第 1 篇：一张价格图到底记录了什么

一、先做一个决定

下面是比特币 2021 年 2 月 7 日中午到 8 日中午的 1 小时 K 线图。每根 K 线代表一个小时，时间是 UTC（比北京时间晚 8 小时）。

图停在最后那根 K 线上。它是 2 月 8 日 12:00 到 13:00 这一个小时：

在这之前，价格在 38,000 到 39,500 之间磨了整整一天。然后，一个小时拉升 9%，成交量放大 5 倍。

你看着这根 K 线，脑子里大概会冒出一句话：有人在大量买入。

现在你手上没有仓位。你会怎么做？

• A. 马上追进去，这么大的买盘，后面还会涨
• B. 等回调再买
• C. 不碰，涨太多了
• D. 其他想法

先把你的选择和理由写下来，写在纸上或者备忘录里都行。这一篇结束之前会揭晓后面发生了什么。

不过这一篇真正想让你想清楚的，不是「该不该追」，而是你刚才脑子里那句话：「有人在大量买入」。这句话听起来理所当然，但它其实有问题。

二、一个几乎所有人都忽略的事实

每一笔成交，都是一买一卖

先想一个最简单的问题：那 13,971 个比特币，是谁买的？

是某些人买的。那又是谁卖的？

也是某些人卖的，而且卖出的数量，正好也是 13,971 个。

这不是巧合，是交易的定义。一笔成交必须有一个买家和一个卖家：你买进 1 个比特币，就一定有人卖出了这 1 个比特币。不存在「只有买、没有卖」的成交。

所以，在这一个小时里：

买入的总量 = 卖出的总量 = 13,971 BTC

放到任何一根 K 线、任何一个时间段、任何一个市场都一样。「买的人比卖的人多，所以涨了」，如果「多」指的是成交数量，这句话在字面上就不可能成立。

⚠️ 这里第一次读会觉得别扭：可价格明明涨了 9%，总得有个原因吧？如果买卖数量永远相等，那价格是被什么推上去的？

这个问题问得对。要回答它，得先换个角度看市场。

打个比方：二手车市场里的价格牌

想象一个很大的二手车交易场。

场子里停着几百辆同一型号的车，每辆车的挡风玻璃上都贴着一张价格牌：「10 万」「10.05 万」「10.1 万」……这些是卖家贴的，意思是「谁愿意出这个价，车就是谁的」。卖家贴完价格牌就去喝茶了，他们不着急，愿意等。

场子里也有一些买家在门口的告示板上留了话：「9.95 万收一辆」「9.9 万收一辆」。这些买家也不着急。

这时候，来了一个着急的买家。他明天就要用车，没时间讲价。他走进场子，直接找贴价最低的那辆，10 万，付钱开走。

如果他要买 3 辆呢？10 万那辆只有 2 辆，他买走之后，场里最便宜的就变成了 10.05 万。他只好按 10.05 万再买 1 辆。

注意发生了什么：

• 每一辆车都是一个买家、一个卖家，成交数量两边相等
• 但成交价格从 10 万变成了 10.05 万
• 推高价格的，不是「买家比卖家多」，而是一个着急的买家，把耐心卖家贴出来的便宜价格一个个买光了

