huice/README.md

AU2512期货成交量-成交价序列分析工具

一个专业完整的期货数据分析工具集。通过创新的成交量序列分析方法和多维可视化技术，提供从价格趋势到成交量分布的全方位分析解决方案，为期货交易者提供深入的市场洞察。

🎯 核心优势

🔄 创新分析方法

• 按成交量排序 - 相比传统时间序列，更符合交易实际
• 业务相关性高 - 直接反映交易行为对价格的影响
• 高解释力 - 清晰展示价格随交易推进的演变轨迹

📊 专业可视化工具集

1. 价格序列分析 (volume_price_sequence.py)

• 主图: 成交价序列图（简洁无干扰的价格轨迹）
• 侧图: 成交量在价格上的分布图（0.02间隔）
• 下图: 当前成交量时间序列图
• 关键价格标注: 成交量最大的10个价格水平（虚线+双向标注）

2. 成交量分布深度分析 (volume_distribution_analysis.py)

• 7种专业图表: 直方图、箱线图、累积分布函数等
• 统计摘要: 完整的分布特征分析
• 交易模式识别: 大单分析、分组统计
• 业务洞察: 市场活跃度和机构参与度分析

3. 成交量价格分布图 (volume_price_distribution.py)

• 单一专注: 成交量在价格上的分布
• 前20排行: 成交量最大的价格区间列表
• 精确分析: 0.02价格间隔的详细分布
• 快速洞察: 立即识别热门价格水平

🚀 快速开始

安装依赖

pip install pandas numpy matplotlib

基本使用

# 1. 价格序列分析（综合图表，推荐）
python volume_price_sequence.py

# 2. 成交量分布深度分析（7种专业图表）
python volume_distribution_analysis.py

# 3. 简化成交量价格分布图（快速分析）
python volume_price_distribution.py

# 4. 分析其他数据文件
python volume_price_sequence.py data/jm2509_20250709.csv
python volume_distribution_analysis.py data/jm2509_20250709.csv
python volume_price_distribution.py data/jm2509_20250710.csv

# 5. 查看帮助信息
python volume_price_sequence.py --help
python volume_distribution_analysis.py --help
python volume_price_distribution.py --help

系统要求

• Python 3.7+
• pandas, numpy, matplotlib, scipy
• 支持中文字体的环境

📈 输出示例

生成的图表

1. 综合价格序列分析图 (推荐)

- 1.0MB 三合一综合分析图表：

• 主图: 成交价序列图（简洁清晰，无技术指标干扰）
• 侧图: 成交量在价格上的分布（0.02间隔，水平柱状图）
• 下图: 当前成交量时间序列图（交易活跃度变化）
• 关键价格标注: 成交量最大的10个价格水平（浅绿色虚线+双向标注）

2. 成交量分布深度分析图

- 1.1MB 7种专业分析图表：

• 直方图 + 概率密度拟合
• 箱线图（分位数分布）
• 累积分布函数
• 成交量时间序列
• 成交量分组柱状图
• 成交量贡献度条形图
• 统计摘要表

3. 简化成交量价格分布图

- 0.3MB 专注单一分析：

• 成交量在价格上的分布（0.02间隔）
• 前20个成交量最大价格区间列表
• 关键统计信息标注

分析报告示例

综合价格序列分析报告

开始AU2512期货成交量-成交价序列分析...
数据加载成功: 66,596 条记录

=== 数据分析 ===
数据概况:
  累计成交量: 893,404 手
  价格区间: 901.84 - 928.88
  平均价格: 914.54

关键成交量节点:
  起始: 成交量 320 手, 价格 904.76
  25%: 成交量 273,254 手, 价格 911.94
  50%: 成交量 527,232 手, 价格 909.18
  75%: 成交量 724,868 手, 价格 921.62
  结束: 成交量 893,404 手, 价格 927.48

综合价格序列图已保存: au2512_volume_price_sequence.png

【业务洞察】
1. 价格随成交量变化的完整轨迹清晰可见
2. 整体趋势: 上涨 (+2.51%)
3. 交易过程中价格呈现逐步上涨趋势
4. 关键价格水平与成交量分布密切关联

成交量分布深度分析报告

开始AU2512期货当前成交量分布分析...
数据加载成功: 66,596 条记录

=== 基础统计分析 ===
平均成交量: 14.96 手
中位数成交量: 10.00 手
成交量标准差: 17.07 手
分布偏度: 2.939 (严重右偏)

=== 成交量模式分析 ===
大单交易定义: > 34.0 手 (90%分位数)
大单交易次数: 5,681
大单交易占比: 9.71%
大单成交量占比: 36.40%

成交量分组统计:
    2-5手: 16,887 次 (28.9%) | 成交量: 49,572 手 (5.7%)
   6-10手: 16,355 次 (27.9%) | 成交量: 126,216 手 (14.4%)
  11-20手: 12,558 次 (21.5%) | 成交量: 191,344 手 (21.9%)
  21-50手: 10,201 次 (17.4%) | 成交量: 321,680 手 (36.8%) 【主力】

