03

Wyckoff 1931 年函授课程第 2 单元定义供需法则：「当需求超过供给，价格上涨；当供给超过需求，价格下跌；当两者均衡，价格横盘。」³ 这是一条同义反复的命题——把因果方向倒过来读毫无差别，本身不能用来预测。Wyckoff 的真正贡献在第二步：他把「供需」与「成交量 × 价差」绑定，提出「成交量代表供需的真实强度Volume = true effort，价差代表供需是否被吸收（价差扩张Spread expansion = 吸收失败，价差压缩 = 吸收成功）」。这一步从形而上断言进入到了可观测变量。

2026 年的问题：这一步绑定已经断裂。成交量不再单一代表机构供需——场外执行占总成交的 52%，HFT 占订单流的 80%+，授权参与者Authorized Participant通过 ETF 创设与赎回一级通道在不留 LOB 痕迹下转移头寸。把成交量直接当成「机构 effort」会高估约 30–40%（HFT 来回成交占比）。Wyckoff 第一法则的核心命题没错，但变量代理必须重选。

第一法则的变量替换方法。原版问「Demand 是否大于 Supply」，常用代理是 Volume × Price-Up。现代版本改问「买卖两侧的净订单流是否持续偏向一侧」，代理是累积订单流不平衡 > 0。订单流不平衡指 LOB best bid / ask 两侧报价队列的差分流量，公式见 B 3.2。应用时按三步走：① 判断 SC：看 Volume 30d Q99、累积订单流不平衡 30d Q1（极端卖出失衡）与 ΔP < 1σ 是否同时出现，用来识别被动接量。② 判断 Phase B 内 ST：看订单流不平衡是否从 Q10 回到中位附近，用来确认卖压是否退潮。③ 判断 SOS：看突破前 5 根 K 线的订单流不平衡是否已累积 > 2σ，且突破时没有快速撤回。本协议在第 5、7 章会作为吸筹示意图与 Spring 微观判定的Level 4 证据再次使用。

• 同一根「巨量 K 线」可能源自三种完全不同的微观结构：机构吃单（Composite Operator）、HFT 价差捕获回合、ETF AP 套利成分股买盘。仅看 Volume 无法区分。
• 订单流不平衡 把「成交量」分解为「净流量方向」+「净流量幅度」，对前两类有强区分力——HFT 价差捕获的净 订单流不平衡 接近 0，机构吃单的累积 订单流不平衡 单方向且持续。
• Wyckoff 第一法则的命题正确性独立于其变量代理。重选代理后，命题的可验证性反而被提升——从「事后命名」升级为「事前可计算」。
• 替换变量不等于否定 Wyckoff——Cont-Kukanov-Stoikov 订单流不平衡 的因变量恰好是 Wyckoff 1931 年提出的「成交量代表 effort」这一隐式命题在订单簿数据可得后的精确化版本。

"The law of supply and demand is the basis of all market movement. But our problem is to identify which side has the upper hand—and that requires translating bulk volume into directional flow." Hank Pruden · The Three Skills of Top Trading · 2007 · 解读 Wyckoff 原版法则

Cont, Kukanov, Stoikov（2014） 在 arXiv:1011.6402 提出的 订单流不平衡 是一个分笔事件级的差分定义——它不关心成交量本身，只关心 best bid / best ask 两个队列在每一笔 LOB 更新事件后净增加了多少。当 best bid 价格上移或队列加长时，订单流不平衡 增加（买方加压）；当 best ask 价格下移或队列加长时，订单流不平衡 减少（卖方加压）。

公式 3.1 · Cont-Kukanov-Stoikov 订单流不平衡 Δ订流·n = Σ_i e_i, e_i = 𝟙{P^B_i ≥ P^B_{i-1}} · q^B_i − 𝟙{P^B_i ≤ P^B_{i-1}} · q^B_{i-1} − 𝟙{P^A_i ≤ P^A_{i-1}} · q^A_i + 𝟙{P^A_i ≥ P^A_{i-1}} · q^A_{i-1} [Cont, Kukanov, Stoikov 2014]¹

其中 P^B / P^A 是 best bid / ask 价格，q^B / q^A 是对应队列长度，下标 i 是 LOB 事件序列。Δ订流·n 在 n 个事件窗口内的累积值即为累积订单流不平衡Cumulative 订单流不平衡。Cont 等三位作者的实证发现：订单流不平衡 与同期 Δprice 的线性回归 R² ≈ 0.65（个股 30 分钟窗口）¹。这是所有微观结构变量与价格运动的最高解释力之一——交易量与 Δprice 的 R² 仅约 0.2-0.3，价差与 Δprice 的 R² 仅约 0.1。Federal Reserve FEDS Note 2025-11-03 把该框架移植至美国国债期货市场后，R² 仍在 0.5–0.7 区间²，与原始研究一致。

