流動性區間指標:顯示什麼、怎麼測試
流動性區間指標標示停損單與限價單可能掛單的價位,依據的是過去的擺動高點、擺動低點與成交量集中區,而不是真實委託單。它的價值要看扣除成本後,價格在這些區間的反應率,而且要用設定從未見過的資料來衡量。
作者 Soren Huang · 發佈 · 更新於 · 編輯原則
流動性區間指標顯示什麼?
流動性區間指標標示的,是停損單與限價單可能掛著的價位。它從過去的擺動高點、擺動低點和高成交量區推論出來,並不是根據任何真實的委託清單。要測試它,就把區間寫成明確規則,再用設定從未見過的資料,計算價格在這些區間出現反應的頻率。
流動性區間是指標預期有一批委託單在等待的價格帶。想像一位漁夫,把上一季捕到魚的地點做上記號。這些記號是對魚群聚集位置的合理猜測,但來自記憶,不是今天的聲納探測。流動性區間指標也是如此:讀取過去的 K 棒,畫出委託單現在可能掛在哪裡。
這類腳本大多會畫出三種區間,TradingView 上交易者分享的流動性指標也不例外:
- 擺動高點上方的區間。在擺動高點附近放空的交易者,常會在擺動高點上方略高處掛買進停損單。指標會在高點上方塗上一段色帶,並視為一批買進委託單。
- 擺動低點下方的區間。在擺動低點附近買進的交易者,常會在擺動低點下方略低處掛賣出停損單。指標把低點下方的色帶視為一批賣出委託單。
- 依成交量劃出的區間。成交口數異常龐大的價位,被視為交易者持有部位、並會守住或出場的水準。這與成交量分布(volume profile)所用的概念相同。
這些區間工具在各種真正能測試的技術分析工具與指標中的定位很單純:它們是畫價位的工具,給出位置,但不說價格何時會到、到了之後會怎麼走。本文接下來談的,就是怎麼衡量這件事。
如何畫出流動性區間?
流動性區間依照一套固定步驟畫出,而且在測試之前,步驟必須先寫下來。用同一張圖表、同一組設定的兩位交易者,必須得到相同的區間。如果區間取決於某人選擇看哪裡,就無法回測。
擺動高點是指某根 K 棒的最高價,高於其左右各 N 根 K 棒的最高價;擺動低點則是反向的情形。N 就是擺動點回看期間。下面的步驟使用取整的示範設定:
- 選擇擺動點回看期間。例如左右各 10 根 K 棒。回看期間小(例如 3)會找出許多小波段、許多區間;回看期間大(例如 20)只找出少數較大的波段。回看期間為 10 時,擺動高點要等右側 10 根 K 棒收盤後才確認,所以區間會在高點形成後 10 根 K 棒才出現。測試若在高點當下就畫出區間,等於在偷看未來。
- 標示價格還沒穿越過的每一個擺動高點與擺動低點。這些是還沒被測試過的價位。依這套邏輯,價格已經穿越過的價位,掛在那裡的委託單已經成交。
- 加入成交量集中的色帶。在某個時段或回溯視窗中,找出成交口數最多的價位,並在其周圍塗上一段色帶。成交量分布指標是找出此價位的常用方式。
- 以跳動點數定義每個區間的寬度。例如 8 個跳動點。沒有寬度,「觸及」就無法定義,因為價格幾乎不會精確回到某一個跳動點。寬度也決定你會算到多少次觸及:區間越寬,觸及越多,每次觸及的意義越弱。
- 某根 K 棒穿越區間時,把它標記為已掃過。掃過是指價格穿過區間,依指標的邏輯,掛在那裡的停損單已被觸發。先決定一次:已掃過的區間是刪除,還是保留為已收復的價位,整個測試都維持同一個選擇。
第 1 步與第 4 步是對結果影響最大的兩個設定。第一次執行前就把兩者記下來;之後比較結果時,只比較這兩項設定相同的執行。
流動性指標能看見掛著的委託單嗎?
