负成交量NVI指标在股票期货交易中如何应用

摘要： 负成交量NVI指标关注成交量减少时的价格变化，用于识别聪明资金动向。在股票期货交易中，NVI上升表明主力吸筹，下降表明派发，结合均线可研判买卖时机。

负成交量NVI指标的基本原理

负成交量NVI（Negative Volume Index）由保罗·迪萨克提出，核心逻辑是当成交量较前一日减少时，价格的变化更能反映主力资金的行为。市场普遍认为，成交量放大时散户参与度高，而成交量萎缩时聪明资金往往在操作。NVI通过累加成交量减少日的价格百分比变化，形成一条曲线，用以追踪聪明资金的足迹。

计算NVI的步骤：

负成交量NVI指标在股票期货交易中如何应用

初始值通常设为1000。
当日成交量小于前一日成交量时，NVI = 前一日NVI × (1 + 当日收盘价 / 前一日收盘价 - 1)。
当日成交量大于或等于前一日成交量时，NVI保持不变。

在股票和期货市场中，NVI的上升意味着在成交量萎缩时价格仍在上涨，暗示主力在吸筹；NVI下降则意味着在成交量萎缩时价格下跌，暗示主力在派发。

NVI在股票期货交易中的研判方法

趋势判断

NVI曲线与价格走势的背离是重要信号。当价格创新低而NVI未创新低，表明聪明资金并未跟随抛售，可能形成底部。当价格创新高而NVI未创新高，表明主力并未追涨，可能形成顶部。

在期货市场，由于杠杆效应，NVI的背离信号往往比股票市场更早出现。交易者可以结合持仓量变化，若NVI上升且持仓量增加，确认多头主力入场；若NVI下降且持仓量增加，确认空头主力入场。

均线系统辅助

NVI通常搭配250日移动平均线使用。当NVI上穿其250日均线，视为牛市信号；当NVI下穿其250日均线，视为熊市信号。股票市场适用250日，期货市场因交易周期短，可调整为60日或120日。

代码演示（Python）：


import pandas as pd

import numpy as np

def calculate_nvi(df, initial=1000):

    df = df.copy()

    df['price_change'] = df['close'].pct_change()

    df['volume_decrease'] = df['volume'] < df['volume'].shift(1)

    df['nvi'] = initial

    for i in range(1, len(df)):

        if df.loc[i, 'volume_decrease']:

            df.loc[i, 'nvi'] = df.loc[i-1, 'nvi'] * (1 + df.loc[i, 'price_change'])

        else:

            df.loc[i, 'nvi'] = df.loc[i-1, 'nvi']

    return df

# 示例数据

data = {'close': [10, 10.5, 10.3, 10.8, 11], 'volume': [1000, 1200, 800, 900, 1100]}

df = pd.DataFrame(data)

nvi_df = calculate_nvi(df)

print(nvi_df[['close', 'volume', 'nvi']])

结合正成交量PVI

NVI与正成交量PVI（Positive Volume Index）结合使用，可全面观察市场。PVI在成交量增加时计算，反映散户行为。当NVI上升而PVI下降，表明聪明资金在买入而散户在卖出，后市看涨。当NVI下降而PVI上升，表明聪明资金在卖出而散户在买入，后市看跌。

实战应用要点

股票市场

在股票市场中，NVI适用于识别中长期趋势。当NVI持续位于250日均线上方，且价格未大幅上涨，可视为建仓时机。当NVI跌破250日均线，且价格处于高位，应减仓或离场。

注意NVI对成交量数据质量要求较高，停牌或涨跌停导致的成交量异常需处理。建议使用复权价格计算，避免除权除息干扰。

期货市场

期货市场T+0交易，NVI可应用于日内或短线。由于期货成交量受主力合约切换影响，需使用连续合约数据。NVI在期货中的参数可优化，通过回测寻找最佳均线周期。

代码演示（期货NVI策略回测框架）：


import backtrader as bt

class NVIStrategy(bt.Strategy):

    params = (('nvi_period', 60),)

    def __init__(self):

        self.nvi = bt.indicators.NegativeVolumeIndex(self.data)

        self.sma_nvi = bt.indicators.SMA(self.nvi, period=self.params.nvi_period)

    def next(self):

        if self.nvi[0] > self.sma_nvi[0] and not self.position:

            self.buy()

        elif self.nvi[0] < self.sma_nvi[0] and self.position:

            self.close()