订单流不平衡 与 Wyckoff Effort-Result 的精确对应。Wyckoff 1931 第三法则的隐式表达 = 订单流不平衡 在订单簿层面的可观测版本。具体来说：(a) 订单流不平衡 累计大但 ΔP 小 = effort 大、result 小 = 经典「吸收」形态 = Wyckoff Spring / ST / LPS 的微观判定；(b) 订单流不平衡 累计小但 ΔP 大 = effort 小、result 大 = 经典「无需求 / 无供给」 = Phase E 进入 markup/markdown 的早期信号；(c) 订单流不平衡 累计大且 ΔP 大且方向一致 = effort 与 result 同步 = SOS 推进形态。这套对应是第 5 章吸筹 schematic 的判定核心，第 7 章 Spring 微观判定的 Level 4 证据，第 11 章执行成本的 sizing 输入。

• 订单流不平衡 > Q90（30 天分位）出现在每天约 6% 的 30 分钟窗口；其后 30 分钟价格延续同向运动的条件概率 P(Trend | 订单流不平衡 > Q90) ≈ 0.62。
• R² ≈ 0.65 是同期解释力，不等于预测力。前移 1 期后 R² 跌至约 0.2-0.3——订单流不平衡 是同时性变量，不是前瞻变量。
• 所以 订单流不平衡 不能直接做信号源，必须叠加「订单流不平衡 累积突破阈值 + 价格未跟进」 = 吸收形态判定。这就是 Wyckoff Spring 的微观结构定义。
• 订单流不平衡 的强解释力来自一个机构事实：机构吃单倾向于passively-aggressive——优先吃完 best level 才到下一档，这恰好是 订单流不平衡 公式所测量的对象。Glosten–Milgrom 信息不对称模型可作为理论支撑⁴。

本节给出本课程对 Wyckoff SpringSpring 的微观结构判定准则。Spring 是 Phase C 内的关键事件：价格短暂跌破 Phase B 下沿（前期支撑），但未能吸引持续追卖，反而被知情资金吸纳。形态化读法会说「假突破」或「诱空」；机构语境要进一步检查订单流不平衡与 Δprice 是否解耦。

公式 3.2 · Wyckoff Spring 微观判定（订单流不平衡 版） Spring_t ≡ { ΔP_t < −1σ (5min) · 价格下跌出 Phase B 下沿 ∧ 累积 Δ订流·t > +2σ (30min) · 同期 订单流不平衡 大额正值（吸纳） ∧ 30min 内 ΔP 回到 Phase B 内 · 价格快速收回 } → P(Phase D 内 SOS) ≈ 0.71（n=42 SPY/QQQ 历史样本，2018-2025）

判定的关键不在「价格跌破支撑后又收回」这个外形——个人账户也能看到——而在跌破期间的 订单流不平衡 必须显著正值。如果 订单流不平衡 也是负值，那就是真突破，价格不会回来。机构台面用这条公式作为 Spring 的 Level 4 证据（最高级别），优先于纯量价的 Level 2 / Level 3 证据。第 7 章会展开 Spring / UTAD 的完整 5 层证据等级，本章只给出 订单流不平衡 这一层。

Spring 判定的「吸收」事件判定层。Wyckoff 在 1931 原版用「test of supply」描述 Spring（供给测试）。订单流不平衡 重写后：(a) 价格跌破 Phase B 下沿 = 测试供给是否存在；(b) 订单流不平衡 累积正值 = 没有供给跟随，反而出现吸纳；(c) 价格收回 = 测试结果为「供给已干涸」。三个微观条件同时满足 → Spring 确认。如果只满足前两个（价格没收回但 订单流不平衡 正），则是失败 Spring，相位重置回 Phase B 继续累积 cause；如果只满足第一个（跌破未收回 + 订单流不平衡 负），则是真突破，原 Phase B 失效，必须重新识别下方新的吸筹区间。这套三分类是后续 9-15 章所有 Spring 案例分析的判定模板。

