持仓量变化四象限：一张流传最广、也最经不起查的表

写在前面

一个很多人做过的动作：

盘后打开软件，看到今天螺纹钢涨了 1.2%，持仓量增加了 4 万手。于是心里踏实了一下——"增仓上涨，有新资金在进场，趋势是健康的"，第二天加了一手。

这个动作的依据，是一张流传极广的表。它把价格的涨跌和持仓量的增减两两组合，得出四个方向判断。几乎所有入门材料都有它，很多行情软件甚至直接在盘后给你标出来。

我一直对它有个疑问，直到把数据拉下来才敢说出口：

这张表在做一件逻辑上做不到的事——它想从一个净额里，读出流水。

这是《米粒指标》的第三篇。上一篇《成交量与持仓量》讲透了持仓量是什么，结尾我说过四象限是"后面专门的一篇"，刻意一个字没碰。这一篇就是它。

先说清楚本篇的态度：我不是来告诉你这张表怎么用得更好的。我是来告诉你它为什么用不了的。

---

一、先把这张表原样摆出来

不能只批评不引用。这是它最常见的版本：

它诱人的地方很清楚：你手上只有两个客观数字，它却给了你一个方向判断。不需要模型、不需要参数，盘后十秒钟就能查出来。而且每一格的解释都合乎常理——新钱进场推动的行情，当然比平仓推动的更扎实。

讲得通，是这张表最危险的地方。 一个讲得通、又零成本的东西，人是不会去验证它的。

---

二、构造上的硬伤：一个数，两个未知数

先把持仓量没有方向这件事拿过来——上一篇已经论证完了，这里直接用：每一手持仓的背后，永远是一个多头加一个空头。所以"增仓 4 万手"的意思是，有 4 万手的人赌涨，同时有 4 万手的人赌跌。

那么问题来了。一天下来，持仓量净增 4 万手，这个数字是怎么来的？

一天之内，市场上同时在发生四件事：新多开仓、多头平仓、新空开仓、空头平仓。它们各自的量，我们一个都看不到。能看到的只有它们相抵之后的那一个净数。

用式子写出来就很清楚了：

持仓量变化 = 新开的多单 − 平掉的多单
           = 新开的空单 − 平掉的空单     （两式恒等）

（这四件事怎么两两配对成一笔成交、又怎么让持仓量 +1 / 不变 / −1，上一篇第二节有一张完整的机制表，这里不重复。）

现在回头看那张四象限表。它每一格的解释，都在回答同一个问题：这次持仓量的变化，主要是谁造成的？ 是新多在进场，还是空头在离场？

这是从净额反推流水。

你的银行账户当天净入账 5000 元。你能据此说"有人给我转了 5000"吗？不能。可能是收了 3 万、付出去 2.5 万，也可能真的只有一笔 5000。净额相同，底下的流水可以完全不同，而且差着数量级。