这就是价格变动的真正机制。这个二手车场，我们整篇都会用到。

三、价格为什么会动：挂单的人和吃单的人

两种参与者

回到交易所。交易所里也有两种人，和二手车场一模一样。

挂单的人（maker）：他们提前把「我愿意在什么价格买多少、卖多少」挂出来，然后等别人来成交。这就是贴价格牌的卖家，和在告示板上留话的买家。

吃单的人（taker）：他们不等，直接和别人已经挂着的单子成交。这就是那个着急的买家。

所有挂着的单子放在一起，叫订单簿（order book）。卖单那一侧按价格从低到高排，买单那一侧按价格从高到低排。

每一笔成交，都一定是一个吃单的人撞上一个挂着的单子。所以虽然每笔成交都是一买一卖，但每笔成交都有一个「主动方」：

• 吃单的人是买方，这笔成交就叫主动买入（taker buy）
• 吃单的人是卖方，这笔成交就叫主动卖出（taker sell）

一步一步算一遍

我们用一个很小的订单簿，完整走一遍价格是怎么动起来的。

假设某一刻，订单簿是这样的（价格单位：美元，数量单位：个）：

此刻，最低的卖价是 100.00，最高的买价是 99.50。上一笔成交价是 100.00。

第一步：来了一个着急的买家，要立刻买 6 个。

他不挂单，直接吃掉卖单。从最便宜的开始：

这 6 个的平均成交价是 602.50 ÷ 6 ≈ 100.42。

最后一笔成交价变成了 101.00，比开始时的 100.00 涨了 1%。

现在订单簿变成：卖单只剩 101.00 × 4；买单没动，还是 99.50 × 4 和 99.00 × 6。

在这一步里：主动买入 6 个。每一个都有对应的卖家，被动卖出也是 6 个。买卖数量相等，价格涨了 1%。

第二步：接着来了一个着急的卖家，要立刻卖 4 个。

他直接吃掉买单，从出价最高的开始：99.50 那一档正好有 4 个，全部成交。

最后一笔成交价变成 99.50。

把这两步合成一根 K 线。

假设这两步刚好发生在同一分钟里。这一分钟的 K 线是：

⚠️ 这是整篇最容易读反的地方，值得停下来多看一眼：主动买入占了 60%，这根 K 线却是一根阴线，收盘价比开盘价低。

为什么？因为价格动多少，不只看吃单的量有多大，还要看被吃掉的那一侧挂了多厚。

• 买家吃 6 个，要穿过三档卖单（100.00、100.50、101.00），价格被推高 1.00
• 卖家只吃 4 个，但买单最高那一档正好挂着 4 个，而且 99.50 离 101.00 本来就有 1.50 的距离，所以价格一下子掉到 99.50

回到二手车场：着急的买家在「贴价很密」的那一侧买，价格只涨一点；着急的卖家碰上「出价很稀」的那一侧，一卖就要降很多。

还有一种不需要成交的价格变化

还有一件事，K 线完全看不到。

回到最初的订单簿。假设没有任何人成交，但 100.00 那个卖家改主意了：他把价格牌撕掉，改贴 100.80。

现在最低的卖价从 100.00 变成了 100.50。一笔成交都没发生，但下一个着急的买家，最低只能买到 100.50 了。

在二手车场里，这就是卖家听到风声，悄悄把价格牌改高了。成交记录上什么都没有，但价格已经变了。

K 线只记录成交，不记录挂单和撤单。挂单的变化，要到下一笔成交发生时，才会反映在价格上。

✋ 小检查

某一小时里，主动买入 8,000 个，主动卖出 2,000 个。请问：这一小时的成交量是多少？被动卖出（也就是挂着卖单、被别人吃掉的）是多少？这根 K 线一定是阳线吗？

答案在本篇最后。

四、用真实数据核对

上面是一个编出来的小例子。现在用真实数据看看，它说的是不是真的。

Binance 的 K 线数据里，除了开高低收和成交量，还有一个字段叫 taker_buy_base：这根 K 线里，主动买入的数量。用它除以成交量，就是主动买入占比。

（数据怎么下载、怎么加载，第 3 篇会完整讲。这一篇先直接看结果。）

开头那根 K 线

2021 年 2 月 8 日 12:00 这一小时：

这一小时一共发生了 281,022 笔成交。主动买入明显多于主动卖出，和「价格大涨」的直觉一致。

但紧接着的下一个小时（13:00），情况就变了：

主动买入还是超过一半，这根 K 线却收了阴线。和我们小例子里的第二步一模一样。

全部历史：上涨的日子里，主动买入一定更多吗？

一两根 K 线可能是巧合。我们看 BTC 在 Binance 上的全部日线，从 2017 年 8 月到 2026 年 8 月，一共 3,302 天。

d["ret"] = d["close"] / d["open"] - 1                 # 当天涨跌幅
d["buy_ratio"] = d["taker_buy_base"] / d["volume"]    # 主动买入量占比

up = d[d["ret"] > 0]
print("统计区间：", d.index[0].date(), "至", d.index[-1].date())
print("上涨的天数：", len(up))
print("其中主动买入占比不到一半的：", (up["buy_ratio"] < 0.5).sum())
print("比例：", round((up["buy_ratio"] < 0.5).mean(), 3))

big = d[d["ret"] > 0.05]
print("涨幅超过 5% 的天数：", len(big))
print("其中主动买入占比不到一半的：", (big["buy_ratio"] < 0.5).sum())