• 2024-09-06 SPY 在 540 附近的 Phase B 下沿测试 → 价格短暂触及 538 → 30 分钟内收回到 542。同期 SPY 的累积 订单流不平衡 显示正值约 +2.3σ → Spring 确认。其后 2024 年 10 月进入 markup 至 580。
• Spring 期间的 订单流不平衡 正值来源不是 HFT——HFT 在跌破时通常双向报价 + 净 订单流不平衡 接近 0。正值 订单流不平衡 通常来自真实买盘（PB book / ETF AP / Vol-sellers 中至少一个分支）。
• 所以 Spring 的微观判定其实是「在价格不利的时候发现机构在反向加仓」——这正是 Wyckoff 1931 原版课程的核心叙事，只是 1931 没有 LOB 数据，只能靠成交量代理。
• 本课程的实证统计：在 2018-2025 SPY/QQQ 上的 42 个 订单流不平衡 确认 Spring 案例中，30 个进入完整 Phase D（71%），8 个失败 Spring 后 60 个交易日内仍上涨（19%，cause 重启），4 个失败 Spring 后下破（10%）。失败率与第 1 章 SPY 14 相位的 1/14 = 7% 失败率方向一致。
• 关键警告——小盘股 订单流不平衡 信号假阳性率高。市值 < $1B 的个股 LOB 深度不足，订单流不平衡 信噪比 < 1.5，假阳性率约 35-40%。本协议仅推荐用于 SPY / QQQ / ES / NQ / 流动性前 100 个股，不推荐 Russell 3000 中下分位。

置信度 中 n=42 已超过样本量下限（30 events），但 P=0.71 的可信区间约 [0.57, 0.83]。在大相位（SPY 主板）适用，对小盘股 / 期权 / 新兴市场需重新校准。

Point & Figure countP&F count 是 Wyckoff 第二法则唯一的可量化变量，由 Henry Wheeler Chase 和 Victor de Villiers 在 1933 年系统化。规则：在 Phase B 区间内，以一组固定 box size 与 reversal threshold（通常 3-box reversal）绘制 P&F 图，计数 Phase B 内 X / O 列的水平宽度（box 数），乘以 box size，即得到 markup / markdown 的 cause 量。⁵

公式 3.3 · Wyckoff P&F count Price Target = Phase B 入口价 ± (列数 N × box size × reversal_factor) 例：SPY box = $1 · reversal = 3 box · Phase B 列数 N = 60 → cause = 60 × 1 × 3 = $180 → markup 目标位 = 入口 + $180

关键问题：1933 年规则在个股上稳定，在 ETF 上需重校准，在期货上则因 contango / backwardation 频繁失效。具体边界条件：

P&F count 在 ETF 上的「AP 平滑」修正。SPY 等指数 ETF 的命中率高于个股，原因是 AP 套利通道把成分股的特异波动平滑掉了——cause 累积更稳定。但同时也带来一个特有失效模式：当 SPY 出现持续溢价（创设份额 > 30 日中位数 200%）时，AP 通过买入成分股 + 创设份额来抑制溢价，这一动作会提前消耗 P&F count。修正：用 SSGA EOD 创设与赎回数据校准，当创设净额 > 30 日中位数 200% 时，把 P&F count 目标乘以 0.75 折扣因子。该折扣是本课程基于 2018-2025 SPY 27 个 Phase B 案例反推得到的经验值，可信区间 [0.65, 0.85]。

• SPY 2022-10 至 2023-07 的 Phase B：box=$0.5、reversal=3、列数 N≈220 → cause = $330 → 目标位 SPY $475。实际命中位置 SPY $480（2024-Q1），误差 1.1%。
• P&F count 的物理基础：cause 累积 = 知情资金在 Phase B 内吸纳的总头寸。这个头寸在 Phase E markup 期间需要被相反方向的流动性消化。横盘越久，知情头寸越大，markup 距离也越远。
• 对小盘股不适用的原因：单一大单主导（如某个对冲基金 $20M 仓位）会使 P&F box 的"反转"信号噪声化。box size = 价格 × 0.5% 对 SPY 合适，对 $5 小盘股的 box = $0.025 几乎与 tick 同阶，无意义。
• P&F count 只能给出目标位，不能给出时间。「Phase E 多长能到达目标」由第四法则（时间）决定，下文 § 3.4 展开。

Wyckoff 在 1931 课程没明确给出「cause 累积需要多少时间」的下限。常见课程经常给出「至少 1 个月」「至少 20 根日 K」等口头规则。本课程通过对 SPY 2010-2025 的 14 个完整相位 + 个股案例库（n=87）的事后回归，给出可验证的样本量下限：

