量在价先，相信大家都知道成交量的重要性。尤其是进入2024年之后，“雪球爆仓”、“DMA爆仓” 之类的话题不断刷屏。先是多头爆，之后空头爆，各种ETF经常爆出天量。
在无形的手强力干预下，加了杠杠还始终坚持一个方向的话，无异于螳臂当车。
当然，拉长时间范围，在经济规律面前，无形的手也托不了太久。。。。。。
量比指标
量比是指当前时间的成交量均值与近五天成交量平均的比值，是衡量相对成交量的指标。
量比的数值越大，说明流入资金越多，市场活跃度越高；反之，说明流入资金越少，市场活跃度越低。
首先来看下在2024-02-02这一天$沪深300ETF(SH510300)$ 的分时走势。
可以看到，在14:24时，代表着国内经济晴雨表的沪深300下跌幅度已经达到了-3.5%，其它宽基指数也不逞多让。
正在雪球重灾区-$中证500ETF(SH510500)$ 、$中证1000(SH000852)$ 上享受爆波快感的期权空头买方可能没有想到，自此之后频频爆出天量成交，形势就此逆转。
但是看这里的量比指标，却并不能发现明显的转折点。
因此也就可以看到量比指标的显著缺点：以过去五个交易日总成交量在每分钟的均值为分母，并没有与相同时间范围进行比较。
显然，成交量一般都集中在开盘时段，这样就形成了一个起点高，持续下降的曲线。虽然可以通过是否大于一来比较活跃程度，但还是不能更好的反应出量价关系。
改进方案
一种很自然的优化方式：能不能将其修改为在不同交易日，相同时间范围，成交量均值的比值呢？
比如说，当前是10点30分，能不能比较一下当天开盘一小时的成交量，与昨天开盘一小时的成交量，做一个对比，形成一条从开盘到现在的曲线呢？
或者，更进一步，能不能获取之前五个交易日，每个交易日开盘一小时的成交量，求均值后，与当天开盘一小时的成交量进行对比，也形成一条从开盘到现在的曲线呢？
数据验证
在对比了各个券商软件之后，发现各家的量比数据并不一致，因此有必要先验证一下当前平台使用的量比指标算法。这里以富途为例。
首先用富途的接口获取到沪深300ETF的历史数据。这里最后一个交易日是2024-03-08。
然后获取前五天的成交量在每分钟的均值，当天的成交量在每分钟的均值，以及两者的比值。这里以9点35分为例。
考虑到大家可能没有编程背景，因此这里直接使用shell命令的方式来实现。当然，前提是你得有历史交易数据的CSV文件。如果你是MAC的笔记本，打开终端后敲入下面的命令即可复现截图中的统计逻辑。
与富途的分时图在3月8号9点35分的量比指标数值对比一致。
再来看一下10点30分的数值。
数据仍然一致，说明富途使用的就是量比指标的标准算法。
如果还不放心，还可以进行更多的验证。
突破限制
既然已经确认了指标的算法，那么接下来就可以把分时图中的量比指标复现到分钟K上了。
有什么用呢？因为量比指标只能在分时图中使用。如果能够突破限制，复现到分钟K上，那实际上就实现了查看量比指标历史数据的功能。
咋实现呢？其实无非就是找到五天前的起始K线，从这根K线开始累计成交量，然后找到当天的起始K线，也累计一下成交量。
两者之差就是前五天的成交量，两个起始K线开始的周期数之差就是求前五天均值时的分母；当天起始K线开始的周期数就是求当天均值时的分母。然后将两者相除，就得到了量比。
可以看到，加载自定义的量比指标后，在10点30分的数值与系统自带的量比指标数值是一致的。
这样的话，拉长时间范围，就可以看到量比的历史数据了。
当然了，因为是自定义的指标，还可以给它加上阈值线，以及根据上涨下跌切换不同的颜色，以便于观察盘中“缩量”、“放量”的情况。
可以看到，换成自定义的量比指标后，相比系统自带的版本，能够一目了然的看到从午盘开始的放量，以及在最低点时量比突破阈值时的共振。
优化增强
当然，目前只是把系统自带的只能用于分时图的量比指标实现了出来。为了达到优化的目的，我们最终是要实现对比相同时段的成交量。
有了上面的实现方法，这里只不过是改变一下终点K线的选择逻辑。
首先还是先用shell命令获取计算时要用到的数据。
然后验证一下自定义指标获取到的数值。
可以看到，两者是一致的，所以我们的计算逻辑没有问题。
接下来就可以按照计划实现当前时段的成交量与昨天相同时段的成交量、以及前五天相同时段的成交量均值进行比较的两条曲线。当然，仍然可以查看每一天的历史数据。
如图所示，红色曲线为当天与昨天相同时段成交量的比值，蓝色曲线为当天与前五天相同时段成交量均值的比值。红线在蓝线上面，放量；红线在蓝线下面，缩量。而图中红框位置，先是放量上涨，然后缩量冲高，相比原始的量比指标更加直观。
模式扩展
目前我们已经突破了不能查看历史数据的限制，也将其优化为可以对不同交易日相同时段的成交量进行比较。这就完了吗？当然没有！
对于交易数据而言，无非就是两个维度：量、价。但对于期权交易者来说，还有一个维度：波。
爆波之后，即使股价上涨，看跌期权也可能不跌；降波之后，即使股价上涨，看涨期权也可能不涨。
所以对于期权交易者来说，仅仅对量比指标进行优化增强是不够的，我们还需要将这种模式扩展到价格的波动上。
首先我们可以把每个交易日相同时段的相比开盘价的比值做成曲线，这个其实就是把多个交易日的分时图绘制在了一个图上。
其中红色为当天的分时图，蓝色为昨天的分时图，绿色为前五天的分时图均值，同时为了便于区分，将蓝色线和绿色线设置为虚线。
其次我们可以仿照量比指标的构建思路，比较一下在相同时段内，价格波动的比值，用于发现波动的趋势。
其中红色为当天当前时间涨跌幅与昨天相同时间涨跌幅的比值，蓝色为当天当前时间涨跌幅与前五天相同时间涨跌幅均值的比值。
最后，考虑到真实的波动情况，还可以做出ATR的比值曲线。
其中红色为当天当前时间ATR与昨天相同时间ATR的比值，蓝色为当天当前时间ATR与前五天ATR均值的比值。
总结归纳
至此，由量比指标引发的一系列思考与尝试就要告一段落了。从中我们可以发现对于解决问题的一个可复用的思考过程。
发现问题
即通过实践去发现那些不符合预期的事情。
验证问题
即通过数据去验证其是否是一个普遍存在的问题。
解决方案
即通过工具去尝试能否在资源、功能有限的情况下解决此问题。
模式扩展
即思考解决方案的局限性，是否可以将这种模式扩展到更多的场景。