02

现代交易所运行的核心机制叫做双向连续拍卖Continuous Double Auction, CDA——买卖双方持续向同一个订单簿提交订单，撮合按价格优先、时间优先的规则连续进行，没有统一的出清时刻。这台机器只接收三类事件：新增限价单（add）、新增市价单（market take）、撤单（cancel）。除此以外没有第四种动作；任何复杂策略（冰山、TWAP、SOR、暗池路由）在交易所层面都被分解为这三类原子事件的序列。

这是 Wyckoff 微观结构分析的第一性起点。Wyckoff 看到的所有"成交量"、"价差"、"力度"，在 CDA 状态机内都可以一对一地还原为某一类事件的累积统计。比如 Selling Climax 的高量长下影线，本质就是「短时间内 market sell 事件数量与体积同时超过 30 日 99 分位 + bid 侧 limit 撤单激增 + 反向 limit buy 在更低价位重新堆积」这一组事件序列的视觉投影。

Wyckoff 八事件的 CDA 事件流翻译。所有 Wyckoff 关键事件都能写成「三类事件 + 时间窗口 + 阈值」的组合：(a) SC / BC = market take 体积在 ≤5 分钟窗口内 > 30 日 99 分位 + 同向 limit 在外侧 ≥ 3 个 tick 重新堆积；(b) AR（Automatic Reaction/Rally） = 反向 market take 出现且短时窗口内 cancel 事件骤降（库存压力释放）；(c) ST / Test = market take 体积 < 30 日 50 分位但价格触及 SC 价位（低 effort 测试）；(d) Spring = market sell take 突破 SR 下沿 + ≤ 60 秒内 limit buy 在更深价位大额堆积（吸收发生在簿内而非簿上）。这把 Wyckoff 从主观判图变成事件流计数问题，是第 10 章 LOB 动力学的入口。

• 交易所只接收 add / take / cancel 三类原子事件；所有"高级订单类型"在撮合引擎层面都是它们的组合或派生。
• 价格优先 + 时间优先（price-time priority）是大多数 Lit Exchange 的默认规则；少数 venue 用 pro-rata 或 size-priority，但对 Wyckoff 量价分析的语义影响很小。
• Wyckoff 的"成交量"在 CDA 层面 = take 事件的体积积分；"价差"= add/cancel 共同作用下 best bid 与 best ask 的差。
• 把 Wyckoff 信号写成 CDA 事件流的优势：可验证、可回测、可自动化。这是 1931 年函授课程的方法论在 2026 年的自然延伸，而不是替代。

经典经济学教材里的市场出清模型来自 Léon Walras——所有买卖意愿同时披露，拍卖师（auctioneer）调价直到供需相等，全市场在同一时刻以同一价格成交。这是一个静态、集中、瞬时的撮合过程。它给出了"均衡价"这个干净的概念，并被大量传统教材用作价格分析的默认背景。

现实中的美股 / 美债 / FX / 加密市场没有一个时点是 Walras 出清。它们运行的是 CDA：连续、分布式、增量。没有谁站在中间撮合"全市场出清价"，每一笔成交只反映两个特定订单在某个微秒上的相遇。这意味着——

第一，市场的"价格"在任何时刻都是近似而非真实。第二，订单簿内任何时点都存在大量未成交的待定意愿（resting orders），这些意愿构成了流动性的库存。第三，价格发现是一个顺序过程：信息一点一滴地通过新增订单与撤单渗入订单簿，而不是在某个时点被一次性披露。这条性质对 Wyckoff 极为关键——它意味着"区间内的价格震荡"不是噪声，而是信息以离散事件形式进入市场的可见副产品。

