Zig-Zag Volume Profile (Bull vs. Bear) [Kioseff Trading]

策略解读

在公开交易社区中，一款名为“Zig-Zag Volume Profile (Bull vs. Bear)”的策略指标吸引了大量关注。该策略作者是一位名叫Kioseff Trading的研究者。它的核心想法并不复杂：先利用经典的Zig-Zag算法把价格走势切分为若干段“上升趋势”和“下降趋势”，再以这些趋势段为锚定区间，分别统计每一段内的成交量分布。最后，把所有上升趋势段的成交量汇总为“多头分布”，把所有下降趋势段的成交量汇总为“空头分布”，并将它们叠加在价格轴上进行比较。

这并非简单的成交量可视化工序。更关键的是，该策略引入了“多空分离”的思维：传统的成交量分布（Volume Profile）只能告诉我们总体的成交密集区，却无法回答“这些成交量是推动股价上涨的人创造的，还是推动股价下跌的人创造的”。而该策略通过把成交量按趋势方向拆开，使得交易者能清楚看到，在某一价格水平上，到底是多方在积极承接，还是空方在主动抛售，在此基础上还可以计算每个价格水平的成交量差值，也就是所谓的“Delta”。这种差值以柱状图或色带的形式呈现，帮助交易者快速识别哪一方占据了定价权。

同时，该策略并没有放弃经典的工具。它照常绘制了标准的控制点（POC）和价值区域（Value Area）线，也额外给出了多头分布、空头分布各自独立的控制点与价值区域。这样的设计让交易者可以同时观察“全市场共识的成交密集区”和“上升趋势中沉淀的成本区间”“下降趋势中堆积的套牢区间”，相当于在一张图上拥有了三重视角。

从可视化效果来看，该策略充分利用了现代的绘图能力，把复杂的统计结果用清晰的线条和区域展现出来。相比传统指标，它更像一幅“战场地图”：哪里的防线坚固，哪里的兵力空虚，一目了然。对于喜欢研究成交量结构的交易者，这无疑是一个值得深入理解的工具。

名词解释

为了便于下文展开，这里先解释文章中反复出现的几个核心术语。

Zig-Zag指标：一种用于过滤价格微小波动的技术工具。它设定一个阈值（比如价格回调5%才算拐点），然后只连接满足条件的重要摆动高低点，从而忽略掉中间的反复震荡。这样，价格走势就被简化成一段段首尾相连的折线，每段折线代表一个单边运动。

成交量分布（Volume Profile）：与普通成交量图不同，它不按时间顺序显示成交量，而是把所有时间里的成交量按价格水平重新排列，以水平直方图的形式画在图表右侧。它能直观反映“在什么价格上成交最多”，帮助识别供需失衡的价格区间。

控制点（Point of Control，POC）：成交量分布中成交量最大的那个价格水平。它代表市场参与者在这段区间内最认可的“公允价值”，是重要的支撑或阻力参考位。

价值区域（Value Area）：成交量分布中包含了约七成总成交量的价格区间。它的上下边界分别称为价值区域高点（VAH）和价值区域低点（VAL），通常被视为市场有效性较强的区间。价格一旦偏离价值区域，往往会回归。

Delta（成交量差）：在本文中指某个价格水平上，主动买入量（对应上涨趋势段内的成交量）与主动卖出量（对应下降趋势段内的成交量）的差值。若Delta为正，说明在该价位上多方体力更强；若为负，则空方占优。

锚定成交量分布：指的是以某个特定起点（比如某个趋势的起点，或某个重大事件发生时间）开始计算成交量分布，而不是覆盖整个历史行情。这样能更精确地反映出某一段特定结构内部的量价关系。

策略思路讲解

这个策略的底层逻辑可以拆解为四个步骤：识别结构、分类统计、绘制分布、解读信号。

第一步，使用Zig-Zag算法识别市场结构。该指标需要用户设定一个“阈值”，比如价格必须从高点回撤达到一定的百分比或金额，系统才认为这是一次有效拐点。通过这种方式，行情被划分为若干段清晰的趋势段：从低点到高点为多头段，从高点到低点为空头段。阈值越大，趋势段越粗；阈值越小，趋势段越细。

第二步，以每个趋势段为范围，统计该段内所有价格水平上的成交量。例如，在某个上涨段中，价格从100元涨到110元，那么上涨期间在101元、105元等各个价格上发生的成交量，都会被归入“多头分布”。同理，所有下跌段的成交量被归入“空头分布”。同时，全体趋势段的成交量汇总成整体分布。

第三步，在多空两张分布图上，分别计算各自的控制点（POC）和价值区域（VA）。传统方法只给出一个POC，而这里会给出三个POC：总体POC、多头POC、空头POC。价值区域同样有三套。这些线条被绘制在同一价格刻度上，交易者可以直接观察它们之间的相对位置。

第四步，计算“Delta x 价格水平”。具体做法是，在同一价格水平上，用该价格占多头分布的总成交量减去占空头分布的总成交量，得到一个差值。这个差值可以按价格绘制成柱状图，正值显示为一种颜色（比如红色），负值显示为另一种颜色（比如绿色）。这样就能看到哪些价格上多头主导，哪些价格上空头主导，以及这种主导在价格轴上的分布形态。

