威科夫点数图的绘制与应用：股票涨跌空间判断 | 民生金工

国联民生叶尔乐 2026-06-30 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 4 /5

核心内容

报告系统化实现了威科夫点数图的量化绘制与应用。核心逻辑：通过三点点数图(格值采用2%比例法动态调整，转向值固定为3)压缩盘整区间，量化识别交易区间并计算横向列数，利用目标价公式预测突破后涨跌空间。策略层面，在大盘流动性放量做多信号下，筛选点数图预测上涨空间最大的股票构建组合；缩量看空时全部卖出或动态止损。

经济逻辑

威科夫因果关系原则：主力在吸筹/派发阶段通过价格来回震荡清理浮筹(吸筹)或锁定购买力(派发)，有效震荡次数越多，后续突破阻力越小、空间越大。'横有多长'指的是有效震荡次数而非时间长度。点数图正是计数有效震荡次数的工具。从行为金融角度，震荡次数反映筹码换手充分程度，换手越充分，后续趋势运行越顺畅。

超额收益逻辑

超额收益来源于两点：(1)大盘择时避免了系统性下跌阶段的回撤，提供了Beta保护；(2)在大盘放量上涨阶段，点数图预测的高弹性标的(上涨空间大)确实表现出更高的实际涨幅弹性，提供了选股Alpha。点数图本质上反映了筹码结构的充分换手程度——交易区间列数越多说明浮筹清理越充分，突破后阻力越小，趋势延续概率和幅度越大。

构造细节 [strategy]

数据输入

: (日频): (日频): (日频): (日频)

组合方式

大盘择时信号决定多空状态 + 点数图目标价空间排序决定选股。看多时买入空间最大标的，看空时全部卖出或根据个股盈亏动态止损/静态止盈平仓。

绩效

18.1%

年化收益率

-35.0%

最大回撤

基准: 万得全A

回测期: 2010-2024

结合大盘择时与点数图筛选高弹性标的，2010-2024年策略年化收益达18.1%，跑赢同期万得全A(3.8%)及纯择时策略(8.5%)，最大回撤为-35.0%。

收益归因

报告未进行收益归因分析。

缺口: 未对策略超额收益的来源（如行业、风格、个股选择等）进行拆解与归因。

稳健性

子样本稳定性: 中证800、中证1000、中证2000成分股的预测精确度差别不大(73%-76%在±5格内)，说明市值大小不影响点数图预测效果。但初始空间>50%时精度显著下降，需修正。

风格偏差: 偏向中高波动股票(点数图在低波动股票中生成列数少，信号稀疏)。策略在正收益阶段超额收益更稳定。

点数图目标价预测在不同市值层级间稳健性较好，但对极端行情(初始空间>50%)预测精度显著下降需保守修正。策略整体在上涨阶段表现优于下跌阶段，依赖大盘择时的准确性。

数据依赖

所需数据: 日频OHLC行情数据(主要用H/L)、万得全A指数及成交量/流动性数据、中证800/1000/2000成分股列表

可复现性: medium

数据需求简单(日频量价)，但点数图绘制与交易区间识别规则的代码实现较为复杂，尤其是价格交集计算和区间扩展逻辑需仔细编码。报告给出了完整的算法规则，理论上可复现。

新颖性评估 [新组合]

点数图本身是经典技术分析方法，报告的创新点在于：(1)将威科夫主观的交易区间识别系统化为可编程的RHS/LHS五列重叠规则；(2)将点数图目标价预测(赔率维度)与大盘流动性择时(胜率维度)结合构建选股策略；(3)首次在A股市场进行大规模点数图实证验证(3800只股票15年数据)。

不足与缺陷

交易区间识别规则中的交集计算逻辑未给出精确定义(价格交集是区间重叠比例还是格数重叠比例)，复现时存在歧义
策略最大回撤-35.0%较大，且报告在此处截断未完整展示回撤分析
未披露交易成本假设、持仓数量、换手率等关键策略细节
目标价方向判断(上涨/下跌)依赖交易区间结束后3列价格中值与区间中值的比较，但该判断是回看性质的前置确认，实盘中有滞后性
大盘择时信号本身是策略表现的重要变量，但报告未对择时信号的参数敏感性进行分析
未进行收益归因分析，无法判断超额收益来自行业暴露、风格暴露还是真正的选股能力
初始空间>50%需修正30%是经验值，缺乏严格统计推导

可复用元素

完整的点数图三格转向绘制规则(仅用H/L，每天至多1列)
可编程的交易区间识别算法(RHS/LHS五列重叠规则+宽高比检查)
目标价公式：横向列数×格值×转向值+起点价格
A股3800只股票15年实证的预测精度统计数据(73-76%在±5格内)
初始空间分层精度分析与极端空间修正建议

启发

点数图的'有效震荡次数'思想可转化为因子：盘整区间内格值反转次数/区间时长的比率，衡量筹码换手密度
交易区间的宽高比可作为波动率形态因子，区分横盘整理与宽幅震荡
点数图列数增长速率(单位时间内新增列数)可作为趋势加速/减速指标
将赔率(目标价空间)与胜率(择时信号)分离再组合的框架可推广到其他预测模型

改进方向

将点数图横向列数替换为基于成交量加权的'有效震荡次数'因子：在交易区间内，统计每次格值反转时对应的成交量占比，以成交量加权的反转次数作为筹码换手密度的度量，替代简单的列数计数。再用该因子对目标价公式进行修正。

基于: 报告核心逻辑是'有效震荡次数越多→浮筹清理越充分→突破空间越大'，但简单列数计数未区分大成交量反转与小成交量反转的信息含量差异。预期收益: 成交量加权的震荡次数能更好反映主力资金的真实参与程度，可能提升目标价预测精度，尤其是在初始空间>50%的极端情形下改善预测偏差。

用机器学习方法替代硬编码的交易区间识别规则：将点数图的列属性(方向、长度、与前后列重叠度)作为特征，用标注好的威科夫吸筹/派发区间作为标签，训练轻量级分类器(如XGBoost)自动识别交易区间。

基于: 报告的RHS/LHS规则和宽高比阈值1.5均为经验设定，参数敏感性未测试，可能存在过拟合。预期收益: 数据驱动的区间识别可能更适应不同市场状态，减少手工调参，提升泛化能力。

复现计划

1) 数据准备：获取中证800/1000/2000成分股2010-2025日频OHLC数据及万得全A指数量价数据；2) 点数图引擎：实现三格转向点数图绘制算法(BoxSize=round(收盘价×0.02)，Reversal=3，仅用H/L)；3) 交易区间识别：实现RHS/LHS五列重叠规则(需精确定义'价格交集'为两列价格区间的重叠长度占较短列长度的比例)和宽高比检查(阈值1.5)；4) 目标价计算：横向列数×格值×3+起点价格，初始空间>50%时减扣30%；5) 方向判断：交易区间结束后3列价格中值与区间中值比较；6) 策略回测：大盘流动性信号看多时选上涨空间最大标的(排除初始空间>80%)，看空时清仓，动态止损+静态止盈；7) 统计验证：复现73-76%精度统计和18.1%年化收益。关键难点在于'价格交集'的精确定义。