Wyckoff 区间震荡的拍卖学解释。个人账户解读把 Phase B 横盘叫做"无方向、等待突破"。CDA 视角下不是这样：Phase B 的每一次小幅波动都对应着一组 add/take/cancel 事件，是知情资金与做市商在订单簿不同价位上完成头寸转移的可观测信号。区间不是"安静"，而是"信息以最稠密的频率被定价"。这就解释了为什么 Wyckoff cause-effect 第二法则会把 Phase B 长度与 Phase E 幅度联系起来——CDA 持续时间越长，被定价进订单簿的信息越多，最终突破的方向性力度才会越强。

• Walras 模型预测的"全市场单一出清价"在实证中从未观察到；CDA 提供的"价格序列"是分布式、滞后、可被局部操纵的近似。
• CDA 的每一笔成交只是两个特定挂单的局部撮合，不是全市场偏好的聚合。这导致 last trade 与 mid price 经常差出一两个 tick。
• 把"区间内的低成交量震荡"等同于"无意义噪声"是 Walras 思维残留。CDA 视角下，震荡是流动性库存被消化的可见痕迹。
• Wyckoff 第二法则（因果）成立的物理基础正是 CDA 的递进——头寸建立必须经过时间累积，无法瞬间完成。

做市商为什么要在 mid 价之外报出 bid/ask 两个不同的价格？经典答案来自 Stoll 1978/1989 的三成分分解three-component decomposition：买卖差价 = 订单处理成本（order processing cost）+ 库存持有成本（inventory holding cost）+ 逆向选择成本（adverse selection cost）。三者中最有意思的是第三项，下个 block 我们会看到 Glosten–Milgrom 1985 如何把它孤立出来；这里先把库存视角讲透。

库存视角说的是：做市商在两侧报价并不打算长期持有头寸，他希望买进的尽快卖出，卖出的尽快买回。如果他短时间内吃进了大量买单（其库存变得偏多），他会主动把 bid 价格往下挪、把 ask 价格也往下挪（整体下移报价），以促使下一笔成交是卖出而非买入——这就是库存倾斜（inventory skew）。Wyckoff 看到的"价格在区间内反复触及上下沿"在大量场景下正是这种库存倾斜的可见结果。

Wyckoff "Test"事件的库存学解释。区间内的 Secondary Test、Last Point of Support 这类低量回测，从拍卖学看就是做市商在两侧库存基本平衡时执行的常规价差捕获。它们之所以"低 effort 低 result"不是因为没人参与，而是因为没有库存压力——做市商在两侧报价，take 事件分布均匀，价格沿着 mid 小幅游走。一旦某一侧出现持续 take（知情交易者进场），库存倾斜就会把价格推向某一边，Test 变成 SOS（Sign of Strength）或 LPSY（Last Point of Supply）。

• spread 在流动性最好的标的（SPY / ES / QQQ）通常 1 个 tick，但在冷门标的会扩大至 5-20 个 tick。这个差异主要来自库存成本与逆向选择成本，不是订单处理成本。
• 做市商通过报价的整体偏移（quote skew）而非单边修改某一侧来管理库存。这导致 mid price 本身会移动，而非 bid/ask 不对称扩张。
• Wyckoff 的"Test"事件低成交量但价格触及关键位 → 等价于做市商库存平衡 + 信息流缺席的复合状态。这是 Phase B/C 中健康吸筹的标志之一。
• spread 是做市商面对"知情交易者可能正在吃我"的风险溢价。一旦逆向选择风险上升（知情率 攀升），spread 会显著扩张——这是第 11 章交易成本的核心机制。

把 CDA 的事件流压缩成可视语言，最经济的方式是 Peter Steidlmayer 1980 年代在 CBOT 开发的 Market Profile市场轮廓。它的原子单位叫 TPOTime Price Opportunity——每 30 分钟一个时间段，每段在到访过的价位上落一个字母（A、B、C…）。一根价位线累积的字母越多，意味着这个价位在拍卖中被"接纳"的时间越长。