持仓量的变化是一个净额，四象限想从净额里读出流水。

这不是精度问题，是信息在生成的那一刻就被抹掉了。逐笔成交里确实带着开平标记，交易所也确实知道，但公开日行情给你的只有那一个净数。

所以这张表真正的问题不在于每一格的解释对不对——

它不是错在结论，是错在它假装自己知道谁在动。

到这一步，我们只证明了它"没有依据"。没有依据的东西，也可能碰巧有效——所以还得拿数据去查。查之前，先说三个会把结论提前决定的坑。

---

三、动手之前，三个坑

① 分界线画在 0 上，意味着"增仓 1 手"也算增仓

四象限用零作为增仓和减仓的分界。可持仓量每天都在动，变动 0.1% 和变动 10%，在这张表里是同一格。

我统计了样本里持仓量日变动的绝对幅度：

将近九分之一的交易日，被判进"增仓"或"减仓"的依据，是一个不到 0.5% 的变动。 这类日子里，持仓量基本没动，四象限却照样给出一个明确的方向结论。

做法：真要用，先设一个幅度门槛（比如 1%），门槛之下的日子直接判为"没有信息"。后面第四节我专门给这套读法留了这个优待——结果一会儿看。

② 你看的到底是哪一个持仓量

上一篇第三节把四个口径坑讲全了（单边双边、单合约与品种总量、盘中不是终值、主连有接缝），戳这里回看，这里只强调对本篇最致命的一条：

软件上那个持仓量，默认是这一份合约的，不是这个品种的。

移仓换月那几天，主力合约的持仓量在暴跌，而品种总持仓量可能几乎没动——钱只是从一份合约挪到了另一份。此时四象限会稳稳地给你一个"减仓"判断，可这个市场上根本没有人离场。

③ 最重的一条：合约有生命周期，而这张表不知道

这是跑数据时最意外的一个发现，也是本篇最想让你带走的东西。

一份期货合约不是永续的：上市、变成主力、被下一份取代、到期消失（主力是一个位置，上面的人一直在换）。所以它的持仓量天然是先升后降的形状——前期不断有人进来，后期所有人都必须走，不走的会被制度赶走（临近交割月保证金一层层加、持仓限额一档档收紧）。

我把每份合约的存续期等分成三段，数了数"减仓日"各占多少：

换个问法更直观——持仓量日变动的平均值，按生命周期分五段：

看明白这件事的分量了吗：在一份合约的后三分之一里，你有将近四分之三的日子会被判成"减仓"。 不是因为市场在恐慌，不是因为多头认输，只是因为这份合约要到期了。

减仓最密集的地方不是恐慌，是日历。

四象限表里那两个"减仓"格子，装着大量根本不含情绪信息的日子。而你每天打开软件看到的那份主力合约，正在这条曲线上向右滑动——你越往后看，它越容易告诉你"有人在离场"。

---

四、实测：把它放在 7544 个交易日上查一遍

口径

• 样本：9 个品种（螺纹钢、铁矿石、沪铜、沪金、豆粕、棕榈油、白糖、甲醇、纯碱）、64 份单一合约、7544 个交易日，区间 2023-04-21 ~ 2026-05-28。公开日线数据，二手源
• 用单一合约，不用主力连续——主连的量和持仓量序列在接缝处是断的，而本篇算的就是持仓量的日变化
• 每份合约裁到流动性窗口，掐掉上市初期和临近交割的冷清段。那里几十手持仓变动就能拉出一个 ±30% 的假信号
• 前瞻收益是 t → t+1 和 t → t+5。象限由当日的价格方向和持仓量方向共同决定，而持仓量要等当日结算之后才是准数——所以能用上的最早行情就是次日的，不存在前视偏差

结果一：四格之后，价格朝上走的概率

这是本篇的核心表。数字是"次日收盘价高于今日收盘价"的比例，后面那个是一个标准误：

两件事：

第一，四格全在五成上下。 最高 52.4%、最低 46.2%，全挤在抛硬币附近。这张表最响亮的那个承诺——告诉你方向——没有兑现。

第二，更难堪的是：概率最高的那一格，正是它判为"看跌"的那一格。

先别急着反过来用。52.4% 离五成只有两个多标准误，五天口径上还掉回 51.1%。这不是一个可以下单的信号（第六节 ④ 说为什么）。它的价值在于说明：这张表的方向判断连符号都不一定对。