【业务洞察】
1. 成交量分布呈现严重的右偏特征，小单交易为主，大单影响显著
2. 成交量波动较大，存在明显的活跃期和沉寂期
3. 大单交易占比较为重要，对市场流动性有显著影响
4. 21-50手交易是市场主力，贡献36.8%成交量
5. 市场活跃度适中，交易较为频繁

成交量价格分布报告

开始AU2512期货成交量价格分布分析...
数据加载成功: 66,596 条记录

【前20个成交最大的价格区间】
  排名       价格区间       成交量     占比    累计占比
-----------------------------------------------------------------
   1  922.00-922.02       4,044    0.5%      0.5%
   2  921.90-921.92       2,678    0.3%      0.8%
   3  907.70-907.72       2,460    0.3%      1.0%
   4  908.00-908.02       2,434    0.3%      1.3%
   5  927.00-927.02       2,332    0.3%      1.6%
   ...

分析完成！

💡 为什么选择成交量序列分析？

特性	传统时间序列	成交量序列
解释力	⭐⭐	⭐⭐⭐⭐⭐
业务相关性	⭐⭐⭐	⭐⭐⭐⭐⭐
趋势识别	⭐⭐⭐	⭐⭐⭐⭐⭐
决策价值	⭐⭐	⭐⭐⭐⭐⭐

传统方法的局限性

• ❌ 无法展示交易过程对价格的真实影响
• ❌ 时间间隔不均等，影响趋势判断
• ❌ 难以识别关键交易时点的价格变化

成交量序列的优势

• ✅ 清晰展示价格随交易推进的演变轨迹
• ✅ 便于识别不同交易阶段的价格水平
• ✅ 可以量化成交量对价格的影响
• ✅ 更符合期货交易的实际业务逻辑

📁 项目结构

jm_ces/
├── 📊 核心分析脚本
│   ├── volume_price_sequence.py          # 综合价格序列分析 (22KB)
│   ├── volume_distribution_analysis.py   # 成交量分布深度分析 (23KB)
│   └── volume_price_distribution.py      # 简化成交量价格分布 (16KB)
│
├── 📈 生成的图表
│   ├── au2512_volume_price_sequence.png          # 综合价格序列图 (1.0MB)
│   ├── au2512_volume_distribution_analysis.png   # 成交量分布分析图 (1.1MB)
│   └── au2512_volume_price_distribution.png      # 简化价格分布图 (0.3MB)
│
├── 📄 文档文件
│   ├── README.md                                 # 项目说明文档
│   └── CLAUDE.md                                 # Claude指导文档
│
└── 📂 数据目录
    ├── au2512_20251013.parquet               # 增强后的数据（含当前成交量列）
    ├── au2512_20251013_backup.parquet         # 原始数据备份
    └── jm2509_*.csv                             # 其他期货数据文件

🗄️ 数据格式

支持的文件格式

• Parquet文件 (推荐): .parquet
• CSV文件: .csv

必需字段

UTC, UTC.1, 时间, 累积成交量, 成交价, 成交额,
买1价, 卖1价, 买1量, 卖1量,
买2价, 卖2价, 买2量, 卖2量,
买3价, 卖3价, 买3量, 卖3量,
买4价, 卖4价, 买4量, 卖4量,
买5价, 卖5价, 买5量, 卖5量

关键字段说明

• UTC, UTC.1: UTC时间戳（毫秒级）
• 时间: 当日累计时间（格式：MM:SS.秒）
• 成交价: 最新成交价格
• 累积成交量: 当日累计成交量
• 当前成交量: 单笔成交量（由累计成交量差值计算）
• 数列号: 按累计成交量排序的序号
• 买1价~买5价: 买方五档价格
• 卖1价~卖5价: 卖方五档价格

数据增强功能

• ✅ 自动计算当前成交量（累计成交量差值）
• ✅ 自动生成按成交量排序的数列号
• ✅ 支持原始数据和增强数据的无缝切换

🎯 应用场景

交易分析

• 快速识别价格在交易过程中的主要趋势
• 发现影响价格变化的重要成交量时点
• 评估不同交易阶段的价格行为

风险控制

• 通过价格波动区间评估风险水平
• 识别价格异常变化的临界点
• 制定基于成交量的风险管理策略

策略研究

• 为交易策略提供量化的数据支持
• 研究成交量对价格影响的历史规律
• 优化基于成交量变化的交易时机

市场研究

• 理解交易行为对价格的影响机制
• 研究价格发现的动态过程
• 分析市场微观结构特征
• 识别机构投资者交易模式

🔧 技术特性

• 高分辨率输出: 300 DPI高清图表
• 智能字体检测: 自动适配中文字体
• 容错处理: 完善的错误处理和用户提示
• 灵活配置: 支持命令行参数自定义
• 详细分析: 完整的统计报告和业务洞察
• 数据增强: 自动计算当前成交量和排序