TPO 的"接纳"概念是拍卖学对价格停留的形式化。一个价位累积 ≥ 2 个 TPO（≥ 60 分钟），通常视为被市场接纳（acceptance）；只出现 1 个 TPO 后价格快速离开的极值，叫拒绝（rejection），常常对应单笔拍卖的失败。这套语言与 Wyckoff 完全平行结构——Acceptance 对应 Phase B 内的均衡建立，Rejection 对应 Spring / Upthrust 的尖刺穿透。第 9 章会用 Composite Profile 把这条平行结构详细展开，本章只指出它的几何起点。

"Market Profile was developed by J. Peter Steidlmayer at the Chicago Board of Trade. Steidlmayer was seeking a way to determine and to evaluate market value as it developed in the day time frame." Wikipedia · Market Profile 词条⁵

Acceptance ≥ 2 TPO 是 Wyckoff Phase B 健康度的硬阈值。Phase B 之所以叫"区间建立"，CDA 视角下就是要求：(a) Phase B 区间内 ≥ 60% 的价位累积 TPO ≥ 2（被接纳）；(b) Phase B 上下沿出现 TPO=1 的尖刺频率 ≥ 2 次（边界的 Rejection）；(c) Phase B Composite Profile 的 Value Area 占比 ≥ 70% 区间宽度（健康均衡）。如果三条都不满足，区间不是 Wyckoff Phase B，只是震荡延续。这是第 9 章 AMT + Wyckoff 平行结构判定的入口阈值。

• 30 分钟 TPO 是 CBOT 80 年代基于人工标注的工程选择；现代电子市场常用 5 min / 15 min TPO 来适配高频节奏，但语义不变。
• TPO 的字母只记录"是否到访"，不记录"成交量"。Volume Profile 是它的补充——一个看时间分布，一个看体积分布。
• 把 Wyckoff Phase A-E 叠在 Composite Profile 上，五相位与四拍卖状态（Balance/Imbalance/Acceptance/Rejection）有可计算的映射（本章 B2.14 给出完整表）。
• "价格在某价位停留越久，越被接纳"是 CDA 共同知识的形成机制——更多参与者用更多事件确认了这个价位的合意性。

同一只股票可以在多个 venue 同时交易（NYSE / Nasdaq / Cboe / IEX / ARCA …），同一资产的相关衍生品（期货、ETF）也在不同市场被定价。问题来了：在某一时点的"真实价格"究竟由哪个 venue 主导发现？信息分摊 1995 定价权重Information Share, IS 给了这个问题的标准答案⁶。

方法的核心：把多 venue 价格序列建模为向量误差修正模型Vector Error Correction Model, VECM，假设它们共同跟踪一个不可观测的有效价（efficient price），然后把每个 venue 的创新方差归因到这个有效价的变动中。归因比例 = 定价权重。一个 venue 的 IS 越高，说明它对全市场价格发现的贡献越大。

信息分摊 原版用 1993 年 NYSE 与 NASD 数据，发现 NYSE 在 30 只 Dow 成分股的价格发现中贡献约 92%。2010s 之后的多项研究复测发现 IS 已显著分散：HFT 主导的 Nasdaq / BATS 在大盘股上常占 30-50%，单一 venue 极少超过 60%。这与 Wyckoff 第一章已经讨论过的"流动性碎片化"事实一致。

公式 2.1 · 信息分摊 Information Share令 p_t = (p_1,t , p_2,t , …, p_n,t)' 为 n 个 venue 的 log price 共同因子 m_t（有效价）满足 p_t = ι · m_t + s_t VECM: Δp_t = α β' p_{t-1} + Σ Γ_i Δp_{t-i} + ε_t ε_t ~ N(0, Ω) venue_j 的定价权重 IS_j = ( [ψ Ω^(1/2)]_j )^2 / ψ Ω ψ' 其中 ψ 是共同趋势的权重向量，由 β_⊥' / β_⊥' ι 给出 [信息分摊 1995]