结果二：把两条腿拆开，这张表的逻辑就散了

四象限的全部逻辑，建立在一个隐含前提上：持仓量的含义会随价格方向翻转。涨的时候增仓是看涨的，跌的时候增仓是看跌的——同一个"增仓"，在两格里指向相反的结论。

那就控制住价格方向，单看持仓量这条腿：

（表里都是"次日上涨的概率"。）

两行同号。

不管当天是涨是跌，增仓之后次日都更容易涨一点，减仓之后都更容易跌一点。持仓量这条腿的效应根本没有翻转——它压根不理会价格今天走的是哪个方向。

而四象限表的整个结构，正是建立在"它会翻转"之上。 这一条不成立，那张表就不是"不够准"的问题了，是它切分世界的方式本身就不对。

再补一刀：把周期拉到五天，"当日上涨"那一行的差值直接归零（−0.0pp）。

结果三：给它最好的条件，也没变好

第三节 ① 说过用 0 作分界太糙。所以我把门槛提到"持仓量日变动 ≥1%"再跑一遍，只留真正有幅度的增减仓，等于给这套读法开最好的条件。

四格的"次日续同向率"，门槛前是 49.6 / 46.2 / 46.2 / 48.9，门槛后是 50.0 / 46.4 / 46.3 / 49.4——同一组数。

这比结果一更能说明问题：如果四象限捕捉的是真实资金动向，"持仓量猛增"的日子理应比"微增"的信号更强。它没有更强。

结果四：分品种看，离散度比均值大得多

结果二那个 +3.5pp，是九个品种揉在一起的平均。拆开看：

九个品种里有七个同号，看起来还行。但幅度从 +12.3pp 到 −9.6pp，离散度远远大于那个 +3.5pp 的均值。而且被打脸的两个不是冷门品种——是螺纹钢和沪金。

上一篇的教训在这里又应验了一次：一个只在总表里成立的结论，不算结论。

📌 一段本该删掉、但更该留下的记录

这一节我差点写出一个漂亮的、错的结论。

第一版脚本我用的是结算价——前面两篇实测（回撤、跳空）都用它，因为账户是按结算价盯市的，理由很充分。跑出来的四格"次日续同向率"是 57.5% / 57.0% / 55.9% / 54.8%——每一格都明显比抛硬币强。当时我已经在想标题该怎么写了。

然后我做了一次常规复核：换成收盘价再跑一遍。

差了八个多百分点，而这八个点一分钱都不是市场给的。

原因不复杂：结算价是全天成交量的加权均价，是一天的平均。拿一串日均价去算日收益，相邻两天的收益里含着重叠的信息，会凭空长出正的自相关。 这是时间聚合的已知产物，不是市场有记性。

用日均价算日收益，你测到的不是市场的记性，是自己求的那个平均。

我把这段留在正文里，是因为它比任何结论都值钱：那个漂亮版本的每一步都"讲得通"，用的还是我自己前两篇立下的规矩。 一个口径选择，就能让一个不成立的东西看起来成立。

---

五、那它还剩下什么用（按价值排序）

批完了得给出路。持仓量本身极有价值，是四象限这个读法没价值。三个还站得住的用法：

5.1 用它管风险，不用它判方向

这是唯一我认为稳固的用法。

一份合约的持仓量持续萎缩，意味着愿意扛着它过夜的人在减少——成交量决定你能不能进出，持仓量决定你敢不敢过夜。这跟涨跌没关系，是你的逃生通道在变窄。

而第三节 ③ 的那条曲线正好告诉你它什么时候会发生：合约生命周期的后段，必然萎缩。 这不是预测，是日程表——所以它可靠。

5.2 只看极端值，而且只把它当成"该去查点什么"

持仓量单日变动 10% 以上，是一个值得停下来的信号。但它的正确用法不是下单，是去查：是不是移仓期、有没有交易所出了新规、这个品种是不是刚出了大消息。

它是一个"这里发生了什么"的提示，不是"该做多还是做空"的答案。

5.3 把它当成一个问句，然后去别处找答案

四象限想问的那个问题——这次价格变动，是新钱推的，还是有人在离场——本身是好问题。它错在以为自己能回答。

真要追这个问题，得去看能区分身份的数据：席位与大户持仓、基差、仓单库存。别逼一个净额回答它答不了的问题。

---

六、它不回答什么（请比上一节读得更用力）

① 它不回答"是谁在动"