不能。指標看不到委託簿,只能從過去價格的形狀猜測停損單可能在哪裡。每個價位真正掛著的數量,只有交易所的市場深度(depth of market)看得到,而且每秒都在變。
委託簿又稱市場深度,是交易所即時的限價單清單,列出每個價位等著買進或賣出的委託。流動性區間指標從不讀它,原因有兩個。第一,K 棒資料只存開盤、最高、最低、收盤與成交量,委託簿不在檔案裡。第二,就算有即時委託簿,也看不到指標最在意的那種委託單。停損單不是掛在簿上的限價單,它在伺服器上等待,價格碰到觸發價才變成市價單或限價單,美國證券交易委員會(SEC)的停損單投資人公告就是這樣說明的。在那之前,交易者在任何地方都看不到它。
| 問題 | 流動性區間指標 | 即時委託簿 |
|---|---|---|
| 讀取的內容 | K 棒資料中過去的高點、低點與成交量 | 每個價位目前掛著的限價單 |
| 是否顯示停損單? | 否,只能推論停損單可能的位置 | 否,停損單在觸發前不會顯示 |
| 能否用於回測? | 可以,任何 K 棒檔案都能用 | 只有你自己逐筆錄下委託簿才行 |
| 變化速度 | 每根 K 棒一次 | 每秒多次 |
| 適合什麼 | 一個可重複測試的位置 | 交易時讀取當下的供需 |
這不是要修補的缺陷,而是這類工具的本質。區間是對價格形狀的陳述,而價格形狀可以用 K 棒測試。如果你想用真實的委託流,資料需求不一樣,見委託流指標:Delta、Footprint 與回測所需的資料。
如何把區間轉為明確的規則?
掃過深度、收回條件、等待時間、進場 K 棒、停損距離與出場,每一項都寫成數字,區間才可測試,同一張圖表才會永遠產生相同的交易。在那之前,「價格掃過區間後又收復」只是事後的說法,說法無法計數。
Lo、Mamaysky 與 Wang(2000)證明,肉眼看的圖形型態可以轉成演算法,像其他規則一樣測試,而從圖形到演算法這一步,正是真正做決定的地方。這裡也一樣。最常見的區間交易是「掃過後收復」:價格向下穿過擺動低點下方的區間,觸發那裡的停損單,再收盤回到區間之上,交易者買進。寫成數字,它有六個部分:
| 規則的部分 | 固定的內容 | 示範數值 |
|---|---|---|
| 掃過深度 | K 棒要穿到區間下方多遠才算掃過 | 至少 4 跳動點 |
| 收回條件 | 哪一根 K 棒必須收在區間之內或之上 | 掃過 K 棒後 2 根之內 |
| 等待時間 | 掃過後幾根 K 棒內,這個進場機會仍有效 | 2 根 K 棒,之後取消 |
| 進場 K 棒 | 何時下單 | 下一根 K 棒開盤時市價單 |
| 停損距離 | 保護性停損放在哪裡 | 掃過低點下方 6 跳動點 |
| 出場 | 既未停損也未反轉的交易,何時結束 | 12 根 K 棒之後 |
其中兩個部分藏著最常見的錯誤。進場 K 棒必須是訊號 K 棒收盤後的下一根,因為收回條件要到收盤才知道。另外,畫區間步驟裡的擺動點回看必須連同延遲一起套用,讓區間在測試中只從實單交易者真正看得到它的那根 K 棒起才存在。規則若在訊號 K 棒收盤時進場,或在區間確認前就使用它,測試會很好看,實單會很難看。在 AlphaPrime(Valynox)裡,這就是區間想法進入策略生成的地方:讀取任何 K 棒之前,進出場條件與參數範圍就已寫成規則,交易明細不會取決於是誰在看圖。
流動性區間能回測嗎?準確度如何?