IS 给 Wyckoff "主导 venue" 一个量化定义。Wyckoff 经典做法是"看 ES 主导 SPY"或"看期权主导现货"。IS 把这个直觉变成可计算的：在某一相位窗口内，对 SPY / ES / SPY 期权 mid-quote 同步序列估 VECM，IS 最高的 venue 即此相位的"价格发现主场"。这有什么用？(a) Phase B 中 IS 在 ES 期货上升 → 期货 订单流不平衡 是 Wyckoff 信号的领先指标；(b) Spring / Upthrust 事件中 IS 突变到暗池 → 这次穿透更可能是隐藏吸纳，而不是普通止损踩踏，确认 Phase C 而非失败。

• 同一标的在不同 venue 的价格序列高度相关（共积），但其方差贡献到"全市场有效价"的比例可以差几十个百分点。
• IS 的估计依赖 VECM 的联动关系向量，对样本时长敏感（建议 ≥ 5000 笔成交）；高频窗口（5 分钟）下结果不稳定，30 分钟以上稳定可用。
• Wyckoff Phase B 内"价格发现主场"的迁移（从 ES 转到 SPY 或反向）是相位转换的早期信号。
• IS 是联动关系理论 + 微观结构的一次成功融合，把抽象的"价格发现"概念变成了可验证的统计量。

IS 把"全市场有效价"当成 latent variable。下一步是：在单个 venue 时间序列内，能不能也把"真实价"与"瞬时噪声"分开？Roll 1984 给出了第一个答案——用 bid-ask bounce 引起的 last-trade 一阶负自相关来估算有效价的方差。信息分摊 1993 / 2007 把它扩展为更完整的隐式有效价implicit efficient price框架。

模型基本形式：观察价 = 有效价 + 定价误差。有效价 m_t 是 random walk（反映新信息累积），定价误差 s_t 是均值为零的平稳过程（反映 spread 跳动、库存反弹、暂时性流动性冲击）。给定一段 trade 序列，可以用 Beveridge-Nelson 分解或 Kalman filter 估出 m_t 的轨迹，并算出"定价误差方差占总方差比例"——这就是流动性对短期价格变动的贡献度。

把 Wyckoff "Test"事件从 effort-result 升级为 efficient-price-stability。经典 Wyckoff Test 定义为"低成交量 + 价格触及 SC 价位但快速回升"。隐式有效价框架下的精确表述：Test 窗口内（通常 5-15 分钟）有效价 m_t 的变动量 ≤ 0.3σ + 观察价 p_t 的瞬时偏移 ≥ 1σ。这意味着"价格触低"完全来自定价误差 s_t 而非有效价 m_t——也就是说，知情交易者并未把估值往下修正。这是 Test 通过的微观证据，远强于看 K 线 + 成交量柱的传统判定。

• 观察价频繁在 bid/ask 之间跳动，但有效价相对平滑。两者的分离是定价误差的可视化。
• Roll spread 估计：σ̂_spread = 2 · √(-Cov(Δp_t, Δp_{t-1}))，要求 Cov < 0。负联动幅度是 bid-ask bounce 的指纹。
• Test 通过 vs Test 失败的微观差别 = 有效价是否被改写。这给 Spring / Upthrust 的判定提供了比成交量更稳健的尺度。
• 把 Wyckoff 信号建立在"有效价是否变动"上，使其与 EMH 半强式版本兼容——价格反映信息时才变动，反应噪声时不变动。

信息分摊 用隐式有效价框架估计美股大盘股的"流动性贡献度"——即短期价格变动方差中由定价误差（即与有效价无关的瞬时偏移）解释的比例。典型结果：流动性贡献占 5 分钟价格变动方差的 20-40%。这个数字在不同标的、不同时段会变，但量级稳定⁶。

20-40% 这个区间对 Wyckoff 而言极为关键。它意味着：短期 5 分钟级别的价格变动里，相当一部分（约三成）不是来自"信息"，而是来自流动性的瞬时不平衡。如果你在 5 分钟图上做 Wyckoff Spring 判定，约 1/3 的"穿透"其实只是定价误差的瞬时极值，没有任何信息含义。这就解释了为什么短周期 Wyckoff 信号噪声大——不是 Wyckoff 失效，是 SNR（信噪比）天然不够。