输出：

统计区间： 2017-08-17 至 2026-08-31
上涨的天数： 1690
其中主动买入占比不到一半的： 711
比例： 0.421
涨幅超过 5% 的天数： 206
其中主动买入占比不到一半的： 39

1,690 个上涨日里，有 711 天（42.1%）主动买入不到一半。 就算只看涨幅超过 5% 的大涨日，206 天里也有 39 天是主动卖出更多。

主动买卖的方向和价格方向有关系，但远远不是「主动买入多就涨」这么简单。拿 2025 年全年的数据算，K 线涨跌幅和主动买卖不平衡程度之间的相关系数，从 1 分钟线到日线都在 0.41 到 0.49 之间：有明显的关系，但只能解释一部分。剩下的部分，就是上一节讲的两件事：被吃掉的那一侧挂得有多厚，以及没有成交的挂单和撤单。

一个极端的例子：2020 年 3 月 13 日

这一天 BTC 日线涨了 16.2%，是 Binance 上 BTC 历史涨幅第五大的一天。按直觉，这天应该充满了主动买入。

实际上，这天的主动买入占比是 49.1%，不到一半。

把这一天拆成小时看，就明白了：

这是 3 月 12 日暴跌的第二天。凌晨头两个小时，大量主动卖出继续把价格砸到了 3,782.13（02:16）；随后价格在一个小时里反弹 17%，全天收在 5,578.60。

日线把「先暴跌、后暴涨」这两段合成了一根大阳线。从日线上，你完全看不出当天凌晨发生过一次 −21% 的下跌（从开盘 4,800 到最低 3,782）。K 线会丢掉哪些信息，第 6 篇会专门讲。

五、揭晓：后面发生了什么

现在回到开头那个决定。这是图后面的走势：

• 13:00 这一小时：价格最高冲到 44,918，最低砸到 41,906.70，一个小时里上下来回 3,000 多美元，最后收在 42,897.12，比上一根的收盘价还低一点
• 之后几个小时在 42,500 到 44,300 之间反复
• 当天收盘：46,374.87。日线从 38,795.69 开盘，全天涨了 19.5%

如果你选了 A，在 43,000 附近追进去，接下来一个小时里你会看到价格跌到 41,906，浮亏大约 2.5%；如果你扛住了，当天收盘时浮盈大约 7.8%。如果你的止损设在 41,906 以上，这一小时里你已经被止损出局了。

哪个选择对？光凭这根 K 线，回答不了。 要回答它，需要这门课后面的东西：这个位置在整体结构里意味着什么（第二部分）、正常的波动有多大、止损该放在哪里（第 15、23 篇）、这样一次突破在历史上后续表现如何（第六部分）。

这一篇要说的是另一件事。

那个「在大量买入的人」

这一天发生了什么？

2021 年 2 月 8 日，特斯拉向美国证券交易委员会（SEC）提交了年度报告。报告里写道：公司在 2021 年 1 月更新了投资政策，之后已经买入了总计 15 亿美元的比特币。这个消息一出，市场迅速做出了反应。

注意时态：已经买入了。特斯拉这笔 15 亿美元的买入，发生在报告公布之前。

所以，那根大阳线里交易的，并不是特斯拉。那一个小时里主动买入的 8,934.8 个比特币，是看到消息后涌进来的人买的。这一小时一共卖出了 13,971 个比特币：其中 8,934.8 个是挂着卖单、被这些人吃掉的，另外 5,036.5 个是有人主动卖出的。

回到二手车场：有个大车队老板早在上个月就悄悄买走了一批车。今天报纸登出了这条新闻，门口涌进来一群着急的买家。场里的价格被他们一路买高，而那个车队老板，今天根本没来。