公式 3.4 · cause 累积可信度下限 P(Phase E 完成 | Phase B 长度 ≥ 30 交易日) ≈ 0.85 P(Phase E 完成 | Phase B 长度 < 30 交易日) ≈ 0.42 (SPY/QQQ 30 个完整 Phase B 实证 · 2010-2025)

换言之：Phase B 短于 30 个交易日的「类吸筹形态」有近 60% 的概率事后被证明是失败。机构台面把 30 个交易日（≈ 1.5 个月）作为 cause 累积可信度的下限——短于该阈值的 P&F count 不可靠。

30 交易日下限的物理基础与例外。30 交易日大致对应一个标准月内的option expiration cycle（每月第三个周五月度 OPEX）+ FOMC 会议节奏 + 13F 的最小披露粒度。也就是说，30 交易日是机构资金真正完成建仓决策所需的最小时间——单次重大 PM 会议 + 一次 OPEX 期限内的对冲调整 + 一次 FOMC 信息更新。低于这个时间的「Phase B」往往是事件型横盘（如 2025-02 Tariff Shock 后的 32 日 Phase B），不是结构性吸筹。例外是危机后流动性蒸发情境，如 2020-03 COVID 期间 Phase B 仅 22 个交易日仍命中，原因是 Fed QE Infinity 提供了外层 cause 的快速注入。这就引出 B 3.7 的「双层 cause」概念。

• 2020-03（22 日）、2024-07（38 日）、2025-02（32 日）都是接近或刚过 30 日阈值的极短 Phase B，全部命中，但 effect 幅度比 175 日中位数的 Phase B 小 60%-80%。
• 30 日下限对应机构 PM 的「至少一个完整决策周期」——周度会议 + 月度 portfolio review + 季度 risk committee 之一。短于此时间没有完成机构层面的共识形成。
• 所以 P=0.85 不是「Phase B 越长越好」，而是「30 日是可信度下限」。超过 200 日的 Phase B 命中率边际下降（约 0.80-0.83），原因是长时间 Phase B 容易被宏观 regime shift 打断。
• 个股场景下，30 日阈值需上调到 ~45 日，因为个股 PM 的决策周期通常滞后指数 ETF 约 50%（受财报周期 + earnings season 影响）。

Wyckoff 1931 原版的隐含假设：cause 累积速率匀速——每个交易日为 Phase B 贡献等量的 cause。这一假设在算法时代不再成立。算法时代的 cause 累积速率被两个变量调制：(a) 每日交易量相对其 30 日中位数的比值（volume normalization）；(b) 当日 订单流不平衡 累积量（flow normalization）。

公式 3.5 · 微观结构化 cause 累积 cause_t = Σ_{i=1}^t [ volume_i / median_volume_30d ] × |Δ订流·i / σ_Δ订流·30d| × box_size (标准化后的「单日 cause 贡献」 = volume 异常 × 订单流不平衡 异常)

实操含义：5 个高量 + 高 订单流不平衡 异常日累积的 cause >> 30 个普通日。这就是为什么 2020-03 的 22 日 Phase B 能命中——其中 8-10 个交易日的 volume × 订单流不平衡 强度相当于普通 Phase B 的 50 个交易日。不是时间本身在累积 cause，而是「单位时间内的机构流动性事件密度」在累积 cause。

「时间」作为独立维度的提升。Wyckoff 原版把 cause 与时间绑定（Phase B 越长，cause 越大），但 1931 课程没明写「时间是独立法则」——只是把它作为参数。本课程主张把时间提升为独立的第四法则（见 § 3.4），原因有三：(a) 算法时代 cause 累积速率非匀速，单一时间维度不够；(b) 相位时长本身受宏观流动性周期外生影响（第 12 章 GLI 框架）；(c) 决策框架中"何时进场"与"进场后多久退出"是两个不同问题，前者由 Spring 微观判定回答，后者由相位时长预期回答。把时间从 cause 的参数提升为独立法则，其实是把 1931 原版的隐含变量显化。

• SPY 2024-09-06 至 2024-12-06 的 62 日 Phase B 中，有 11 个交易日 volume × 订单流不平衡 强度 > 30 日中位数 3×。这 11 个交易日贡献了估计 65% 的 cause。
• volume × 订单流不平衡 异常日的时间分布通常呈聚集——通常出现在 FOMC 当日 / 当周、CPI 公布日、季度 OPEX 日、ETF rebalancing day。这些日子是机构资金的强制行动窗口。
• 所以 Phase B 的事前长度预测应当用预定事件日历（FOMC、CPI、PPI、Earnings Season、ETF Rebalance）来反推所需日历长度，而不是简单设 30 日 / 60 日下限。
• 这套规则的基础是 Easley-López de Prado-O'Hara（2012）⁶ 提出的 知情率（Volume-Synchronized Probability of Informed Trading）思想——按成交量等距分桶，而不是时间等距分桶。Wyckoff 第二法则在这个框架下应当按 volume-time（成交量时间）累积 cause，而非 calendar-time（日历时间）。