Wyckoff 在频率维上的临界面。流动性贡献度随时间尺度增大单调下降。30 分钟以上下降到 ≤ 20%，意味着 SNR ≥ 4；日线及以上下降到 ≤ 10%，SNR ≥ 9。这与第 1 章的 Wyckoff 最小周期判定完全吻合——不是经验巧合，而是 信息分摊 实证的直接推论。机构应用 Wyckoff 时一旦看到自己在 5 分钟图判信号，应自动加权 0.6（约一成不到信噪比折扣），日线以上才用 1.0。

• 大盘股 5 分钟价格变动方差中约 30% 来自流动性瞬时不平衡，与基本面无关；同样的资产日线层面这个比例降到 10% 以下。
• 流动性贡献度的来源：spread bounce、库存反弹、HFT 单边短暂抢跑、跨 venue 套利延迟回归。
• Wyckoff 短周期信号"假突破频发"= 流动性贡献度高 + 有效价未变 的可验证表述。
• 流动性贡献度其实就是 CDA 递进的"不完美程度"——撮合越是分布式、信息越是分散到达，流动性贡献度就越高。

Glosten 与 Milgrom 1985 给做市商定价问题一个干净的博弈论解。模型设定：单个做市商面对一连串序贯到达的交易者，其中一部分是知情交易者（已知有效价 V），一部分是非知情交易者（随机买卖）。做市商不知道下一笔来的是谁，但每一笔成交都会让他更新对 V 的估计。这种持续的"被知情交易者剥削"风险，要求做市商在 mid 之外报出更高的 ask 和更低的 bid——spread 不是手续费，是逆向选择的保险。

模型的几个干净结论：(a) 任意一笔 buy 都会让做市商把 V 的后验期望往上调，反之亦然；(b) 知情交易者比例越高，spread 越宽；(c) 无套利的均衡 bid/ask 不是对称的——它们各自等于"假设下一笔是 buy/sell 后 V 的条件期望"。这条性质让做市商的报价天然嵌入了对订单流方向的预测。

Wyckoff "Sign of Strength" / "Sign of Weakness" 的 G-M 翻译。经典 SOS 定义为"宽幅推进 + 高量 + 收盘靠近高点"。G-M 翻译：SOS = 市场中知情交易者比例显著上升（spread 同时扩张 + buy/sell imbalance 持续）→ 做市商不断把后验 V 上调 → 价格以阶梯式跳升 → 这就是 SOS 的微观因果。关键含义：SOS 的强度不能仅看价格幅度，要同时看 spread 扩张速度。spread 没扩张的"宽幅推进"通常是机器人 momentum 而非知情交易者吸纳。

• 价差扩张 + 单边成交 = 经典的 SOS / SOW 微观签名；价差稳定但价格波动 = 通常是流动性供给方的库存调节。
• G-M 模型给出无套利条件下 spread = E[V|buy] − E[V|sell]。这个差等于做市商在 buy/sell 两种条件下对有效价的修正幅度。
• SOS 的可验证签名：spread 扩张 ≥ 30 日 75 分位 + 同向 take volume 累计 ≥ 30 日 90 分位，持续 ≥ 5 分钟。
• spread 不是"市场摩擦"，是知情交易者存在的信号。spread 为零的市场反而不健康——意味着没人愿意做市，逆向选择风险无界。

与 Glosten–Milgrom 同年的另一个奠基性模型来自 Albert Kyle 1985²。Kyle 设置一个"单批次拍卖"场景：一个知情交易者（持有内幕信息）+ 一群非知情噪声交易者（订单流方差 σ²_u）+ 风险中性的做市商。所有订单进入同一批次，做市商根据净订单流大小线性调整价格。最终结果叫做Kyle 系数——价格冲击系数，等于单位订单流引起的价格变动。

