下跌，同时未平仓量上升：空头在主动增仓，下跌趋势可能延续。
• 价格下跌，但未平仓量下降：多头在割肉离场，下跌可能接近尾声。

将该逻辑与足迹图的价格分布结合，就可以构建一个比较系统的交易框架。比如，当你看到价格在某个支撑带上方出现大量买盘足迹，同时未平仓量上升，那么就说明有新资金在支撑位附近积极接盘，你可以考虑在期权移仓或期货换月等场景中使用这一信号。

第四步，用于区间边界确认。区间交易最怕的是误把趋势当作震荡，或者过早介入导致止损。足迹图可以帮你等待“边界确认”：在区间上沿，如果看到巨大的卖出差值且未平仓量上升，说明上方卖压沉重，短线大概率继续震荡向下；反之，在区间下沿看到买入失衡，则说明下方买盘坚实。有了这种确认，区间交易的胜率会明显提高。

注意，这个工具本身不给出买卖点，它更像一个侦察器，帮你评估当下的市场战斗态势。真正开仓决策还需要结合止损、仓位管理和风险偏好。

优点

第一，直观呈现成交细节。传统K线只能看到总量，足迹图将量按价格档位拆分，并区分主动买卖方向，可以说把“黑盒”打开了一个口子，让交易者能清楚地看见资金在什么价格上做了什么事情。

第二，结合未平仓量实现多维度验证。普通成交量指标解释力有限，未平仓量的引入使分析者能够区分新开仓、平仓和换手，尤其是在期货和期权中，这一维度极为关键。三种热力图模式分别从净差、总量、方向三个角度展示数据，便于交叉验证。

第三，适合区间与网格交易场景。在震荡市中，该工具能帮助交易者精确定位区间上下沿的成交密集区和失衡区，从而提高边界判断的准确度。它提供的不是纯主观的“感觉”，而是实际的逐笔数据支撑。

第四，支持交互式操作。用户可以自由移动、缩放右侧的足迹图，根据所关注的特定价格区间和时间范围进行动态分析，这使得它也适用于事件驱动的短线研究和复盘总结，而不是只能看一个固定画面。

第五，过滤噪声。由于它聚合的是可见范围内的所有成交，因此能够自动平滑掉一些偶然的小单波动，呈现出大资金的真实意图，减少了交易者被短暂假突破欺骗的可能。

缺点

第一，学习门槛较高。足迹图涉及差值、未平仓量增减、主动买卖等概念，初学者容易混淆。如果不理解市场微观结构，很容易把热力图上的一些随机现象误认为可靠信号，导致过度交易。

第二，数据要求苛刻且存在误差。逐笔交易的“主动性”判定依赖交易所的撮合规则，不同交易所或数据源对主动买/卖的标记方式可能不同，甚至存在跨市场套利导致的误标记。未平仓量数据在部分市场更新频率低，时间同步性不够，可能造成视觉上的误导。

第三，在趋势市中的效用有限。当市场出现单边趋势时，区间边界的意义会减弱，足迹图上的“失衡”可能持续很久，若仍按震荡思路用网格逆向操作，很容易被连续单边行情击穿止损。

第四，信号需要主观解读。同一个足迹图，有人看成买盘强势，有人看成卖压即将到来。由于缺乏严格的数量化标准，训练有素的交易者和新手得出的结论可能大相径庭，这不利于形成完全机械化的交易系统。

第五，可视化信息过多可能导致“信息过载”。屏幕上同时呈现价格、多色热力图、未平仓量变化等要素，如果设置不当，会让人眼花缭乱，反而忽略最高层级的价格趋势和风险管理。

起源年份考证

这类“足迹图”分析方法属于市场微观结构研究在实操领域的分支，同类方法的时间线大体如下：

• 约1960年代至1970年代：期货技术分析中已开始使用成交量分布和时间价格机会等概念，可视为足迹图的思想前身。但当时数据以日报或小时报为主，缺乏逐笔粒度。

• 1980年代：随着计算机交易系统的普及，逐笔成交数据开始被记录和存储，出现了对买卖报单和成交方向的研究，学术界开始提出“市场微结构”这一术语。

• 1990年代中后期：专业交易者开始利用“成交分布”与“未平仓量”结合的分析方法。但普通交易者无法轻松获得逐笔数据，足迹图仅在少数机构交易员之间流传。

• 2000年代初期：个人电脑性能提升，商业数据平台开始提供 tick 级数据，“足迹图”作为一种可视化技术逐渐出现在专业交易软件中。此时常被称为“Market Profile”的演进版本。