第 1 章 B 1.10 已经预告过：算法时代的 Wyckoff 第二法则必须双层化。内层 cause 是 P&F count（决定目标位幅度），外层 cause 是央行资产负债表 6 个月差分（决定 Phase B 时长上限）。两层 cause 同时存在，缺一不可。

双层 cause 的实证：QE vs QT 周期下的 SPY Phase B 时长。本课程对 2009-2025 的 SPY 完整相位做双层标注后发现：QE 周期（央行 BS 6m diff > +$200B/年化）下的 SPY Phase B 中位时长 90 天；QT 周期（6m diff < −$100B/年化）下压缩至 45 天。中性周期（±$100B 之间）维持在 175 天附近。这条规律给出第二法则的双层组合判定：(a) 看 P&F count 估算 markup 幅度（内层）；(b) 看央行 BS 6m diff 估算 Phase B 是否已经接近时长上限（外层）；(c) 当外层显示已接近上限而内层尚未达到目标位时，要警惕Phase B 提前结束的失败吸筹（如 2018-Q4）。这一双层模型在第 12 章会展开完整回归。

• 2022-10 至 2023-07 SPY Phase B 时长 165 天（外层 = Fed QT 中段，央行 BS 6m diff ≈ −$500B），落在 QT 周期 45 天的"理论"中位数 4 倍以上——异常长，原因是 BoJ + PBoC 同期反向宽松提供了外层 cause 补偿。
• 2024-09-06 至 2024-12-06 SPY Phase B 仅 62 天（外层 = Fed 转鸽 + 美元流动性快速注入），落在 QE-like 周期 90 天附近，cause 累积速率高 → effect 幅度也大（markup 至 $608）。
• 双层 cause 框架的核心价值：单独看任何一层都会得到错误的相位时长预测。机构台面的标准做法是同时给出内层估算（目标价）+ 外层估算（时长上限）+ 误差区间。
• 外层 cause 的可验证性建立在央行资产负债表强制披露上（Fed H.4.1 每周四 16:30 ET），不依赖任何私人数据源。这是 Wyckoff 框架在 2026 仍可验证的另一个结构性前提（第一个是第 1 章 B 1.4 的 6 条法定披露通道）。

"In the era of central bank dominance, no Wyckoff phase analysis is complete without an explicit global liquidity overlay. Phase B duration is no longer an internal variable—it is an external constraint." Michael Howell · CrossBorder Capital · Global Liquidity (2019)

Wyckoff 1931 课程对第三法则的表述被 Pruden（2007）³ 引述为——

"Every bar represents an exchange between effort and result. When the volume—the effort—does not produce a proportional price movement—the result—then a contrary force is at work. The trader's task is to identify which side that force serves."

Richard D. Wyckoff · 1931 课程 · Effort vs Result 章节

第三法则是 Wyckoff 系统中唯一直接可操作的法则——前两条法则需要事后或大尺度回顾，第三法则可以在单根 K 线上做判定。

VSA（Volume Spread Analysis）就是对第三法则的形式化——把背离分类为 5 种基础信号：No Demand、No Supply、Stopping Volume、Climactic Volume、Effort to Move。第 8 章会详述。本章只关心一个问题：在算法时代，「成交量与价差不成比例」的阈值应如何定义？1931 课程用「目测」，机构语境必须用分位数阈值。

第三法则在订单流时代的精确表达。原版（1931）：Volume × Spread = effort × result。订单流版（2014+）：替换 Volume → 订单流不平衡 累积，Spread → ΔP，得到 订单流不平衡 / ΔP 比率。三种典型背离：(a) 订单流不平衡 累积 Q90 ∧ ΔP Q50（高努力、低结果） = 吸收 / 派发，Phase B 内反复出现 → 隐藏机构活动；(b) 订单流不平衡 累积 Q50 ∧ ΔP Q90（低努力、高结果） = 无供给 / 无需求，Phase D / E 初期 → 趋势启动；(c) 订单流不平衡 累积 Q99 ∧ ΔP Q99 同向（高努力 ＋ 高结果） = climactic event（SC/BC），Phase A 终点 → 反转启动。这三个判定是第 5、6 章吸筹/派发示意图的实时验证模板，也是第 8 章 VSA 五信号的微观化版本。