Kyle 推出 λ 的封闭解非常优雅——它只依赖两个量：信息的方差 Σ（知情交易者掌握的有效价不确定性）与噪声订单流的方差 σ²_u。当噪声订单流越大，知情交易者的伪装空间越大，价格冲击系数 λ 越小（市场越深）。这正是 Wyckoff 第一法则"供需"在拍卖博弈论里的精确版本。

公式 2.2 · Kyle 系数 · 价格冲击系数市场清算价 p = p_0 + λ · y 其中 y = x + u 是净订单流，x 是知情交易量，u ~ N(0, σ²_u) 是噪声 均衡解： x = β (v − p_0) 知情交易者最优投机量 p = p_0 + λ y 做市商定价规则 λ = √( Σ / (2 σ²_u) ) 价格冲击系数 = 信息不确定性 / 噪声流动性 β = √( σ²_u / Σ ) 知情交易者强度 含义：λ ↑ ⇔ 市场深度 ↓ ⇔ Wyckoff "easy / hard movement" 的物理定义

Kyle 系数 给 Wyckoff "Effort vs Result" 第三法则一个数学版。Wyckoff 第三法则：高 effort（成交量 / 订单流）应当带来与之匹配的 result（价格变动）；不匹配则信号反转。λ 把这条用一行公式表达 — ΔP = λ · y。具体应用：(a) Spring = y 显著负 + ΔP 比 λy 小得多（吸收发生，λ 局部下降，市场变深）；(b) SOS = y 正 + ΔP ≈ λy（信息流被忠实定价，突破有效）；(c) No Demand（VSA） = y ≈ 0 + ΔP 显著正（价格在低成交量下推升，y 与 ΔP 比值异常）。第 7 章 Spring 微观判定与第 11 章执行成本都会反复使用这条 λ 关系。

• 不同时段、不同标的的 λ 差异巨大 — 大盘股盘中 λ 在 1e-7 量级（每 $100M 订单流推动 1 个 bp），小盘股 λ 高一两个数量级。
• λ 的实证估计：用 5-30 分钟内 signed order flow 对 mid-quote 变动做回归，斜率即估计 λ。建议用 trade-by-trade 数据 + Lee-Ready 算法定 sign。
• Phase B 进入末期（吸筹接近完成）时 λ 应当下降——卖盘被吸纳完，市场深度恢复，price impact 减小。这是 Phase C 临界的早期信号。
• λ 把"知情程度"与"市场深度"反向联动，是为什么 Wyckoff cause-effect 法则在低流动性时段更敏感的物理原因。

Kyle 与 G-M 都是单期或两期理论模型。Easley、O'Hara 与合作者 1996 年提出 PINProbability of Informed Trading 模型，把这套博弈论思想直接做成可估计的实证统计量。PIN 假设市场每天以概率 α 发生"信息事件"（好消息或坏消息各半），事件日的知情交易到达率为 μ，所有日的非知情交易到达率为 ε。给定日级 buy/sell 笔数，用最大似然估计 (α, μ, ε)，PIN = αμ / (αμ + 2ε)。

典型实证结果：美股大盘股 PIN 约 0.10-0.18；中盘股 0.18-0.28；小盘股 0.30+。PIN 越高，意味着知情交易者活跃度越高，价格发现越快、做市商 spread 越宽。在 Wyckoff 语境下，Phase B 末期的 PIN 上升是吸筹接近完成的信号——知情资金（Composite Operator 的代理）正在加速进场。

用 PIN 给 Wyckoff 信号分级。每个 Wyckoff 信号的可信度应当与该标的的 PIN 联动加权：(a) PIN ≤ 0.10 的标的 → Wyckoff 信号最小周期建议 1 日，5 分钟信号几乎无用；(b) PIN 0.10-0.20 → 30 分钟信号可用；(c) PIN ≥ 0.20 → 5 分钟级别信号也有意义，但要配合 知情率 实时监控。典型误用：在 SPY（PIN ≈ 0.12）的 5 分钟图上画 Spring。这不是说没用，而是 SNR 不支持 — 需要把窗口拉到至少 30 分钟。