可以。區間依上述步驟畫出後就能回測,準確度就是在設定從未見過的資料上量到的反應率,拿來跟約一半的隨機機率比。判斷規則要看扣除手續費與滑價後的樣本外交易,不是看區間在圖上的樣子。
反應率是指,區間被觸及之後,價格先朝遠離區間的方向走了設定距離、之後才以相同距離穿越區間的比例。你只需要這一個公式:
反應率 = 反應次數 ÷ 觸及次數
這裡的觸及,是指價格範圍進入區間的任何一根 K 棒;反應則是觸及之後,先往遠離方向走了例如 8 個跳動點,才往穿越方向走 8 個跳動點。兩個距離相等,所以沒有記憶的市場大約一半時間會出現反應,反應率接近 50% 就表示區間沒有加分。在用來挑選回看期間與寬度的資料上,反應率會比新資料高,因為你挑的就是看起來最好的設定。Bailey、Borwein、López de Prado 與 Zhu(2014)稱這個差距為選擇偏差,嘗試的設定越多,偏差越大。能揭露這個差距的切分方式,見樣本內與樣本外:如何切分,以及多少資料才夠。
假設性範例
你在 ES 15 分鐘 K 棒的前四年資料上試了六種回看期間、四種寬度,保留反應率最高的那一組:120 次觸及中 58%。接著把這組設定原封不動用在之後兩年,得到 60 次觸及中 51%。掉的 7 個百分點,就是選擇偏差消失。60 次觸及、51%,區間跟隨機沒有差別,這條規則應該擱置或重新設計,而不是在第二段期間再調一次參數。
自 Brock、Lakonishok 與 LeBaron(1992)把盤整區間突破放進正式檢驗以來,以價位為基礎的規則就一直這樣測試,結論至今沒變:一個價位被觸及的次數多到量得出來,又在未見資料上明顯超過一半會反應,這樣的價位很少。反應率只是第一道檢查。第二道是扣除成本後的交易明細,因為區間就算 55% 會反應,只要平均獲利小於平均虧損加手續費與滑價,仍然賠錢。
為了讓你看第二道檢查在真實報表上長什麼樣,下圖取自一次 AlphaPrime 執行。它測的不是流動性區間規則,而是用標準指標搭的替身:變動率(Rate Of Change)規則當唯一的進出場,沒有停損、沒有停利、沒有過濾,ES 日 K 棒,2019-01-02 至 2025-06-30,做多做空,一口,每筆交易收 20 美元手續費與 25 美元滑價。搜尋試了 1,024 個候選策略(依 2026-10-31 那次執行計算),依報酬對回撤留下一個。事後挑出留下的那個,數字會比實際好看;這些數字描述的是搜尋中那一個倖存者,不代表這條規則或這個指標的績效,也不是讀者可以預期的結果。
來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。ES 日線,2019-01-02 至 2025-06-30,多空都做,1 口,每筆手續費 $20、滑價 $25。
| 項目 | 結果 |
|---|---|
| 淨利(已平倉) | $68,585 |
| 最大回撤 | $64,677.5 |
| 交易筆數 | 47 |
| 勝率 | 57.45% |
| 獲利因子 | 1.638 |
| 平均每筆 | $1,459.26 |
| 在場時間 | 94.01% |
這份報表上有三件事,換成區間規則也要用同樣方式讀。最大回撤 64,677.5 美元幾乎跟淨損益 68,585 美元一樣大,表示通往最終數字的路很顛簸,而樣本外區段正是檢查斜率有沒有撐住的地方。47 筆交易是很小的樣本;日內 K 棒上的區間規則通常會多出很多筆,這是它在這裡唯一的優勢。另外,94.01% 的在場時間跟區間規則正好相反:區間規則大部分時間空手,只在它的價位上交易,所以回撤形狀會不一樣,每筆交易的成本也更要緊。
測試中哪些指標可以與流動性區間搭配?