🚀 核心功能亮点

🎯 创新分析方式

• 成交量序列分析: 按累计成交量排序，更符合交易实际
• 关键价格标注: 自动识别成交量最大的价格水平
• 多维度可视化: 价格趋势 + 成交量分布的综合展示
• 精确价格间隔: 0.02元标准间隔，符合期货市场特性

📊 三大分析工具对比

特性	综合序列分析	深度分布分析	简化分布图
适用场景	日常综合分析	深度研究报告	快速价格扫描
图表复杂度	高（三合一）	最高（7种图表）	低（单一图表）
分析深度	价格趋势+成交量	统计+模式识别	价格分布
输出文件大小	1.0MB	1.1MB	0.3MB
推荐使用	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐

🎨 视觉设计特点

• 关键价格标注: 浅绿色虚线标识重要价格水平
• 双向标注: 左侧显示价格，右侧显示成交量
• 价格对齐: 主图与侧图完美同步
• 简洁清晰: 移除技术指标干扰，专注原始数据

1. 价格序列分析 (volume_price_sequence.py)

数据处理

• 自动检测并处理不同格式的数据文件
• 按累计成交量升序排列
• 计算关键成交量节点
• 生成移动平均线和波动区间

可视化

• 成交价序列线（蓝色主线）：价格随成交量变化轨迹
• 当前成交量柱状图：下方显示交易活跃度分布
• 移动平均线（红色粗线）：平滑价格趋势
• 价格波动区间（红色阴影）：不确定性范围
• 关键节点标注：详细价格信息
• 分析结论框：统计摘要

统计分析

• 基础价格统计（最高、最低、平均）
• 成交量分析（分布、变化率）
• 关键节点影响分析
• 数据质量检查

2. 成交量分布深度分析 (volume_distribution_analysis.py)

分布统计分析

• 基础统计（均值、中位数、标准差、分位数）
• 分布特征分析（偏度、峰度、变异系数）
• 正态性检验和分布拟合
• 异常值检测和处理

交易模式分析

• 大单交易识别和分析
• 成交量分组统计（1手、2-5手、6-10手等）
• 交易频率和成交量贡献度分析
• 主力交易模式识别

7种专业可视化

• 直方图 + 概率密度拟合：分布形态分析
• 箱线图：分位数分布和数据离散程度
• 累积分布函数：概率累积情况
• 成交量时间序列：交易活跃度变化
• 成交量分组柱状图：各分组交易笔数对比
• 成交量贡献度条形图：各分组成交量占比
• 统计摘要表：完整的统计信息展示

业务洞察

• 成交量分布特征解读
• 市场活跃度评估
• 机构参与度分析
• 交易建议和风险提示

🛠️ 开发信息

依赖项

• pandas - 数据处理和分析
• numpy - 数值计算
• matplotlib - 数据可视化
• scipy - 统计分析和分布拟合
• seaborn - 高级统计图表（可选）

代码质量

• 面向对象设计，易于维护和扩展
• 完整的错误处理和用户友好提示
• 详细的代码注释和文档
• 符合Python编码规范

🚀 快速导航

新手推荐流程

# 1. 先运行价格序列分析，了解整体价格趋势
python volume_price_sequence.py

# 2. 再运行成交量分布分析，深入了解交易模式
python volume_distribution_analysis.py

# 3. 查看生成的图表和报告
# - au2512_volume_price_sequence.png
# - au2512_volume_distribution_analysis.png

数据文件准备

# 确保数据文件存在且格式正确
ls -la data/au2512_20251013.parquet

# 如果需要处理新数据，确保包含必要字段
# UTC, 累积成交量, 成交价, 等...

📞 支持与反馈

问题报告

如果在使用过程中遇到问题：

1. 检查数据文件格式：确保包含必需字段（累积成交量、成交价等）
2. 确认依赖库安装：pip install pandas numpy matplotlib scipy
3. 查看错误信息：命令行会显示详细的错误提示
4. 中文字体问题：确保系统支持中文字体显示

常见问题解决

• 字体显示异常：脚本会自动检测并设置合适的中文字体
• 数据加载失败：检查文件路径和文件格式
• 图表生成失败：确保有足够的磁盘空间和写入权限

功能建议

欢迎提出改进建议和新功能需求，包括：

• 新的图表类型
• 更多的统计指标
• 更好的数据预处理
• 性能优化建议

📄 许可证

本项目采用 MIT 许可证，详见 LICENSE 文件。

🙏 致谢

感谢所有为期货数据分析和可视化做出贡献的开发者和研究人员，以及提供宝贵反馈的用户。

---

版本: 2.0 最后更新: 2025-11-02 核心工具:

• volume_price_sequence.py - 价格序列分析
• volume_distribution_analysis.py - 成交量分布深度分析 项目状态: ✅ 活跃维护中 新增功能:
• ✅ 成交量分布深度分析
• ✅ 当前成交量柱状图
• ✅ 7种专业可视化图表
• ✅ 业务洞察和交易建议