这是全篇的根：净额抹掉了流水。上一篇说过持仓量不区分套保盘、趋势资金和散户隔夜单，它们在这个总数里长得一模一样。四象限想从这个总数里读出"是多头主动还是空头主动"——这是它做不到的那件事。

② 它不回答方向，哪怕它每一格都写着方向

四格的次日上涨概率是 49.6% / 52.4% / 46.2% / 49.8%。这张表最像"答案"的部分，恰恰是它最没有依据的部分。

③ 它在移仓期和冷清合约上会稳定地骗你

移仓那几天，单合约持仓量剧烈失真而市场没有真的离场；冷清合约上分母太小，一个大户挪个仓就能让百分比翻倍。

这两种情况的共同点是：它照样给你一个明确的结论，而且不会报错。

④ 就算某一格真有 3 个点的偏离，它也不等于能交易

这一条最容易被跳过。结果二里那个 +3.5pp，就算它是真的：

• 它是概率，不是收益。上涨的概率高 3 个点，但涨的时候涨多少、跌的时候跌多少，这里一个字都没测
• 它没扣任何成本。手续费、买卖价差、滑点，一样都没算
• 它是 2.1 个标准误，够不上稳；分品种看还有两个反号的

一个统计上的微弱偏离，和一个能赚钱的策略，中间隔着的东西比这个偏离本身大得多。

⑤ 它救不了仓位

假设你完全读对了。仓位过重的话，一夜跳空照样能把你打出局——你的判断根本没有机会被验证。

顺便：本篇这些四成六、五成二，和上一篇跑出的"跳空之后当天继续同向只有 46.9%"落在同一个区间里。这是这个号第二次在"接下来会怎么走"上跑出抛硬币。 我倾向于认为不是巧合。

---

七、代码

老规矩，计算逻辑写成纯函数，不绑定任何数据源。你只要有一张带 date / close / hold 三列、按时间升序的表就能用。

import numpy as np
import pandas as pd

def quadrant(df: pd.DataFrame, oi_threshold: float = 0.0) -> pd.Series:
    """把每个交易日判进四象限。

    df 需含 close(收盘价)、hold(持仓量)，按时间升序。
    oi_threshold: 持仓量变动幅度门槛，如 0.01 表示变动不足 1% 的日子
                  一律判为"没有信息"，而不是硬塞进某一格。
    """
    ret = df["close"].pct_change()
    doi = df["hold"].pct_change()

    weak = doi.abs() < oi_threshold          # 贴着分界线的那批天
    up, inc = ret > 0, doi > 0

    q = pd.Series("持平", index=df.index, dtype=object)
    q[ up &  inc] = "增仓上涨"
    q[~up &  inc] = "增仓下跌"
    q[ up & ~inc] = "减仓上涨"
    q[~up & ~inc] = "减仓下跌"
    q[weak | ret.isna() | doi.isna() | (ret == 0) | (doi == 0)] = "持平"
    return q

def forward_stats(df: pd.DataFrame, horizon: int = 1) -> pd.DataFrame:
    """每个象限之后，价格朝上走的概率与一个标准误。

    ⚠️ 前瞻收益从 t 日算到 t+horizon 日。象限由 t 日收盘后才能确定
    （持仓量要等结算），所以最早能用上的行情就是 t+1——不要改成 t 日内。
    """
    d = df.copy()
    d["quad"] = quadrant(d)
    d["fwd"]  = d["close"].shift(-horizon) / d["close"] - 1
    d = d[(d["quad"] != "持平") & d["fwd"].notna()]

    g = d.groupby("quad")["fwd"].agg(
        n="size", up_rate=lambda s: (s > 0).mean(), median=lambda s: s.median())
    g["se"] = np.sqrt(g["up_rate"] * (1 - g["up_rate"]) / g["n"])
    return g

def life_position(df: pd.DataFrame) -> pd.Series:
    """这一天处在该合约存续期的什么位置（0 = 最早，1 = 最晚）。