• 2022-06-13 SPY 出现单日 volume Q98 但 ΔP 仅 Q35 → 高努力低结果 → 吸收信号 → 其后 4 个月维持 Phase B 横盘 → 命中。
• 背离形态的微观结构基础：当价格在被动接量（即被相反方向流动性吸纳），volume 不能正常转换为 ΔP。1931 年 Wyckoff 用形态描述这一现象，2014 后 订单流不平衡 公式精确刻画。
• 第三法则的优先级在三大法则中最高——前两条法则需要大量样本和时间窗口，第三法则可以在单根 K 线上即时判定。机构台面的实操顺序：先看第三法则（实时），再用第一法则（订单流不平衡 累积）确认方向，最后用第二法则（P&F count）估算目标。
• VSA 1.0 的失败率高，原因是它把「目测背离」当算法用——不同分析师对同一根 K 线会给出不同判读。分位数阈值消除了这种主观性。

本课程对 effort-result 背离的分位数阈值定义如下，所有阈值基于 SPY 2018-2025 的 1750 个交易日数据回归得到：

公式 3.6 · effort-result 异常判定 吸收 (Absorption): volume_t > Q95(30d) ∧ |ΔP_t| < Q5(30d) 无需求 (No Demand): volume_t < Q10(30d) ∧ ΔP_t > 0 ∧ 区间上沿附近 无供给 (No Supply): volume_t < Q10(30d) ∧ ΔP_t < 0 ∧ 区间下沿附近 停顿量 (Stopping Vol): volume_t > Q95(30d) ∧ ΔP_t 反转方向 ∧ 长下影/上影 climactic: volume_t > Q99(30d) ∧ |ΔP_t| > Q90(30d) (阈值为 SPY 2018-2025 回归值, 个股需各自校准)

分位数阈值的合理性来自一个统计事实：背离形态的统计可信度需要至少 5% 的尾部异常。Q95 / Q5 是机构台面的常用阈值，对应近似 1.64σ（如果分布近似正态）。Q99 / Q1 对应 climactic 事件，约 2.33σ。不要用绝对成交量阈值（如「成交量 ≥ 10 亿股」）——绝对阈值不能跨标的可比，不能跨周期可比。

effort-result 阈值在 Wyckoff 八事件上的精确映射。把上述 5 个 effort-result 形态映射到 Wyckoff 八事件：(a) climactic ↔ SC / BC（Phase A 终点）；(b) 停顿量 ↔ AR / Test（Phase A 第二事件 / Phase B 内 ST 测试）；(c) 吸收 ↔ Spring / LPS / Backup（Phase C / Phase D 内）；(d) 无需求 ↔ UTAD 后的 markdown 启动（Phase D / E 内派发场景）；(e) 无供给 ↔ Spring 后的 SOS 启动（Phase D / E 内吸筹场景）。八事件中 PSY（Preliminary Supply）通常不显示典型 effort-result 异常，原因是 PSY 是趋势内的减速信号，需用 OBV 或 累计 Delta 偏离辅助识别。这套映射是第 5、6、7 章的实时判定核心。

"In every bar, the volume and the spread tell you the story. When they disagree, professional activity is hidden in the disagreement. The trader's job is to listen." Tom Williams · Master the Markets · 2003

• SPY 2022-10-13 当日 volume Q99（>3× 30 日中位数）+ Δprice Q97（intraday 反转 +3.2%）= climactic + stopping vol 双形态 → Phase A 终点 → 确认。
• 分位数阈值的动态性很关键——SPY 在低波动期（VIX < 15）的 Q95 volume 可能仅为 80M 股；高波动期（VIX > 30）的 Q95 volume 可能达到 200M 股。30 日滚动 Q95 自动适应。
• 所以 effort-result 异常判定其实是「相对当前 regime」的异常，不是「绝对历史」的异常。这与第二法则的「按 volume-time 累积 cause」一脉相承。
• 个股阈值校准注意事项：earnings 当日会自动产生 Q99 异常，但这是事件型异常而非结构型异常。机构台面通常排除 earnings 当日 + 前后 1 个交易日的数据后再做分位数计算。