你在 K 线上看到的「大量买入」，是这一小时里着急的人和耐心的人成交的结果。它不告诉你谁在买、为什么买，也不告诉你那个真正的大买家是谁、什么时候买的。

六、价格不是价值

同一分钟，两个价格

2021 年 5 月 19 日，加密市场暴跌。我们看 UTC 13:10 这一分钟，Binance 上两个 BTC 市场的最低价：

同一个交易所，同一个资产，同一分钟，最低成交价差了 1,312 美元。同一天 13:44 这一分钟，两个市场的收盘价也差了 1,506 美元（现货 37,406.48，合约 35,900.00）。而这一整天 1,440 分钟里，两个市场每分钟收盘价之差的中位数只有 27 美元。

那么，这一分钟里，一个比特币到底值多少钱？30,000 还是 28,688？

哪个都不是。这两个数字都不是「比特币值多少」，它们只是在各自那个市场里，那一分钟里，最低的一笔成交是在什么价格发生的。

回到二手车场：同一个型号的车，在两个不同的车场里卖。其中一个车场里，有个急着用钱的卖家被逼得低价甩卖了一辆。这辆车的成交价，不代表这个型号的车就只值这么多；它只说明，在那个车场、那个时刻，有一个着急的卖家碰上了一个出价很低的买家。

两个定义

现在可以准确地说了：

价格：某个市场里，某一时刻，一笔实际发生的成交的价格。它是一个事实，发生了就不会变。

价值：一个资产「应该」值多少的估计。不同的人用不同的方法，会估计出不同的数字。它没有唯一答案，也不会直接出现在任何一张图上。

一张价格图画的，是一连串「价格」，也就是一连串已经发生的成交。它记录的是交易行为的结果，不是资产的价值。

⚠️ 这个区分听起来像文字游戏，但它直接决定了技术分析在研究什么。技术分析研究的是成交留下的记录，也就是市场参与者在各个价格上实际做了什么。它不去估计资产值多少。

一张价格图，记录了什么、没记录什么

把前面几节合在一起：

后面讲的每一个工具，都只能从左边这一列里提取信息。右边那一列里的东西，任何指标都算不出来。 这一点记住，后面会反复用到。

七、技术分析的三个前提

技术分析在做什么

有了上面的准备，可以给技术分析一个准确的描述了：

技术分析：研究市场交易行为留下的记录（价格、成交量，以及由它们衍生出来的数据），来判断当前的市场状态、关键价位，以及在什么条件下应该怎样交易。

教科书上说，技术分析建立在三个前提上。这三句话被引用得非常多，但很少有人讲清楚它们在什么条件下成立、在什么条件下不成立。下面一个一个看。

前提一：市场行为包含一切信息

原来的说法：影响价格的所有因素，包括基本面、政策、情绪，最终都会反映在价格上。所以只研究价格就够了。

用开头的例子看：特斯拉买入比特币这件事，在报告公开之前，市场上几乎没人知道。那时候价格里没有这个信息。报告公开之后，价格在一个小时里涨了 9%，这个信息进入了价格。

更准确的说法：

已经公开的、并且有人据此交易的信息，会进入价格。

这个前提成立有三个条件，缺一个就会打折扣：

1. 信息要公开。只有少数人知道的信息，价格里没有，或者只有一部分。
2. 要有人据此交易。信息公开了，但如果没人关注、没人下单，价格就不会动。流动性差、关注度低的品种，价格反映信息的速度会很慢。
3. 价格反映的是交易者的「看法」，不是事实本身。一条消息公开后，大家可能过度反应，也可能反应不足。价格包含了这条信息，不等于价格对这条信息的解读是对的。

前提二：价格以趋势方式运动

原来的说法：价格一旦开始往一个方向走，更可能继续往这个方向走，而不是随机乱跳。

先用数据检验一个最朴素的版本：「今天涨，明天也更可能涨；今天跌，明天也更可能跌。」

在 BTC 的 3,301 对相邻交易日里，第二天和前一天方向相同的比例是 46.7%，比抛硬币的 50% 还低。就算只看前一天涨跌超过 5% 的日子，第二天同方向的比例也只有 46.2%。按年份看，2018 年是 44.5%，2021 年是 43.7%，2024 年是 45.8%，2025 年是 49.2%。