• 不同标的的 PIN 稳定差异 1-3 个数量级；同一标的的 PIN 在新闻事件、财报季前后短暂升高。
• PIN 估计需要至少 60 个交易日的日内 buy/sell 笔数序列；估出的 α 在 0-1，μ/ε 通常正实数。Python 实现可用 pin_estimation 包。
• Wyckoff Phase B 末期 PIN 应当上升 20-50%。如果 Phase B 中 PIN 不变或下降，多数情况下是失败吸筹的前兆。
• PIN 是 G-M / Kyle 理论的可观测代理 — 它把"知情者比例"从模型假设变成可估参数，连接了理论与实务。

PIN 的弱点是估计窗口长（60 天起），无法捕捉日内变化。Easley、López de Prado、O'Hara 2012 年发表 知情率Volume-synchronized PIN⁷，把时间窗口换成体积窗口（每累计 V 单位成交量算一个 bucket），用 buy/sell 体积失衡比例近似实时 PIN。知情率 在 5 分钟以下的时间分辨率上仍然有效。

知情率 的实践意义在实时监控逆向选择风险。2010 年 5 月 6 日 Flash Crash 前 4 小时 知情率 显著飙升，是这个指标的高光案例。在 Wyckoff 应用里 知情率 担任知情程度仪表：Phase B 末期 知情率 上升至 30 日 80 分位以上，是 Phase C 临界的实时指标之一；Spring 时点 知情率 突变到极值，伴随价格快速恢复，是吸收发生的强签名。第 10 章会展开 知情率 在 LOB 动力学里的完整应用。

"知情率 is updated in volume time rather than clock time, capturing the toxicity of order flow at frequencies that traditional PIN cannot reach. It proved capable of forecasting toxicity-induced volatility events such as the Flash Crash of May 6, 2010." Easley, López de Prado, O'Hara (2012) · Review of Financial Studies

• 知情率 在重大事件前显著上升（典型 2-4 小时），是为数不多被广泛认可的"前置性"指标之一。
• 知情率 bucket 大小 V 建议为日成交量的 1/50；buy/sell volume 用 BVC（Bulk Volume Classification）或 Lee-Ready 算法估算。
• Wyckoff Phase D-E 之间常见 知情率 反向下降——卖盘吸收完毕，spread 收窄，是 Wyckoff "easy upward movement" 的微观预兆。
• 知情率 其实是对短窗口 buy/sell 失衡的缩放对齐测量。"知情率"是这条失衡持续性的另一种说法。

前文 B2.4 提到 Acceptance ≥ 2 TPO 是 Wyckoff Phase B 健康度的硬阈值。这里把它的拍卖学含义讲透：一个价位累积 ≥ 2 个 TPO（≥ 60 分钟到访），等价于"在这个价位上至少有两个独立时间段的拍卖均未把价格推走"。这是双向意愿在该价位达成局部均衡的可观测证据 — 既不是简单的"成交量大"，也不是"价格停留"，而是多次独立拍卖的一致结果。

Wyckoff Phase B 的几何意义就在这里：它要求区间内 ≥ 60% 的价位被接纳（accumulated TPO ≥ 2），而 ≤ 40% 的价位是过渡（TPO = 1）。这种几何特征下，Composite Profile 呈现 b-shape 或 D-shape — 中间宽两端窄，即典型的均衡分布。第 9 章会用这条几何作为 AMT 与 Wyckoff 的判定边界。

把 Phase B 失败的判据精确化。如果一个貌似 Phase B 的区间里出现以下任一情况，应判失败：(a) ≥ 50% 价位 TPO = 1（未被接纳，是过渡而非均衡）；(b) Composite Profile 呈现 p-shape 或 b-shape 偏斜（单侧拒绝主导）；(c) Value Area 占比 < 50% 区间宽度（均衡范围过窄）。三条任一满足，应停止用 Wyckoff Phase B 框架解读这段走势，转用 Trend Day / 单向拍卖框架。这是机构应用 Wyckoff 最常被忽视的边界条件。