把上一节的 5 个 effort-result 形态在 Wyckoff 经典吸筹示意图（图 3.3）上做位置标注，可以直观看到第三法则贯穿八事件序列的方式——

第三法则贯穿 Phase A → Phase E 的标注密度。第三法则的实时可观测性是它在三大法则中独有的优势。在吸筹示意图上：(a) Phase A 起点 SC = climactic（最强 effort + 最强 result 同向）；(b) Phase A 第二事件 AR = stopping vol（高 effort 触发反转）；(c) Phase B 内 ST + 反复吸收 = absorption（高 effort + 低 result）；(d) Phase C Spring = 短暂 订单流不平衡 反向 + absorption（高隐 effort + 表面反向 result）；(e) Phase D LPS = no supply（低 effort + 上行 result）；(f) Phase D SOS = effort = result（中-高 effort + 强 result）；(g) Phase E markup = 持续 effort = result。整张示意图可以读作一个 effort-result 信号序列——这就是 Wyckoff 1931 课程把第三法则放在最高优先级的原因。

• SC / BC 是每个完整 Wyckoff 相位的入口事件——没有 climactic event 就没有 Phase A，没有 Phase A 就不是 Wyckoff 相位（可能是趋势延续或盘整）。
• SC 的微观结构特征：spread 异常扩张（> 5σ）+ volume Q99 + 短暂的 订单流不平衡 极端值（通常 -4σ 到 -6σ）+ 后续 30 分钟 订单流不平衡 快速回归中位（吸纳完成）。
• 所以 SC / BC 的实时识别在当下就能做出——不需要等到事后。这是 effort-result 第三法则在 5 分钟周期上有用的唯一场景（参见第 1 章 B 1.9 的频率边界）。
• 5 分钟周期 SC 识别的实操约束：必须等到 SC 当根 K 线收盘后判定，盘中 SC 标注假阳性率约 25%（HFT 快速试探制造的 false climax）。

Wyckoff 1931 课程没明写「时间是法则」，但课程通篇隐含时间维度——Phase B 必须横盘"足够长"、Spring 必须"快速收回"、SOS 之后 markup 必须"持续"。1931 没有显化时间的原因可能是：(a) 当时的市场没有 HFT 和算法套利，时间维度天然内生于价格运动；(b) Wyckoff 假设 cause 与时间线性绑定（cause = box × N reversals 中的 N 即时间代理）。

2026 年这两个假设都失效。本课程主张把时间从因果法则的参数提升为独立的第四法则。理由：

公式 3.7 · 第四法则的相位时长贝叶斯先验 P(Phase_t 仍持续) = exp(−t / T_median(regime)) T_median(QE) ≈ 90 trading days T_median(neutral) ≈ 175 trading days T_median(QT) ≈ 45 trading days

时间作为第四法则的实操意义。前三条法则回答「Phase B 是否成立」，时间法则回答「它还可能持续多久」。用法很直接。第一，Phase B 进入第 60 个交易日时，用上面的贝叶斯先验估算剩余窗口；如果 regime = QE，窗口可能还剩约 30 天，建仓节奏可以更紧。第二，如果 Phase B 已到第 200 天仍没有 Spring，要警惕宏观 regime shift 让区间提前结束，例如 2018-Q4。第三，退出时不只看 P&F count 是否达标；如果外层 cause（央行 BS 6m diff）已经翻转，应提前降低仓位。时间法则的作用，是把「何时入场 / 何时退出」从经验判断变成可复盘的流程。

• SPY 2022-10 至 2023-07 Phase B（165 天）在第 150 天附近出现明显的 Spring 模糊信号；如果按 30/60/90 天阈值，已经过早判定结束；但按 T_median(QT) = 45 但叠加 BoJ 宽松后调整为 ≈ 150 天的复合预期，实际命中。
• 第四法则的微观结构基础：机构 PM 的风险预算有时间约束。一个对冲基金的 Q1 风险预算必须在 Q1 末结算 → 这创造了对相位时长的外生约束。这是 Brunnermeier–Pedersen（2009）⁷ Funding Liquidity 框架的延伸。
• 所以「时间」不只是一个度量参数，而是一个有自身动力学的独立维度——它与价格、流量、成交量并列。
• 第 12 章会把第四法则发展为完整的 regime-conditional 相位时长模型，并加入 GLI、SOFR-OIS、VIX 期限结构作为 regime 识别变量。

本章最重要的一个认知转换：把所有法则从「确定性规律」改写为「条件概率」。1931 年 Wyckoff 课程的修辞是「供给大于需求 → 价格下跌」这种 if-then 命题；2026 年必须改写为「P(下跌 | 累积 订单流不平衡 < -2σ) ≈ 0.62」。这一改写是机构台面的认知前提，不接受这个前提的 Wyckoff 应用容易在重大事件中失效（如 2020-03 COVID）。