• 2010年代至近年：逐笔数据与未平仓量在主流网络平台上可被脚本化处理，足迹图分析方法开始在公开交易社区中流行。虽然无法精确考证某一脚本或指标的原创年份，但该类方法在2020年后获得了较高的关注度。

需要注意的是，这里的“起源年份”是就“足迹图 + 未平仓量”这个技术方向而言，并非特指某个具体的脚本或作者。该作者的脚本版本难以考证具体发布日期，但技术背景完全符合上述时间线。

改进建议

第一，增加多周期对比视图。当前工具只基于当前可见范围生成一根柱状图，建议增加一个“多周期汇总模式”，在同一画面中对比5分钟、15分钟、1小时的不同足迹分布。这样可以更好地区分短期筹码和长期持仓结构，为趋势过滤提供依据。

第二，引入自动失衡识别与预警。可以通过算法计算单位价格上的买卖差值比例，若某一档位的差值超过历史均值一定倍数，就自动标记为“失衡带”，并向用户发出提醒。这能减轻人工盯图的负担，也更适合量化策略的初步筛选。

第三，结合订单簿深度数据。虽然成交量是成交后的结果，但订单簿可以展示尚未成交的限价单分布。建议在足迹图旁边叠加显示当前委托簿的挂单量，例如设置一个开关，用虚影表示五档或十档买卖挂单。这样既能看到已经发生的成交，也能看到尚未发生的潜在支撑阻力，让分析更前瞻。

第四，提供参数自适应优化。可以允许用户设置“聚合价格步长”或“时间衰减权重”，让更近的成交拥有更高权重。也可以根据价格波动率自动调整步长：波动剧烈时步长放大，波动平缓时步长缩小，从而保持足迹图在不同环境下的有效性。

第五，增加历史回测评估工具。将当前的足迹图信号转化成可回测的条件，比如“在价格再次回到高容量价格带时触发条件单”。回测模块可以计算胜率、盈亏比和最大回撤，方便交易者客观检验该指标的真实价值，而不是凭感觉相信某一套参数。

第六，加入机器学习分类器做信号融合。足迹图本质上提供了大量高维特征，例如每个价格带的成交量差值、未平仓量变化率、买卖量不对称系数等。建议将这些特征输入到一个轻量级的机器学习模型中，输出一个“资金流入概率”或“区间突破概率”的辅助曲线，帮助交易者对多种情景进行排序。不过需要注意防止过拟合，模型训练应采用严格的样本内外划分。

第七，针对不同市场设置专属模板。期货、期权、股票和数字货币的撮合规则与持仓机制差异很大，未平仓量的含义也各不相同。建议预设参数模板，比如股票模式自动隐藏未平仓量，期货模式显示持仓增减，加密货币模式采用永续合约资金费率辅助。这样的定制能降低误用风险。

总结

这篇围绕“成交量 / 未平仓量足迹图”技术的解读，揭示了现代交易者如何通过逐笔数据和持仓变化来洞察市场微观结构。它把原本晦涩的买卖力量对比转化为直观的热力图柱，尤其适合区间与网格策略。通过观察价格带上的成交量差值、总成交量差异和未平仓量增减，交易者能够更清晰地识别支撑阻力的真实强度，验证趋势的可延续性，从而做出更理性的交易决策。

当然，任何工具都不是圣杯。足迹图的优势建立在高质量数据和对市场机制的理解之上，它需要使用者具备足够的微观结构知识，也要求严格的资金管理意识。它的劣势在于主观性强、在趋势行情中容易失效，以及依赖数据源的准确性。通过多周期对比、自动预警、订单簿融合、自适应参数、回测评估和机器学习辅助等改进方向，这套方法有望从“可视化工具”进化为“半自动交易决策系统”。

在技术发展的推动下，曾经只属于机构交易者的逐笔分析能力，如今已经能够被普通投资者所使用。但工具变得越来越强大，并不意味着市场会变得更容易赚钱。恰恰相反，当更多人看到同样的足迹图时，那些明显的失衡信号可能很快被套利资金抹平。因此，真正的优势永远是数据解读的深度、策略纪律的严格执行，以及在细节中发现别人忽略的异常。希望本文能够帮助你迈出理解市场微观结构的第一步，并在实践中找到属于自己的交易节奏。