所以，「明天会延续今天的方向」这个版本，在 BTC 日线上是不成立的。

这是不是说趋势不存在？不是。它说明「趋势」不能简单地理解成「明天和今天一样」。

更准确的说法：

在某些时间尺度上、在某些时期里，价格变化存在一定的持续性。

它是一个需要检验的假设，不是一个可以直接拿来用的公理。在什么时间尺度上有持续性、持续性有多强、什么时期强什么时期弱，需要用数据去测。第 5 篇会讲怎么用统计方法测量这种持续性，第 8 篇会讲怎么把「趋势」写成一个能计算的定义。

前提三：历史会重演

原来的说法：市场参与者的心理和行为模式是稳定的，所以过去出现过的价格模式，未来还会出现。

这个前提背后的逻辑，比前两个更扎实：价格是人交易出来的，而人的某些习惯非常稳定。

一个可以检验的例子：整数价位。

第六节提到，2021 年 5 月 19 日现货的最低价正好是 30,000.00。这是巧合吗？

我们来算。BTC 在 Binance 现货上的最小价格单位是 0.01 美元。如果价格的最低点落在哪里完全随机，那么它恰好落在 1,000 的整数倍上（比如 30,000.00、45,000.00）的概率，大约是 0.01 ÷ 1,000 = 十万分之一。

我们只看日最低价不低于 10,000 美元的交易日（价格太低时，1,000 的整数倍太少，不好比较），一共 2,349 天。按十万分之一的概率，我们预期每天的最低价恰好是 1,000 整数倍的情况，总共出现 0.023 次，也就是基本不会出现。

实际出现了多少次？

实际次数是随机预期的一千多倍。

原因不难想：很多人喜欢把买单挂在 30,000、把卖单挂在 50,000，把止损放在 29,900。这些单子在整数价位上堆成一堵墙，价格走到这里，就更容易被挡住。这个习惯，今年有，去年有，明年大概率也还有。 这就是「历史会重演」最扎实的形式：不是图形在重演，是人的行为在重演。 整数价位和支撑阻力的关系，第 9 篇会展开。

更准确的说法：

产生某种价格模式的行为原因如果还在，这个模式就可能继续出现。

所以它会在两种情况下失效：

1. 参与者的结构变了。比如 2024 年 1 月美国批准比特币现货 ETF 之后，大量通过 ETF 买入的机构和长期投资者进入市场，交易行为和过去以散户为主时不一样了。以前的某些模式，可能因此变弱或消失。
2. 一个模式被太多人发现和利用。如果所有人都知道「价格到了 30,000 会反弹」，就会有人提前在 30,100 买，再有人在 30,200 买，结果反弹提前发生在别处，30,000 本身反而失去了意义。

✋ 小检查

有人说：「这个形态在过去十年里出现了 20 次，每次后面都涨了，历史会重演，所以这次也会涨。」按照这一节的说法，你至少应该追问他哪两个问题？

八、三种分析方法，各自回答什么问题

在交易里，常听到三种说法：基本面分析、技术分析、量化交易。它们经常被说成是互相竞争的「流派」。但更准确的理解是：它们回答的是不同的问题。

还是用 2021 年 2 月 8 日这一天，看三种方法各自会问什么：

几点说明：

这三种方法不互相排斥。 一个交易者完全可以用基本面判断「长期看好」，用技术分析决定「在哪里买、止损放哪」，再用量化方法检验「这套买卖规则过去是否有效」。

这门课是技术分析，但会大量用到量化的方法。 原因很简单：技术分析里有大量说法，比如「放量突破可靠」「顶背离要跌」，它们听起来都有道理，但到底可不可靠，必须用数据检验。只有技术分析的判断，没有量化的检验，你就分不清哪些说法是真的。

