一、自定义指标与脚本：让工具真正为你所用

订单流软件的自定义指标功能，说白了就是给你一把「手术刀」。你可以用它解剖市场，而不是被动接受别人给你的数据。

我个人习惯把自定义指标分成两类：一类是计算型指标，比如自定义的买卖压力比；另一类是可视化指标，比如在K线上画特殊的标记。这两类在实际交易中各有妙用。

1.1 脚本语言基础

大部分订单流软件都支持类Python或Lua脚本。我最早接触的是Pine Script，后来发现各家平台其实大同小异。核心就三样东西：

• 数据源：成交量、Delta、未平仓量等
• 计算逻辑：加减乘除、条件判断、循环
• 输出方式：画线、画柱、弹窗

举个例子，写一个「累积Delta偏离指标」：

// 伪代码示例
delta = 主动买量 - 主动卖量
cumDelta = cumDelta + delta
maDelta = sma(cumDelta, 20)
if cumDelta > maDelta * 1.5:
    plot("异常偏离", color=red)

嗯，这里要注意：脚本不是越复杂越好。我在项目中遇到过有人写了200行的指标，结果跑起来卡得要命，最后发现核心逻辑其实就10行。

1.2 实战：自定义「主力吸筹指标」

我分享一个自己常用的脚本思路。这个指标用来识别大资金悄悄建仓的行为：

1. 计算每分钟的大单成交占比（单笔超过平均量3倍）
2. 结合Delta的正负变化
3. 当大单占比 > 60% 且 Delta 为负时，标记为「疑似吸筹」

我曾经用这个指标抓到过一次螺纹钢的底部反转。当时盘面一片恐慌，但这个指标连续出现3次「疑似吸筹」信号。我硬着头皮做多，结果当天反弹了80点。

1.3 脚本调试技巧

写脚本难免出bug。我的调试三板斧：

• 打印大法：在关键位置输出中间值
• 分段测试：先跑核心逻辑，再加辅助功能
• 历史回测：用过去的数据验证指标是否有效

二、警报与通知设置：解放你的双眼

说实话，没人能24小时盯着屏幕。警报系统就是你的「交易助理」。我设置警报的原则是：少而精。警报太多等于没有警报。

2.1 警报触发条件

常见的触发条件有这些：

条件类型	示例	适用场景
价格突破	价格 > 前高 + 1个ATR	趋势突破
Delta异常	5分钟Delta > 日均值3倍	主力异动
成交量爆发	成交量 > 前5根K线均值2倍	行情启动
指标交叉	快线穿过慢线	趋势确认

我个人最常用的是Delta异常警报。为什么？因为价格可以骗人，但成交量很难造假。我记得有一次做原油，凌晨两点手机突然震动——Delta在5分钟内爆了。我爬起来一看，果然有大资金在搞事情。

2.2 通知渠道配置

现在的软件基本都支持多渠道通知：

• 软件内弹窗：适合盘中快速响应
• 邮件通知：适合收盘后的复盘提醒
• 手机推送：适合盯盘之外的场景
• Webhook：可以对接第三方工具，比如钉钉、Slack

2.3 警报的「黄金组合」

我建议这样搭配：

1. 主警报：1-2个核心条件，触发概率低但胜率高
2. 辅助警报：3-5个次要条件，用来确认信号
3. 状态警报：比如连接断开、数据延迟等

举个例子，我做股指期货时：主警报是「Delta背离」，辅助警报是「成交量放大」和「关键价位突破」。三者同时触发，我才会动手。

三、数据导出与分析：把交易变成科学

交易做得好不好，不能靠感觉。数据导出就是让你用Excel、Python这些工具来「复盘」。说白了，就是把盘口的原始数据拉出来，自己算。

3.1 支持导出的数据类型

数据类型	字段示例	用途
Tick级数据	时间、价格、成交量、买卖方向	高频分析
K线数据	开高低收、成交量、持仓量	趋势分析
订单流数据	Delta、POC、VAH、VAL	订单流分析
深度数据	买卖盘口、挂单量	流动性分析

3.2 导出格式与工具

大部分软件支持CSV和Excel格式。我个人强烈推荐CSV格式，因为兼容性最好。Python的pandas库可以直接读取，Excel也能打开。

举个例子，导出Tick数据后用Python分析：

import pandas as pd

# 读取数据
df = pd.read_csv('tick_data.csv')

# 计算每分钟的Delta
df['minute'] = df['time'].str[:16]
delta_per_min = df.groupby('minute')['delta'].sum()

# 找出Delta最大的前10分钟
top10 = delta_per_min.nlargest(10)
print(top10)

嗯，这里要注意：数据量大的时候，别用Excel直接打开。我试过打开一个月的Tick数据，Excel直接卡死了。后来改用Python处理，几秒钟搞定。

3.3 数据分析的「三板斧」

拿到数据后怎么分析？我总结了三个方向：

1. 统计特征：均值、标准差、极值。看看数据是不是「正常」
2. 相关性分析：Delta和价格的关系、成交量和波动率的关系
3. 模式识别：比如「放量下跌后反弹」的概率有多大

知识体系总览

下面这张图帮你理清本章的核心脉络：

这三个功能其实是环环相扣的：脚本帮你生成指标，指标触发警报，警报记录的数据又反过来优化脚本。形成一个正向循环。

---

无相订单流研究社 微信Lucian808555