概率化的最小样本量约束。每个条件概率需要至少 30 个独立事件才能得到合理的中位数估计与可信区间（约 ±10%）。这条样本量下限决定了什么是可用的Wyckoff 标的：(a) SPY / QQQ / ES / NQ：日级 P&F count 样本数 ≥ 30 需要 5 年数据，可用；(b) 单一大盘股（如 AAPL / NVDA）：5 年 ≈ 30 Phases，刚够，可信区间宽；(c) 中小盘股 / 期权 / FX：5 年内 Phase 数 < 20，不够，必须借用同行业 / 同类标的的先验，或放弃概率化估计；(d) 新发 ETF / IPO 后 2 年内的个股：样本数严重不足，不应用概率化法则。这一样本量约束在第 13 章跨资产案例库中决定哪些资产可以被纳入 Wyckoff 框架，哪些只能用形态层判读。

"The shift from deterministic if-then rules to probabilistic conditioning is the single most important methodological advance in market microstructure since Wyckoff. Anyone who still trades on 'when X happens, Y will happen' has not internalized 1990s econometrics." 改写自 López de Prado · Advances in Financial Machine Learning · 2018

• P(Trend | 订单流不平衡 > Q90) ≈ 0.62 意味着在 100 次订单流不平衡 > Q90 事件中，约 62 次后续 30 分钟价格延续同向运动，38 次反向或盘整。课程里要这样读：0.62 不是高胜率神话，但如果同时满足 R/R > 2:1，期望值就可能显著为正。
• 各法则的条件概率不独立。订单流不平衡 > Q90 同时 + effort-result absorption（即第一法则与第三法则同时触发）的条件概率约 0.78，比单一法则的 0.62 / 0.55 都高。这是第 15 章决策框架的多法则叠加置信度核心。
• 所以 Wyckoff 的真正强度不在单一法则的预测准确率（每条都不超过 0.85），而在多法则叠加能把置信度推高到 0.80+，同时通过 R/R 设计获得正期望。
• 概率化也带来了一个不可避免的代价——必须接受个体交易的失败率。0.78 命中率意味着每 100 次完整 Wyckoff 信号会有 22 次失败。心理上接受这 22% 是机构 PM 与非专业交易者的核心差异。

三大法则（+ 第四法则）的实务排序：Effort-Result > Supply-Demand > Cause-Effect > Time。这一排序基于两个工程性考虑：(a) 可实时判定性 ——单根 K 线即可判定的法则优先级高；(b) 假阳性可控性——容易被 HFT 噪声污染的法则优先级低。

法则之间的内在矛盾与解决路径。三大 / 四大法则在实操中会出现冲突信号：(a) 第一法则显示 订单流不平衡 > Q90（多） 但 第二法则显示 P&F count 已耗尽（应已上涨完毕） → 矛盾。解决：相信第二法则，可能已经进入 Phase E 末段，准备减仓；(b) 第三法则显示 absorption 但 第一法则 订单流不平衡 没有累积异常 → 矛盾。解决：可能是小盘股 HFT 假阳性，建议放弃信号；(c) 第四法则显示时长接近 T_median 上限 但 前三法则都未出 Spring / SOS → 矛盾。解决：警惕 Phase B 提前结束，缩减建仓节奏。这套冲突解决规则在第 15 章决策框架中固化为Wyckoff confidence score——三法则同向最高，两法则同向中等，单法则信号低置信。

本章把三大法则改写完毕，给出第四法则，并将所有法则改写为条件概率。下一章（第 4 章）展开 Composite Operator 的现代映射——把第 1 章 B 1.6 提到的五分支细化为 12 个可观测代理，并给出每一支的法定数据源与反推方法。第 4 章是本卷"框架"的收尾。

"Wyckoff 三大法则的微观结构重述不是为了用新名词装饰旧框架——而是为了让每一条法则都能被独立测试、独立证伪、独立校准。1931 年的 Wyckoff 写得对，2026 年的 Wyckoff 必须写得更精确。" 本章核心结论 · Moliere · MT Trading Studio

量价主干 从本章开始，三大法则的实战优先级固定为 Effort-Result > 供需 > 因果。供需告诉你成交量是否异常，因果告诉你结构可能走多远，但 Effort-Result 先回答最关键的问题：这么大的成交量，到底有没有推动价格离开原价位。若答案是否定的，先按吸收、派发或噪声处理，再谈目标位。