27、订单流与成交量加权价格区间（VWAP Range）

VWAP 这个指标，做交易的人应该都不陌生。但大多数人只把它当个均线用——价格在 VWAP 上面就看多，下面就看空。说实话，这种用法太粗糙了。

我做了这么多年订单流交易，发现一个很有意思的现象：VWAP 真正的价值不在于那条线本身，而在于它形成的价格区间。今天我就把这个 VWAP Range 的玩法拆开来讲。

VWAP Range 的构建

先说说什么是 VWAP Range。它不是一条线，而是一个带——由 VWAP 线、上轨和下轨组成。

我个人习惯用标准差来构建这个区间。具体做法是：

// VWAP Range 计算示例（伪代码）
VWAP = Σ(价格 × 成交量) / Σ(成交量)

// 计算标准差
标准差 = sqrt( Σ( (价格 - VWAP)² × 成交量 ) / Σ(成交量) )

// 构建区间
上轨 = VWAP + 2 × 标准差
下轨 = VWAP - 2 × 标准差
中轨 = VWAP

这里有个细节要注意：计算标准差时一定要用成交量加权。普通标准差会把每个价格点同等对待，但订单流交易里，成交量大的价格点显然更重要。

我在项目中遇到过一个问题：用 1 分钟 K 线算 VWAP Range，结果区间太窄，频繁被突破。后来改成用 tick 数据计算，效果就好多了。你想想看，tick 级别的数据能捕捉到每一笔成交的细节，区间自然更准确。

订单流在 VWAP Range 内的行为

区间建好了，接下来看订单流在里面怎么动。我总结了三个典型行为模式：

1. 区间内的吸筹与派发

当价格在 VWAP Range 内震荡时，大资金往往在悄悄干活。如果 Delta（主动买卖量差）持续为正，但价格不涨——这叫吸筹。反过来，Delta 持续为负但价格不跌——这叫派发。

我曾经在某个品种上看到过这种情况：价格在 VWAP 中轨附近晃了整整两个小时，Delta 一直是正的，累计 Delta 曲线稳步上升。我当时就判断有人在吸筹，果断跟了进去。结果半小时后价格突破上轨，直接拉了一波。

2. 订单簿的堆积效应

VWAP 中轨附近经常会出现订单簿的堆积。为什么？因为很多算法交易会把 VWAP 作为参考价，在中轨附近挂单。

我观察到一个规律：如果中轨附近出现大单堆积，且 Delta 在向某个方向倾斜，那突破的方向大概率就是 Delta 指向的方向。说白了，订单簿告诉你阻力在哪，Delta 告诉你谁会赢。

3. 区间边界的测试行为

价格碰到上轨或下轨时，订单流会给出明确的信号。如果价格触轨时 Delta 急剧放大，说明突破意愿强。如果 Delta 萎缩，说明只是试探。

嗯，这里要注意：不要看到触轨就进场。我吃过这个亏——有一次价格碰到上轨，我直接追多，结果 Delta 瞬间转负，价格被打回区间内。后来我学乖了，一定要等 Delta 确认。

VWAP Range 突破策略

好了，重头戏来了。基于上面的分析，我设计了一套 VWAP Range 突破策略。这套策略我实盘跑过，效果还不错。

策略框架

1. 识别区间：用 tick 数据计算 VWAP Range，取 1.5 倍标准差
2. 等待突破：价格突破上轨或下轨，且突破 K 线的 Delta 大于前 5 根 K 线的平均 Delta 的 2 倍
3. 确认信号：突破后回测区间边界，如果回测时 Delta 不减弱，确认突破有效
4. 进场：在确认信号出现后进场，止损设在区间边界另一侧
5. 止盈：目标为区间宽度的 1.5 倍

代码实现片段

def vwap_range_breakout(df, std_mult=1.5):
    # 计算 VWAP 和区间
    df['vwap'] = (df['price'] * df['volume']).cumsum() / df['volume'].cumsum()
    df['std'] = np.sqrt(
        ((df['price'] - df['vwap']) ** 2 * df['volume']).cumsum() / df['volume'].cumsum()
    )
    df['upper'] = df['vwap'] + std_mult * df['std']
    df['lower'] = df['vwap'] - std_mult * df['std']
    
    # 检测突破
    df['breakout_up'] = (df['price'] > df['upper']) & (df['delta'] > df['delta'].rolling(5).mean() * 2)
    df['breakout_down'] = (df['price'] < df['lower']) & (df['delta'] < df['delta'].rolling(5).mean() * 2)
    
    return df

避坑指南

我曾经在震荡市里用这个策略，结果连续被打脸。后来我加了一个过滤器：只有当 VWAP Range 的宽度在最近 20 个周期的 30% 分位数以上时，才执行突破策略。区间太窄说明市场在收敛，突破往往是假突破。

知识体系图

下面这张图总结了 VWAP Range 的核心逻辑：

说实话，VWAP Range 这套东西，刚开始用的时候会觉得有点复杂。但一旦你习惯了用订单流去验证每一个突破信号，你会发现胜率提升得很明显。我自己的账户曲线就是最好的证明——从最初的频繁止损，到现在的稳定盈利，关键就在于学会了等待那个 Delta 确认的信号。

记住一句话：价格可以骗人，但成交量不会。VWAP Range 给了你框架，订单流给了你眼睛，两者结合，你就能看清市场的真实意图。

无相订单流研究社 微信Lucian808555