6、Delta分析：什么是Delta？

做订单流交易，你一定会遇到一个词——Delta。

说白了，Delta就是「主动买盘和主动卖盘的差值」。我刚开始接触这个概念时，觉得它不就是个成交量统计吗？后来在实盘里吃过亏才明白，Delta背后藏着的，是市场参与者的真实意图。

6.1 什么是Delta？

先给个最直白的定义：

你想想看，每一笔成交都有买卖双方。但谁更着急？谁主动吃单？Delta抓的就是这个「主动性」。

• Delta为正：主动买盘 > 主动卖盘，买方更积极
• Delta为负：主动卖盘 > 主动买盘，卖方更主动
• Delta为零：买卖力量均衡，市场在观望

嗯，这里要注意：Delta不是成交量。成交量是总笔数，Delta是方向性力量。我见过不少新手把两者混为一谈，结果分析出来的结论完全跑偏。

6.2 累计Delta与即时Delta

Delta有两种用法，我习惯把它们比作「快照」和「电影」。

即时Delta

就是当前这一笔或这一分钟的Delta值。它反映的是瞬间的买卖冲动。

• 适合做短线、炒单
• 看的是「谁在当下更用力」
• 我一般用1分钟或Tick级别的即时Delta来判断入场时机

累计Delta

从开盘到现在，所有Delta的累加值。它反映的是全天资金的净流向。

• 适合做波段、趋势跟踪
• 看的是「大资金今天到底站在哪边」
• 我在做日线级别策略时，累计Delta是必看指标

类型	时间窗口	用途	我的习惯
即时Delta	单笔/1分钟	短线入场	配合盘口挂单看
累计Delta	全天/多日	趋势判断	结合价格形态

6.3 Delta与价格趋势的关系

这才是核心。我花了好几年才真正理解这层关系。

理想状态：Delta与价格同向

• 价格上涨 + Delta为正 → 健康的上涨，买方主导
• 价格下跌 + Delta为负 → 健康的下跌，卖方主导

背离信号：Delta与价格反向

• 价格上涨 + Delta为负 → 价格在涨，但主动卖盘更多。这叫「量价背离」，往往是假突破
• 价格下跌 + Delta为正 → 价格在跌，但主动买盘在积累。这叫「吸筹信号」，可能是底部

为什么会这样？因为价格可以被大单瞬间拉起来，但Delta是逐笔统计的。如果主力用大单拉价格，同时用小单偷偷出货，价格涨了，但Delta是负的。这就是Delta的「拆穿」能力。

6.4 Python计算与可视化

理论说完了，上代码。我习惯用Python做Delta分析，因为灵活、可定制。

数据准备

假设我们有一份Tick级别的成交数据，包含：时间、价格、成交量、买卖方向。

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

# 模拟一份Tick数据
np.random.seed(42)
n = 1000
data = {
    'time': pd.date_range('2024-01-01 09:30:00', periods=n, freq='1s'),
    'price': 100 + np.cumsum(np.random.randn(n) * 0.1),
    'volume': np.random.randint(1, 10, n),
    'side': np.random.choice(['buy', 'sell'], n, p=[0.55, 0.45])
}
df = pd.DataFrame(data)
df.head()

计算即时Delta

# 计算每笔的Delta值
df['delta'] = df.apply(
    lambda row: row['volume'] if row['side'] == 'buy' else -row['volume'],
    axis=1
)

# 按分钟聚合
df_minute = df.resample('1min', on='time').agg({
    'delta': 'sum',
    'volume': 'sum',
    'price': 'last'
}).dropna()

print(df_minute.head())

计算累计Delta

# 累计Delta
df_minute['cum_delta'] = df_minute['delta'].cumsum()

# 也可以按日累计
df_minute['date'] = df_minute.index.date
df_daily = df_minute.groupby('date').agg({
    'delta': 'sum',
    'cum_delta': 'sum'  # 这里简化处理，实际应重新计算
})
print(df_daily.head())

可视化：Delta与价格联动

fig, axes = plt.subplots(3, 1, figsize=(12, 8), sharex=True)

# 价格走势
axes[0].plot(df_minute.index, df_minute['price'], color='black', linewidth=1.5)
axes[0].set_ylabel('价格')
axes[0].set_title('价格走势')
axes[0].grid(True, alpha=0.3)

# 即时Delta柱状图
colors = ['red' if v > 0 else 'green' for v in df_minute['delta']]
axes[1].bar(df_minute.index, df_minute['delta'], color=colors, width=0.02)
axes[1].axhline(y=0, color='gray', linestyle='--')
axes[1].set_ylabel('即时Delta')
axes[1].set_title('即时Delta（每分钟）')
axes[1].grid(True, alpha=0.3)

# 累计Delta
axes[2].plot(df_minute.index, df_minute['cum_delta'], color='blue', linewidth=1.5)
axes[2].axhline(y=0, color='gray', linestyle='--')
axes[2].set_ylabel('累计Delta')
axes[2].set_title('累计Delta')
axes[2].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

实战中的背离检测

# 简单背离检测逻辑
def detect_divergence(price, cum_delta, window=10):
    """
    检测价格与累计Delta的背离
    返回：1=顶背离（危险），-1=底背离（机会），0=正常
    """
    price_high = price.rolling(window).max()
    price_low = price.rolling(window).min()
    delta_high = cum_delta.rolling(window).max()
    delta_low = cum_delta.rolling(window).min()
    
    # 顶背离：价格新高，但Delta没新高
    top_div = (price == price_high) & (cum_delta < delta_high.shift(1))
    # 底背离：价格新低，但Delta没新低
    bottom_div = (price == price_low) & (cum_delta > delta_low.shift(1))
    
    return np.where(top_div, 1, np.where(bottom_div, -1, 0))

df_minute['divergence'] = detect_divergence(
    df_minute['price'], 
    df_minute['cum_delta']
)

# 看看哪些时刻出现了背离
divergence_points = df_minute[df_minute['divergence'] != 0]
print(f"检测到 {len(divergence_points)} 个背离信号")

6.5 核心知识体系

下面这张图是我自己总结的Delta分析框架，你可以把它当作一个检查清单：

6.6 实战要点总结

1. 别只看价格：价格会骗人，Delta不会。价格涨不代表买方强，可能是主力在拉高出货。
2. 结合盘口看：Delta配合盘口挂单变化，效果翻倍。比如Delta为正但卖一挂单在增加，说明有人在压盘吸筹。
3. 注意时间周期：即时Delta适合短线，累计Delta适合趋势。别用错周期，否则会被噪音干扰。
4. 背离不是100%：背离信号出现后，价格可能继续背离一段时间。我一般等背离+价格形态确认再动手。

Delta分析，说白了就是看「谁在主动」。市场里永远有两股力量在博弈，Delta就是那个告诉你谁更着急的指标。用好它，你就能比别人早一步看到市场的真实意图。

---

无相订单流研究社 微信Lucian808555