區間給位置、不給時機,所以一次只測一個時機過濾,而且只有扣除成本後的樣本外平均每筆損益有改善才留下。一次加兩個過濾,就不知道是哪一個起了作用;每多一個過濾,就多一個可以對著過去調整的設定。
任何過濾的測試設計都一樣。先跑只有區間的規則,記下它的樣本外平均每筆損益與交易筆數。再加一個過濾,在同一段樣本外期間重跑,然後比較。一個過濾若把交易筆數砍半、平均每筆損益只提高一點,多半是把好交易跟壞交易一起剔掉了;兩個數字要一起讀。測試實際揭露的日內最佳指標一文的指標比較,用的就是同一套方法。
| 無過濾(僅區間) | DEMA 斜率過濾 | WaveTrend 交叉過濾 | |
|---|---|---|---|
| 新增的內容 | 無:每次掃過後收復都交易 | 只順著 DEMA 斜率方向交易 | 只在與交易方向一致的 WaveTrend 交叉之後進場 |
| 額外參數 | 無 | DEMA 長度 | 通道長度與平均長度 |
| 要衡量什麼 | 扣除成本後的樣本外平均每筆損益,作為基準 | 扣除成本後的樣本外平均每筆損益 | 扣除成本後的樣本外平均每筆損益與交易次數 |
表中兩種過濾是常見搭配,因為各自回答不同的問題。趨勢過濾,例如減少 EMA 落後、並展示交叉測試結果的 DEMA,問的是較大的走勢是否跟交易方向一致,所以跌破擺動低點的掃過,只在斜率已經向上時才買。動能過濾,例如附有設定與交叉訊號的 WaveTrend 指標,問的是轉折是否已經開始,所以進場要等震盪指標交叉,而不只是等收回的那根 K 棒。前者傾向剔除逆勢交易;後者傾向把進場延後幾根 K 棒。哪一種能改善樣本外平均每筆損益,或兩種都不能,要在你的商品與 K 棒週期上實測才知道。
接下來要做的事很具體。拿第四節的六個規則部分與示範數值,固定回看期間 10、寬度 8 個跳動點,在你 K 棒資料的前 70% 跑只有區間的規則。記下後 30% 的樣本外反應率,以及扣除手續費與滑價後的樣本外平均每筆損益。然後才加 DEMA 斜率過濾,在同樣的後 30% 重跑,比較兩個平均每筆損益。決定這些區間值不值得留的,是這個比較,不是圖表。
常見問題
TradingView 上的流動性指標準確嗎?
準確度必須量,而誠實的量法,是在設定從未見過的資料上看區間的反應率,拿來跟約 50% 的隨機機率比。在新資料上只有一半時間會反應的區間,不管圖上多乾淨,都沒有加分。這類腳本大多不公布這種數字,所以你得先寫下畫圖步驟與六個規則部分,再自己跑測試。
流動性區間指標會重繪嗎?
很多會,因為擺動高點要等右側的回溯 K 棒收盤後才確認。腳本若在高點當下就畫出區間,等於把它放在實單交易者真正看得到之前。要測得公平,區間必須從確認的那根 K 棒起才出現,進場必須在訊號 K 棒收盤後的下一根。
什麼是流動性掃過?
流動性掃過是指價格穿過某個區間,依指標的邏輯,觸發了掛在擺動高點或擺動低點外側的停損單。在規則裡,它以掃過深度(跳動點數)定義;若是收復交易,再加上在設定的 K 棒數內收回區間。沒有這些數字,這個詞只是事後的說法,不是測試可以計數的條件。
流動性區間與支撐、壓力是同一回事嗎?
兩者重疊,但推論依據不同。支撐與壓力是價格過去轉向過的價位。流動性區間是緊貼這類價位外側的一段色帶,指標預期停損單掛在那裡,所以預期的行為是短暫穿過該價位,然後回頭。測試時差異會落在規則上:支撐規則在價位上買,流動性規則在價位被掃過並收復之後才買。
要有多少次區間觸及,才能相信反應率?
要多到少數幾次觸及動不了比率。60 次樣本外觸及、51%,換一段資料很可能就是 45% 或 57%,這種比率只是提示,不是結果。數百次樣本外觸及是比較有用的目標,在日內 K 棒上通常代表兩年以上的未見資料,或用推進分析的設計,讓同一段歷史產生更多樣本外交易。
參考文獻
- Lo, A. W., Mamaysky, H., & Wang, J. (2000). Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation. The Journal of Finance, 55(4), 1705–1765.
- Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple Technical Trading Rules and the Stochastic Properties of Stock Returns. The Journal of Finance, 47(5), 1731–1764.
- Bailey, D. H., Borwein, J., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458–471.
- U.S. Securities and Exchange Commission. Stop, Stop-Limit, and Trailing Stop Orders (Investor Bulletin). https://www.investor.gov/introduction-investing/general-resources/news-alerts/alerts-bulletins/investor-bulletins-15