• SPY 日内 Composite Profile 在均衡日（约占 60% 交易日）呈 b 或 D shape，趋势日（约 25%）呈 p 或 b 不对称 shape，剩余约 15% 呈双峰或不规则。
• TPO ≥ 2 的累积要求等价于"至少两次独立拍卖回到该价位且未被推开"；这是 CDA 共同知识形成的最小颗粒度。
• 不是所有横盘都叫 Phase B。横盘 + Profile b-shape + Value Area ≥ 70% 才是。
• Acceptance 的本质是"市场对这个价位作为合理估值的共识形成"；Rejection 反过来是"共识否决"。

与 Acceptance 对应的另一极是 Rejection — 价格短暂触及某价位但只产生 ≤ 1 个 TPO，随后被快速推回。Rejection 在 Profile 上留下一个尾巴（tail），是单笔拍卖失败的可视化。Wyckoff Spring 与 Upthrust 的本质就是区间边界的 Rejection。

判定一个 Rejection 是 Spring 还是失败穿透的关键是尾巴长度 + 回归速度 + 回归后 TPO 累积。Spring 的拍卖学定义：(a) tail 长度 ≥ 区间宽度的 10%；(b) 回归速度 ≤ 2 个 TPO 时间（≤ 60 分钟）；(c) 回归后价格在区间内累积 TPO ≥ 3。三条满足，是有效 Spring；如果回归后无法在区间内重新建立 TPO 累积，则该穿透实际上演化为新区间的开端，不是 Spring。

给 Spring 一个三维证据等级：(a) Level 1：仅 K 线 + 成交量；(b) Level 2：上加 TPO Rejection 指纹（本 block）；(c) Level 3：再加 Kyle 系数 局部下降（B2.9）+ 知情率 突变（B2.11）；(d) Level 4：再加 信息分摊 有效价不变（B2.6）。Level 4 的 Spring 在历史回测中假信号率 ≤ 5%，而 Level 1 的 Spring 假信号率约 35%。这就是为什么本课程从第 7 章开始反复要求"用拍卖学证据强化 Wyckoff 信号"。

Spring 不是"假突破"，是"拍卖在边界被拒绝"。
Upthrust 不是"骗多"，是"拍卖在上沿被拒绝"。
两者的拍卖学本质相同，只在方向上对称。 本课程对 Spring/Upthrust 的拍卖学定义

• Spring 在 Composite Profile 上呈现下侧长 tail（≥ 区间宽度 10%）+ TPO = 1 的单字母列。
• Rejection 的 take 体积通常较大但持续时间短（≤ 5 分钟），且做市商 cancel 事件随即激增 — 这是简单流动性挤踏的微观签名。
• "Spring 必须配合大量"是错误经验法则。Spring 关键是有效价不变 + 回归速度快，体积只是诸多支持证据之一。
• Composite Operator 利用 Rejection 的本质：在区间边界制造短暂超调，吸引止损单与 momentum 跟随单提供反向流动性，完成最后一波吸纳/派发。

本章前 13 个 block 给了拍卖学的所有基础工具。最后一个 block 把它们合成为一张表 — Wyckoff 五相位与四个拍卖状态（Balance / Imbalance / Acceptance / Rejection）的完整对应。这张表是后续 5-9 章的桥梁。

这张表的用法是先判断状态，再命名相位。不要先猜「现在是不是 Phase C」，而是先看拍卖证据：TPO 是否离开原 Value Area，λ 是否上升，知情率是否抬高，价格是否在新区间停留。证据满足后，再把它命名为 Phase A-E 中的某一段。这样可以减少先入为主的形态误判，也能更早发现相位转换。第 4、7、9 章都会回到这张表。