技术分析不回答「值多少」。 这不是它的缺点，是它的分工。就像第六节说的，价格图上根本没有「价值」这个信息。

九、时间尺度改变一切

同一个方法，放在不同周期上

假设你有一条规则：「价格从下方穿过 20 根 K 线的均线时买入。」

同样这条规则，放到 2025 年全年的 BTC 数据上：

同一条规则，触发次数差了一千五百倍。这已经不是「同一个方法」了。

波动和成本的比例

次数不同，只是表面。更根本的差别在于：每根 K 线的波动大小，和你每次交易要付的成本，比例完全不同。

每次交易都有成本。假设你用吃单的方式交易，单边手续费是 0.05%，一买一卖两次，就是 0.1%。（这还没有算买卖价差和滑点，第 28 篇会完整讲成本。）

下面统计 2025 年 BTC 在不同周期上，每根 K 线从开盘到收盘的涨跌幅度（取绝对值），看它和 0.1% 的成本比起来怎么样：

m = load("data/1m/BTCUSDT-1m-2025-*.zip")   # 2025 年全年 1 分钟 K 线
agg = {"open": "first", "high": "max", "low": "min", "close": "last", "volume": "sum"}
fee = 0.001   # 一买一卖两次吃单，每次 0.05%
for tf in ["1min", "5min", "15min", "1h", "4h", "1D"]:
    bars = m.resample(tf).agg(agg).dropna()             # 把 1 分钟线合成更长的周期
    move = (bars["close"] / bars["open"] - 1).abs()     # 每根 K 线的涨跌幅绝对值
    print(f"{tf:>5}  K线数 {len(bars):>6}  波动中位数 {move.median():.4%}  "
          f"不够付手续费的比例 {(move < fee).mean():.1%}")

输出：

 1min  K线数 525600  波动中位数 0.0246%  不够付手续费的比例 92.1%
 5min  K线数 105120  波动中位数 0.0585%  不够付手续费的比例 70.2%
15min  K线数  35040  波动中位数 0.1037%  不够付手续费的比例 48.5%
   1h  K线数   8760  波动中位数 0.2003%  不够付手续费的比例 27.6%
   4h  K线数   2190  波动中位数 0.4098%  不够付手续费的比例 14.6%
   1D  K线数    365  波动中位数 1.1332%  不够付手续费的比例 7.7%

（resample 是把短周期 K 线合成长周期 K 线的方法，第 6 篇会详细讲。）

读一下这张表：

• 1 分钟线：一根 K 线从开盘到收盘，波动的中位数只有 0.0246%，是手续费的四分之一。92.1% 的 1 分钟 K 线，整根走完都不够付一次往返手续费。
• 1 小时线：波动中位数 0.2%，大约是手续费的 2 倍，有 27.6% 的 K 线不够付手续费。
• 日线：波动中位数 1.13%，是手续费的 11 倍，只有 7.7% 的 K 线不够付。

⚠️ 这里有一个很常见的误解：「短周期就是长周期的缩小版，在日线上管用的方法，放到 5 分钟线上也一样管用，只是节奏快一点。」

这张表说明不是这样。成本是按次数收的，固定不变；波动却会随着周期变短而变小。 周期越短，成本在每次波动里吃掉的比例越大。同一个方法，在日线上可能扣完成本还有得赚，放到 1 分钟线上，成本就已经吃掉了全部的波动。

再回到二手车场想一想：每次买卖一辆车，都要付给车场一笔固定的中介费。如果你打算今天买、下个月卖，车价的涨跌通常远远大于这笔中介费。如果你打算上午买、下午卖，车价在半天里几乎不动，中介费就成了你最大的开销。

所以，谈论任何一个技术分析方法，都必须先说清楚：在什么时间尺度上？

这门课的主线用日线和 4 小时线。原因就在这张表里：在这个尺度上，波动足够覆盖成本，交易次数也足够多，可以做有意义的统计。

十、技术分析能回答什么，不能回答什么

把这一篇讲过的东西合起来，可以画出技术分析的边界了。

左边这一列，就是这门课接下来要一项一项教的东西。

右边这一列，对应的就是第六节那张表里「价格图没有记录」的内容。一张图上没有的信息，再精巧的工具也算不出来。 学技术分析，就是学怎么把左边这一列做到最好。

十一、小结

1. 每一笔成交都是一买一卖，任何时间段里，买入的总量永远等于卖出的总量。「买的比卖的多所以涨」，在数量上不可能成立。

2. 价格变动的真正机制，是吃单的人和挂单的人之间的相互作用。 着急的一方吃掉耐心一方的挂单，把价格推向一边。价格动多少，取决于吃单的量有多大，也取决于被吃的那一侧挂得有多厚。挂单和撤单本身也会改变价格，但 K 线看不到它们。

