一根放量大阳线，看起来像「有人在大量买入」。可每一笔成交都是一买一卖，买的量永远等于卖的量。这一篇从 2021 年 2 月 8 日 BTC 的一根 1 小时 K 线讲起：价格为什么会动（挂单的人和吃单的人）、为什么主动买入多也可能收阴线（BTC 全部历史里 42% 的上涨日主动买入不到一半）、为什么同一分钟里现货和合约的最低价差了 1312 美元、技术分析的三个前提分别在什么条件下成立、三种分析方法各回答什么问题，以及为什么同一个方法换一个时间尺度就是另一回事（2025 年 BTC 的 1 分钟 K 线有 92% 不够付一次往返手续费）。
你在支撑位挂的买单成交了。是谁卖给你的？他为什么愿意在你觉得便宜的价格卖？这一篇从 2025 年 10 月 10 日 BTC 的暴跌讲起：交易为什么是零和、成本为什么把它变成负和（零优势的交易者每年往返 500 次，光成本就亏掉 39%）；想交易的人和必须交易的人有什么区别；五类被迫交易者各自在什么时候、什么位置出现，以及它们在数据上留下的痕迹（两小时内持仓量减少 21%、特斯拉纳入标普 500 当天成交量是平时的 4.5 倍、跌破前一天低点的那一分钟成交量是平时的 9 倍）；为什么被迫交易集中的地方更可能出现可预期的价格行为；最后给出分析一笔交易对手盘结构的四个问题。
两个平台上，AAPL 2020 年 8 月的最高价一个是 515.14，一个是 131.00。哪个对？这一篇讲清楚你拿到的价格数据经历过什么：K 线的每个字段是怎么来的；拆股和分红调整分别在做什么、各自什么时候该用（错用拆股前的价格，回测会看到一天暴跌 74%）；为什么「调整后的价格」每次下载都不一样；盘后公告如何变成第二天的跳空；BTC 的日线按 UTC 切和按北京时间切，28.8% 的日子阴阳相反；同一分钟里 Binance 和 Coinbase 的最低价差 5,000 美元。最后用真实数据做体检：SPY 数据里一个 9,999,999 的假成交量，BTC 1 分钟数据里 21,602 根时间戳错位的 K 线、34 段缺口、交易所停机时留下的占位 K 线。附 talab.data 模块的完整代码。
在 BTC 的算术坐标图上，2025 年那次下跌看起来比 2018 年那次严重得多；实际上 2018 年跌了 84.1%，2025 年跌了 54.2%。这一篇先把 talab 搭成一个完整的项目：虚拟环境、依赖版本、一键下载全部课程数据并核对复现指纹、15 个测试。然后讲清楚一根 K 线是怎么变成屏幕上的像素的：先不用任何绘图库，手写一段代码生成 SVG 画出 K 线，再写出之后每一篇都要用的 talab.plot。最后讲对数坐标和算术坐标：为什么同一条趋势线，在算术坐标下 2026 年 4 月 13 日就被突破，在对数坐标下要到 4 月 22 日；为什么算术坐标下的下降趋势线，会在 2026 年 12 月 26 日跌到零。
2022 年 6 月 12 日收盘，按 BTC 过去一年的波动率和正态分布计算，单日跌 15% 大约 208 年才会发生一次。第二天它就跌了 15.4%，而在这之前的五年里，这种事已经发生过四次。这一篇讲清楚交易里最基础的几个统计量：简单收益率和对数收益率各自什么时候用，为什么日均收益率 0.15% 复利下来不是 143 倍而是 18 倍，波动率为什么按时间的平方根放大，收益率分布的尾巴到底有多肥、从哪里来，自相关在统计上意味着什么（以及为什么三个标的的「显著」负自相关几乎全部来自 2020 年），为什么价格不平稳而收益率近似平稳。最后写出 talab.stats 模块和它的测试。
两根 BTC 日线，把开盘价记为 100 之后，最高、最低、收盘三个价格相差不到 0.1。一根之后 10 天涨了 6.3%，另一根之后 10 天跌了 16.3%。这一篇讲清楚一根 K 线是怎么由成千上万笔成交压缩出来的：合成规则，以及用 1 分钟线合成日线时为什么有 43 天和官方数据对不上；实体和影线，以及为什么 SPY 有 20.2% 的日子 K 线颜色和当天涨跌相反；K 线丢掉的路径信息，以及它让日线回测里的止损止盈结果在 −819% 到 +745% 之间摇摆；Heikin-Ashi 为什么能让一个策略在回测里从 32 倍变成 13 万倍；Renko 去掉时间轴之后得到了什么、失去了什么。最后写出 talab.bars 模块。
2025 年 10 月 30 日，BTC 周线收在 20 周均线上方，4 小时线却跌破了过去 7 天的最低价。你手里有多单，该听周线的还是听 4 小时线的？这一篇讲清楚不同周期之间的关系：一根周线怎么由日线和 4 小时线合成，pandas 默认的周线为什么标在周日；为什么周线在 20 周均线上方时，有 46% 的时间 4 小时线在均线下方；周线向上时 4 小时破位之后发生了什么；Elder 三重滤网是什么，一个简化版本在 BTC 和 SPY 上能不能检验出效果。最后是多周期回测里最常见的前视偏差：把周线对齐到日线时错用一行代码，同一个规则的回测会从 7 倍变成 374 倍。
2024 年 10 月 16 日，你说 BTC 是上升趋势，朋友说是震荡。这一篇把「趋势」写成能计算的定义：用高点和低点描述趋势，用分形和 ZigZag 两种算法找出摆动点；讲清楚最后一个摆动点为什么会重绘，按摆动点「发生」的时间回测为什么会得到 46 亿倍；把高低点结构变成上升、震荡、下降三种状态，看同一天在 5%、10%、20% 三个尺度下为什么分别是上升、震荡、下降；用打乱检验看这些状态之后的 20 天有没有不同；说明趋势线有多少种画法；最后讲效率比、回归斜率和 ADX 三种趋势强度，以及它们在随机数据里会给出什么结果。
2026 年 6 月 3 日，BTC 第四次回到 65,000 附近，前三次都守住了。这一次呢？这一篇讲清楚支撑和阻力从哪里来：前高前低、整数关口、成交密集区和止损单；用 BTC 的数据验证整数关口的订单痕迹（日线最高价、最低价正好落在千位整数上的比例，是普通价格的 13 到 14 倍）；把「一个价位被测试、守住、突破、角色互换」写成可以统计的规则，和打乱顺序的随机数据对比，看测试次数越多是变强还是变弱；看假跌破和跌破深度、成交量的关系；最后讲缺口的四种类型、美股隔夜跳空的回补，以及用 1 分钟数据按 CME 交易时间自己算出来的 439 个 BTC「CME 缺口」：96.6% 后来回补了，但开盘价另一侧同样距离的价位，被碰到的比例是 98.4%。
2025 年 12 月 17 日美股开盘后，BTC 一个小时急涨 2.3%，下一个小时全部跌回，放出当天最大的成交量，收在当日 VWAP 下方。这一篇讲清楚成交量到底记录了什么：为什么「放量」不等于「买的人多」；成交量数据的五个坑（单位、交易所的零手续费活动、现货和合约、刷量、美股场外成交）；量价的四种组合、放量突破、缩量回调和天量，在 BTC、SPY、AAPL 上的数据怎么说；VWAP 为什么是机构执行的基准，怎样用 1 分钟数据精确计算；锚定 VWAP 和 Volume Profile 是什么，前一天成交最密集的价格（POC）第二天被碰到的比例，比对照价格高出多少。