3. 成交量突增的界定与度量

在联合检测体系中，“成交量突增”不是一个凭感觉判断的模糊概念，而是一个需要被明确定义、可计算、可复现的量化事件。同一根放量K线，用不同的基准、不同的窗口、不同的阈值去衡量，可能得出完全相反的结论。本节要解决的核心问题是：把“放量”翻译成一组可执行的参数与判定规则，使后续与报价失衡的联合检测有一个稳定的触发入口。

一、基准成交量：突增的比较对象

突增的本质是“当前成交量相对于某个正常水平显著偏高”，因此第一步必须确定“正常水平”是什么。常用的基准成交量有三类：

• 滚动均值基准：取当前K线之前 N 根K线的成交量算术平均，例如 V_base = mean(V[t-N], …, V[t-1])。它随行情自适应，是最常用的基准。
• 滚动中位数基准：取前 N 根的中位数。中位数对极端放量不敏感，当历史窗口内本身含有异常大成交量时，中位数比均值更稳健，不易被“污染”。
• 分时段基准：按交易时段分别统计基准，例如开盘前30分钟、午盘、尾盘各用各自的均值。A股开盘与尾盘天然放量，若不分时段，早盘的正常量会被误判为突增。

基准窗口 N 的选取要与检测目标匹配：日内高频检测常用 N=20～30 根（约半小时到一小时的分钟线），波段级检测可用 N=20 个交易日。关键原则是基准窗口必须完全位于当前K线之前，不能包含当前K线本身，否则当前放量会抬高基准、稀释信号，形成自我抵消。

二、突增阈值：倍数法与稳健Z分数

有了基准，阈值决定“多大算突增”。两种主流度量方式各有适用场景：

倍数法最直观：R = V[t] / V_base，当 R ≥ K 时判定为突增。K 常取 2.0～3.0。优点是易解释、易调参；缺点是没有考虑成交量的自然波动率——低波动品种 R=2 已很罕见，高波动品种 R=2 可能天天出现。

稳健Z分数把波动率纳入考量：Z = (V[t] − median) / (1.4826 × MAD)，其中 MAD 为前 N 根成交量绝对偏差的中位数，系数 1.4826 使其在正态假设下与标准差同尺度。当 Z ≥ 3 时判定为突增。它对极端值稳健，适合成交量分布厚尾、偶发巨量的品种。实践中可两者并用：倍数法做粗筛，Z分数做确认，同时满足才触发，可显著降低误报。

三、时间窗口：检测尺度与持续性确认

时间窗口包含两层含义。第一层是检测窗口，即用多长周期的K线做判定：1分钟窗口捕捉瞬时冲击，5分钟窗口过滤单笔大单的偶然性，日线窗口识别资金级别的异动。第二层是确认窗口，即要求突增在连续 M 根K线内出现至少 L 次，或要求放量持续 M 根以上，以避免“一根针”式的假信号。例如设定“5分钟内至少3根K线满足 R≥2.5”，比单根判定稳健得多。

此外应设置冷却期：一次突增触发后，在随后若干根K线内不重复报警，防止同一波放量被反复计数，干扰后续联合检测的事件统计。

四、异常判定方法：从单指标到联合条件

完整的异常判定通常由三层条件叠加构成：量能条件（R 与 Z 达标）、价格条件（如振幅或涨跌幅超过阈值，排除无价格响应的对倒放量）、持续性条件（确认窗口内达标次数足够）。三层同时满足才输出“成交量突增”事件，并记录触发时刻、R值、Z值、基准值等字段，供与报价失衡信号做时间对齐。

五、参数标定与结果观察

参数不能拍脑袋定。可行的标定流程是：先取一段历史数据，用候选参数组合（如 K∈{2.0,2.5,3.0}、Z阈值∈{2.5,3,4}、N∈{20,30,60}）回算，统计每日触发次数与触发后的价格响应分布。若某组合日均触发超过数十次，说明阈值过松；若一周仅触发一两次且多为已知事件，说明过紧。目标是让触发频率与品种的活跃度相匹配，并保证触发点具有后续可观察的价格或报价变化。

观察结果时，重点看三类指标：触发频率（是否稳定在合理区间）、误报率（触发后价格无响应的比例）、漏报情况（已知异动日是否被捕获）。若误报集中在开盘时段，应引入分时段基准；若漏报集中在缓慢放量，说明单根判定不足，应放宽确认窗口或改用累计成交量比较。

六、与联合检测的衔接

本节输出的突增事件只是联合检测的“量能侧”输入。事件记录中必须保留精确时间戳与当时的基准值、R值、Z值，以便与报价失衡模块（买卖盘挂单失衡、价差突变等）做同一时间轴上的对齐。只有当量能突增与报价失衡在允许的时间容差内同时或先后出现，才构成联合信号。因此，本节参数的选择不仅影响突增识别本身，也直接决定了后续联合检测的触发密度与信噪比——阈值过松会让联合信号泛滥，过紧则可能错过真实的量价共振。

建议将上述参数固化为一份可复用的配置表，随品种与检测周期分别维护，并在每次调整后重新回算触发频率与误报率，形成参数迭代的闭环记录。