从交易理念来看，该策略的核心思想是“谁推动了价格，谁就留下了痕迹”。上升趋势中的成交量源自看涨的交易者，下降趋势中的成交量源自看跌的交易者。当价格回到某个曾经由多头大量成交的水平时，那里很可能存在支撑，因为之前愿意买入的人会认为这是一个合理的价格；反之，当价格回到空头大量成交的水平时，那里可能存在阻力，因为之前卖出的人会后悔并希望在接近成本时离场。

更进一步，如果多头POC明显高于空头POC，说明多头持仓的整体成本高于空头建仓的成本，这通常意味着市场处于上行结构。而当多头POC与空头POC纠缠在一起，则反映出多空双方在同一价格区间激烈争夺，趋势往往不稳定。

在实际使用中，交易者可以将该指标作为动态支撑阻力系统。例如，当价格向下回撤至多头POC附近并出现止跌信号时，可视为潜在做多机会；当价格反弹至空头POC附近并出现受阻信号时，可视为潜在做空机会。同时，通过观察Delta的变化，还可以判断当前趋势的健康程度。若上升趋势中Delta持续为正值且不断放大，则涨势内在动力充足；若价格新高但Delta走弱，则需警惕趋势衰竭。

优点

第一，该策略将“趋势方向”与“成交量分布”结合起来，解决了传统成交量分布不分方向的问题。普通成交量分布只能展示某段区间内成交量最大的价格，但无法区分这些交易究竟发生在上涨途中还是下跌途中。而该策略的多空分离设计，使得交易者能够看清推动趋势的真正力量在哪些价格区间聚集。

第二，以Zig-Zag趋势段作为锚定区间，赋予了指标很强的自适应性。市场行情变化时，趋势段会自动更新，因此成交量分布也能随着新的趋势段生成而动态调整。相比固定周期的成交量分布，它更贴合当前的波段结构，不容易被历史陈旧数据干扰。

第三，该策略同时提供了总体、多头、空头三套POC和价值区域，信息密度高。交易者可以比较容易地判断一段趋势中多空双方的成本重心在哪里，从而找出更可靠的支撑与阻力位。这种多层次的参考结构，有助于减少单一POC误判的情况。

第四，Delta与价格水平结合的可视化表达，让资金博弈的倾向变得直观。通过观察每个价格上的多空成交量差值，交易者可以迅速发现“主战场”位于何处，并评估当前价格是在争夺区之上还是之下，这为入场和止损设定提供了更客观的依据。

第五，该策略在视觉呈现上非常清晰。多头分布、空头分布、POC线、价值区域线以及Delta色带都能在同一个价格轴上对照，不需要切换多个指标。这种“一站式”的展示方式，降低了使用门槛，适合新手学习量价结构。

缺点

第一，Zig-Zag算法本身的参数敏感性会直接影响统计结果。阈值设置得大，趋势段数量少，成交量分布会显得粗糙；阈值设置得小，趋势段数量多，容易把震荡中的随机成交也归入某类分布，造成噪声放大。也就是说，不同参数下得到的多空POC可能完全不同，这会导致信号缺乏稳定性。

第二，该策略对过去所有趋势段都采取近乎无差别的加权。早期形成的趋势段，即使与当前行情已经相对无关，仍会像最新趋势段一样贡献相同权重。这样一来，已经结束很久的旧趋势中的成交量可能长期占据主导，使得分布更新滞后，无法及时反映最新的市场供求变化。

第三，多空分类的准确性完全依赖于Zig-Zag拐点的识别。如果市场出现突然V型反转，Zig-Zag指标往往要等到拐点确认后才进行调整，这种滞后性会造成趋势段的归属错位。例如，原本应属于下跌段的成交量，可能因为拐点被延迟标记而被划入上涨段，继而扭曲Delta的数值。

第四，该指标本质上是一个描述性工具，并不直接产生买卖信号。它告诉交易者目前哪个价位存在密集成本，但不知道价格是会在该区域反弹还是直接穿越。如果只看POC线就贸然交易，很容易在趋势行情中逆势接刀。需要配合K线形态、动量指标或其他确认工具，才能提高胜率。

第五，计算量较大。由于需要对每个趋势段分别做成交量分布，且趋势段数量可能很多、价格级别可能很精细，在长时间周期或高成交量数据上运行时，指标可能明显卡顿。虽然该策略作者利用了更高效的可视化方式来绘制，但底层计算依然有一定开销。

起源年份考证

这里需要说明的是，具体脚本“Zig-Zag Volume Profile (Bull vs. Bear)”的准确诞生年份无法考证，公开社区中没有给出明确的发布日期。不过，从策略类型来看，我们可以整理出该类方法在行业公认的发展时间线：