3. 主动买入多，不一定收阳线。 BTC 全部历史里，42.1% 的上涨日主动买入不到一半。

4. 价格不是价值。 价格是某个市场、某个时刻的一笔成交；同一分钟里，现货和合约的最低价可以差 1,312 美元。价格图记录的是交易行为的结果。

5. 技术分析的三个前提，每一个都有成立的条件：

   • 市场行为包含信息：只包含已公开、并且有人据此交易的信息
   • 价格以趋势方式运动：「明天延续今天」在 BTC 日线上不成立（46.7%），趋势是一个需要在特定时间尺度上检验的假设
   • 历史会重演：重演的是人的行为，比如在整数价位挂单（实际出现次数是随机预期的一千多倍）；行为原因消失，模式就会失效

6. 基本面、技术、量化回答不同的问题：值多少、正在怎么交易、规律是否可靠。

7. 时间尺度改变一切。 成本按次收，波动随周期变短而变小。2025 年 BTC 的 1 分钟 K 线有 92.1% 不够付一次往返手续费，日线只有 7.7%。

最后再回到二手车场一次。你站在场子门口，看到今天成交价一路走高，成交记录一页比一页长。这份记录告诉你今天发生了什么：多少辆车在什么价格成交了。它不告诉你是谁、为什么，也不告诉你这车到底值多少钱。

技术分析，就是一门认真读这份成交记录的学问。下一篇，我们换一个问题：你每做一笔交易，钱是从谁的口袋里来的？

练习

练习 1（概念） 某个 1 小时 K 线的成交量是 5,000 个，主动买入占比 30%。请问主动卖出多少个？这一小时里被动买入（挂着买单、被别人吃掉的）一共是多少个？

练习 2（计算） 使用第三节的初始订单簿（卖单 100.00 × 2、100.50 × 3、101.00 × 5；买单 99.50 × 4、99.00 × 6）。一个着急的卖家要立刻卖出 7 个。请算出：每一笔的成交价格和数量、平均成交价、最后一笔成交价。

练习 3（计算） 接练习 2。卖家成交之后，一个着急的买家立刻买入 2 个。把练习 2 和练习 3 的全部成交合成一根 K 线，写出开盘价、最高价、最低价、收盘价、成交量、主动买入占比。它是阳线还是阴线？

练习 4（思考） 第九节的表格里，15 分钟线「不够付手续费的比例」是 48.5%。如果手续费从单边 0.05% 降到单边 0.02%（往返 0.04%），你认为这个比例会怎么变化？1 分钟线的比例会降到 50% 以下吗？（提示：看「波动中位数」那一列。）

练习 5（思考） 第七节说「历史会重演」在「参与者结构变了」的时候会失效。请再举一个例子：某种市场参与者的进入或退出，可能让过去的某个价格模式失效。说明你认为是哪种行为原因消失了。

小检查答案

第三节小检查

• 成交量 = 主动买入 + 主动卖出 = 8,000 + 2,000 = 10,000。
• 被动卖出：每一笔主动买入，对面都是一个挂着的卖单，所以被动卖出 = 主动买入 = 8,000。（同理，被动买入 = 主动卖出 = 2,000。总的买入量 = 8,000 + 2,000 = 10,000，总的卖出量 = 8,000 + 2,000 = 10,000，两边相等。）
• 不一定是阳线。价格怎么动，还取决于买卖两侧各自挂了多厚，以及这些成交发生的先后顺序。第三节的例子里，主动买入占 60%，K 线却收阴。

第七节小检查

至少应该追问：

1. 产生这个形态的行为原因是什么？ 如果说不出是哪些人、出于什么原因在这里交易，就无法判断这个原因现在是否还在。
2. 这 20 次是怎么选出来的？ 是事先定好规则、在全部历史里机械地找出来的全部 20 次，还是人工看图挑出来的 20 次？人看图时，很容易只记住「后面涨了」的那些。另外，20 次本身是一个很小的样本（第 29 篇会讲多少次才够）。