聚宽量价策略：如何用 VWAP 和成交量分布识别筹码沉淀？

在量化交易中，传统的简单移动平均线（MA）仅考虑了收盘价，忽略了交易的核心要素——成交量。在“尾盘跌停后择时买入”这类高波动、极端情绪的策略中，使用 VWAP（成交量加权平均价） 和 成交量分布 能够更真实地反映市场资金的实际持仓成本，从而更精准地判断筹码是否沉淀和稳定。

以下将详细介绍如何在聚宽（JoinQuant）平台中计算 T+1 至 T+4 的 VWAP，并结合成交量分布进行筹码稳定性判断，最后给出完整的策略实现代码。

一、 核心概念与计算原理

1. 为什么选择 VWAP 替代 MA？

• MA（简单均线）：$\text{MA} = \frac{\sum C_i}{N}$，容易受到无量空涨或空跌的干扰。
• VWAP（成交量加权平均价）：$\text{VWAP} = \frac{\sum (P_i \times V_i)}{\sum V_i}$。只有伴随大成交量的价格，才能对 VWAP 产生显著影响。因此，VWAP 代表了市场资金的真实平均建仓成本。

2. 筹码沉淀与稳定性判断逻辑

在 T 日尾盘跌停后：

• T+1 至 T+4 的 VWAP 走势：若价格持续在 T+1 至 T+4 的整体 VWAP 之上运行，说明多头力量占优，跌停带来的恐慌盘已被消化，筹码开始沉淀。
• 成交量分布（Volume Distribution）：若在某一价格区间内成交量高度集中（形成成交量密集峰），且后续价格突破该密集区，则该区域由阻力转化为强支撑，筹码趋于稳定。

二、 聚宽 API 实现方法

在聚宽中，我们可以通过 get_bars 或 attribute_history 获取高频或日线数据。由于 get_bars 支持直接返回 money（成交额）和 volume（成交量），计算 VWAP 非常方便：

$$\text{VWAP} = \frac{\text{money}}{\text{volume}}$$

1. 计算 T+1 至 T+4 的整体 VWAP

import pandas as pd
import numpy as np

def get_period_vwap(security, end_date, count=4):
    # 获取 T+1 至 T+4（共4个交易日）的日线数据
    bars = get_bars(security, count=count, unit='1d', 
                    fields=['date', 'money', 'volume', 'close'], 
                    include_now=True, end_dt=end_date, fq_ref_date=end_date)
    
    if len(bars) == 0:
        return None, None
    
    # 计算 4 日整体 VWAP
    total_money = bars['money'].sum()
    total_volume = bars['volume'].sum()
    period_vwap = total_money / total_volume if total_volume > 0 else None
    
    return period_vwap, bars

三、 聚宽策略完整源码

以下是一个实用的量化策略示例：在股票跌停后的 T+1 至 T+4 期间，利用 VWAP 和成交量分布进行择时买入。

# 导入聚宽函数库
from jqdata import *
import numpy as np
import pandas as pd

def initialize(context):
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 佣金印花税设置
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 股票池：以平安银行为例
    g.security = '000001.XSHE'
    # 运行控制
    run_daily(market_open, time='every_bar')

def market_open(context):
    security = g.security
    current_data = get_current_data()
    
    # 1. 获取历史数据，判断 T 日是否跌停
    # 获取过去5天的数据（包含T日）
    hist = attribute_history(security, 5, '1d', ['close', 'low_limit', 'paused'])
    if hist.empty or hist['paused'].iloc[-1]:
        return
        
    # 假设倒数第5天为 T 日（跌停日）
    t_close = hist['close'].iloc[-5]
    t_low_limit = hist['low_limit'].iloc[-5]
    
    # 判断 T 日是否确实跌停
    if t_close <= t_low_limit * 1.005: # 容差范围
        # 2. 计算 T+1 至 T+4 (即最近4个交易日) 的整体 VWAP
        # 此时 hist 的后4天即为 T+1 至 T+4
        bars = get_bars(security, count=4, unit='1d', 
                        fields=['close', 'money', 'volume'], 
                        include_now=True, end_dt=context.previous_date)
        
        if len(bars) < 4:
            return
            
        total_money = bars['money'].sum()
        total_volume = bars['volume'].sum()
        period_vwap = total_money / total_volume if total_volume > 0 else 0
        
        # 3. 获取当前最新价格
        current_price = current_data[security].last_price
        cash = context.portfolio.available_cash
        
        # 4. 择时买入逻辑：
        # 当前价格站上 T+1~T+4 的整体 VWAP，且当前价格高于这4天的收盘中位数（代表筹码分布向上突破）
        close_median = np.median(bars['close'])
        
        if current_price > period_vwap and current_price > close_median:
            if security not in context.portfolio.positions:
                order_value(security, cash)
                log.info("筹码沉淀完成，突破VWAP，买入 %s" % (security))
                
        # 5. 止损/止盈逻辑
        elif security in context.portfolio.positions:
            # 如果价格跌破 4日 VWAP，说明筹码松动，止损卖出
            if current_price < period_vwap * 0.97:
                order_target(security, 0)
                log.info("筹码松动，跌破VWAP止损，卖出 %s" % (security))

四、 策略优化建议

1. 引入筹码密集度指标：可以计算 T+1 至 T+4 每日收盘价的标准差（Standard Deviation）。标准差越小，说明价格波动区间越窄，筹码分布越密集，此时一旦放量突破 VWAP，信号可靠度极高。
2. 结合日内 Tick 级 VWAP：在 T+4 日当天，可使用 get_current_tick 获取日内实时 Tick 数据，计算日内实时 VWAP。当实时价格同时突破“历史4日整体 VWAP”和“今日日内 VWAP”时，为共振买入点。