• 20世纪60年代至70年代：技术分析领域逐渐出现了类似Zig-Zag的连线工具。当时分析师希望通过过滤小幅波动，勾勒出市场的主要趋势。但这类工具的发明人多样，很难锁定到某个具体人物，属于多位交易者共同推演的结果。
• 20世纪80年代：成交量分布的概念被正式系统化。美国期货交易员彼得·斯泰德迈尔（Peter Steidlmayer）在研究芝加哥期货交易所的盘口数据时，提出了“市场剖面图”（Market Profile）的概念，将成交量与价格维度绑定。这便是现代成交量分布理论的雏形，也是本文所讨论策略的重要基石。
• 20世纪90年代至21世纪初：随着个人电脑和交易软件的普及，各种技术指标得以快速迭代。一部分专业交易者开始在软件中尝试把Zig-Zag与成交量分布放在一起观察，但当时的实现方式比较简陋，通常是手动选择趋势段，再分别调用成交量分布功能，并未成为通用的自动化指标。
• 2010年代：公开交易社区蓬勃发展，很多研究者开始使用脚本语言编写自定义指标。在这个阶段，出现了大量基于“Zig-Zag + 锚定成交量分布”的组合工具，其中一些已经具备多空分离的想法，但由于绘图和交互能力有限，可视化表现力并不强。
• 2020年之后：随着可视化技术的改进，比如更灵活的线条绘制和多层结构支持，这类策略迎来了新的表达空间。本文介绍的策略正是通过利用新的绘图能力，将多空分布、POC和价值区域等元素集成于同一个视图中，算是这类方法在近年来的典型进化形态。

因此，若笼统回答“起源年份”，严格来说无法考证具体日期；但可以确定的是，该类方法的理论根源可追溯到20世纪80年代的成交量分布研究，并在21世纪10年代后在公开社区中逐步流行，近年才出现更为精致的多空分离版本。

改进建议

第一，针对Zig-Zag参数敏感的问题，可以考虑引入自适应阈值。比如使用平均真实波幅（ATR）作为动态过滤标准，使拐点识别的灵敏度随市场波动自动调整。这样，在低波动时期能捕捉到相对小的波段，在高波动时期避免被剧烈震荡误导。

第二，在加权方式上引入时间衰减因子。对越新的趋势段赋予更高的权重，越老的趋势段权重逐步降低。这种近似指数平滑的处理，能让成交量分布更快地对最新市场结构做出反应，减少陈旧数据对当前POC的拖累。

第三，可以增加“多空POC动态偏离度”指标。计算多头POC与空头POC之间的差值占平均价格的比例，并将这个归一化数值作为趋势强度的参考。当偏离度扩大时，说明趋势在有力推进；当偏离度收缩时，说明多空成本趋于一致，市场有可能进入变盘点。

第四，针对不同的品种和交易周期，默认的成交量分组精度往往不合适。建议提供自动分箱算法，比如根据价格波动率或成交量分布的特征自动决定每个价格带的宽度，避免因分组过粗或过细而错失关键细节。

第五，可以加入趋势段“成交量显著性”过滤。如果某个趋势段的成交量明显小于此前所有趋势段的平均值，那么这个段落的分布可能不值得采信。通过设定最小成交量门槛，剔除这些低质量数据，能让多空分布更加可信。

第六，进一步开发“POC突破确认”逻辑。当价格有效突破多头POC或空头POC时，系统应自动标注当时的成交量变化和Delta状态。例如，若价格向上突破空头POC且Delta同步放大，则可以生成一个经过确认的做多提示，避免单纯的价位突破带来假信号。

第七，将当前指标与更宏观的成交量分布图叠加。比如，在周线级别计算一个长期成交量分布，再与日线级别的多空分布对比。如果短期多头POC刚好位于长期价值区域下沿附近，那么该位置的支撑意义更强。这种跨周期验证能够提高策略的鲁棒性。

第八，在Delta可视化方面，可以增加一个累计Delta曲线，按价格从低到高累计求和多空成交量差。这样做能帮助交易者迅速判断“整体上是买方还是卖方在推动价格上涨”，并识别累积Delta与价格走势之间的背离现象。

总结

“Zig-Zag Volume Profile (Bull vs. Bear)”是一类极具创意的成交量结构分析指标。它把趋势识别和成交量分布进行嫁接，通过多空分离展示，让交易者能够看到推动市场的两大力量各自在哪些价格区间留下了“足迹”。它既保留了传统POC与价值区域的简洁实用，又通过Delta逐价显示，使资金博弈的强度变得更加立体。

没有哪种指标能完美预判未来，该策略同样存在参数敏感、滞后性强以及信号模糊等不足。但在合适的市场环境下，尤其是对于擅长波段交易和量价分析的交易者来说，它提供了一种观察市场成本结构的独特角度。若能结合其他确认工具，并对其参数进行精细化调整，它完全可以成为一套有用的辅助决策框架。

理解这一策略的关键，不在于记住几个线条的含义，而在于领会“趋势是有方向的，成交量也是有方向的”这一理念。当把两者充分融合，我们才能在看似混沌的价格波动中，辨认出真正的主导力量。这不仅是一种工具，更是一种交易思维的延伸。