    第三节 ③ 那张表就是按它分组算出来的。
    ⚠️ 只对**单一合约**有意义，主连上跑它没有意义。
    """
    return pd.Series(np.linspace(0, 1, len(df)), index=df.index)

取数据（AKShare 的单合约日线，接口名与列名可能随版本变化，以官方文档为准）：

import akshare as ak

def load(symbol: str) -> pd.DataFrame:
    d = ak.futures_zh_daily_sina(symbol=symbol)     # 返回列含 close、hold
    d["date"] = pd.to_datetime(d["date"])
    return d.set_index("date")[["close", "hold", "volume", "settle"]]

print(forward_stats(load("rb2605")))

⚠️ 两个必须照做的地方。

一、取的是具体合约，不是主连。 主连的持仓量序列在接缝处是断的，拿它算日变化，接缝那几天的值全是废的。

二、价格用 close，别用 settle。 理由见第四节那段记录——结算价是全天均价，用它算日收益会凭空长出正自相关，把结论抬高七八个百分点。

---

八、三个你该自己跑一遍的实验

实验一：在你做的品种上重跑四象限

把上面的 forward_stats 在你自己做的品种上跑一遍，至少取五份历史合约。

你要看的：四格的 up_rate 是不是也都挤在 0.5 附近，以及你的品种是不是那两个反号的。我给的九个品种里就有两个是。

实验二：把持仓量画成生命周期的函数

取同一品种的连续五六份合约，各自把横轴归一化成 0 到 1（用 life_position），把持仓量画在一张图上。

你会看到：五六条线几乎重叠成同一个驼峰形状。这就是第三节 ③ 那张表的样子，而四象限对它一无所知。

这张图是本篇最值得自己做一遍的东西。 做完你很难再把"减仓"直接读成"资金在撤"。

实验三：换个口径，看结论能被推多远

把 forward_stats 里的 close 换成 settle 再跑一次，对比两组数字。

你会看到：四格的概率齐刷刷抬高好几个点。

结论：同一份数据、同一段代码，换一个看起来更"专业"的价格口径，就能让一个不成立的结论看起来成立。这个实验对你的价值，可能比本篇所有统计加起来都大。

---

九、三句话结论

1. 四象限在从净额里读流水。 持仓量的日变化是四股力量相抵之后的一个数，公开数据里没有拆开它的信息。这张表最像答案的地方，恰恰是它最没依据的地方。

2. 实测上它没有兑现方向。 四格的次日上涨概率全挤在五成附近，最高的那一格还正是它判为"看跌"的那一格；把两条腿拆开看，持仓量的效应根本不随价格方向翻转——而那张表的整个结构建立在它会翻转之上。

3. 持仓量该用来管风险，不是判方向。 它能可靠告诉你的是"这份合约还有多少人陪你扛着"，以及"到了生命周期后段一定会萎缩"。这两件事都跟涨跌无关，也正因为跟涨跌无关，它们才靠得住。

---

一粒米不指望从一个总数里认出每一个人。能认出"人正在变少"，已经够用了。

下一篇：回到《米粒识期》，讲交割制度——个人投资者为什么必须在最后交易日之前跑，以及不跑会发生什么。

---

⚠️ 风险提示 本文仅为期货知识分享与研究交流，不构成任何投资建议。文中的统计结果基于有限样本的历史数据， 历史统计不代表未来表现，文中任何一个象限、任何一个概率数字都不构成交易信号， 本文亦未对任何策略做成本与滑点假设。期货交易具有高杠杆特性，可能导致本金全部损失甚至产生 穿仓负债。文中涉及的持仓量统计口径、结算时点、交割月保证金与持仓限额等规则以各期货交易所 官方最新公告为准，数据口径以各数据源的说明为准。请通过正规期货公司开户，理性参与、独立决策、 风险自担。