📊 Volume Profile（成交量轮廓）：基于价格区间的量能分布图完全解读

在传统K线图中，时间序列的成交量柱只能反映每根K线的成交量，但无法解答一个关键问题：

在哪些价格区间，成交量最为集中？

这正是 Volume Profile（成交量轮廓） 登场的意义——它不是时间序列指标，而是价格维度的成交量分布快照。

一、Volume Profile 是什么？

Volume Profile（成交量轮廓），又称价格-成交量分布图，是一种将成交量按不同价格区间进行聚合统计的工具，用于识别：

• 主力建仓/换手的价位区间；
• 高成交密集区（支撑/压力带）；
• 市场对某一价格段的偏好程度。

与按时间维度绘制的柱状成交量图不同，Volume Profile 是按价格聚合的横向量图。

二、pandas_ta 的 Volume Profile 函数详解

import pandas_ta as ta

vp = ta.vp(
    close=df["close"],
    volume=df["volume"],
    width=10,
    sort=False  # 是否先对收盘价排序
)

参数说明：

三、返回结果：7列结构解读

Volume Profile 返回的是一个非时间序列的 DataFrame，每一行代表一个价格区段：

🔔 注意：

• 该结果是价格分布快照，不能直接拼接回原始时间序列DataFrame；
• 并未包含“价值区域 Value Area”计算（例如70%累积量区间）。

四、使用场景与价值

✅ 1. 寻找“筹码密集区”与“主力活动区”

vp.sort_values("total_成交量", ascending=False).head(3)

• 这些区间通常为支撑/压力所在；
• 波段交易者可据此构建“入场-止盈”通道；
• 主力建仓迹象通常伴随大宗成交量集中。

✅ 2. 捕捉“低成交量真空区”

• 分布稀疏的价格带，价格容易快速穿越；
• 做趋势突破策略时，这些区域可能带来快速拉升/跳水机会。

✅ 3. 跨品种比较结构

• 相同成交总量下，不同价格区的聚合程度可反映市场共识稳定度；
• 对比不同股票、指数期货、加密货币等品种，观察筹码分布形态差异。

五、Volume Profile 可视化（matplotlib横条图）

import matplotlib.pyplot as plt

plt.barh(vp["mean_收盘"], vp["total_成交量"], height=vp["high_收盘"] - vp["low_收盘"], color="skyblue")
plt.xlabel("成交量")
plt.ylabel("价格区间")
plt.title("Volume Profile - 价格成交量分布图")
plt.grid(True)
plt.show()

• barh 横向柱状图模拟交易软件中 Volume Profile 侧边图；
• 清晰展示各价位的交易密度。

六、结合策略建议：Volume Profile 与价格行为

七、总结：Volume Profile 是量价结构的黄金透镜

在交易中，仅仅看K线走势是不够的。Volume Profile 帮助我们站在价格维度看待**“量从何来，量向何去”**，从而：

• ✅ 精准识别重要价位；
• ✅ 捕捉资金活跃区；
• ✅ 警惕“空量区”风险；
• ✅ 提升入场出场胜率。