Phantom of the Pits-规则3

回到办公室。我们现在正式进入高阶实战领域。

如果说《幽灵的教诲》中的规则1和规则2构成了交易心理不可动摇的基石，那么规则3——“在出现异常巨量后的三个交易日内平仓离场”——则是一种纯粹的战术生存机制。

在市场传说中，我们称之为“高潮耗尽（Climax Exhaustion）”规则。当一波趋势强劲运行，突然爆出一根远超过去一个月任何水平的天量K线时，这绝不是强势的信号，而是筹码大规模转移的标志。此时，“散户（弱手）”终于向错失恐惧症（FOMO）投降并疯狂买入，而“机构（强手）”则正迫不及待地把手中的筹码派发给他们。

在中国期货市场应用这一规则，需要戴上特定的“滤镜”。中国的大宗商品期货——无论是铁矿石（I）、玻璃（FG）、纯碱（SA）还是螺纹钢（RB）——都以爆发性的波动率、庞大的散户参与度以及凶猛的主力（Zhu Li - 机构主导资金）而闻名。在中国，古老的交易谚语“天量见天价”堪称绝对的物理定律。

以下是大师级趋势交易者在中国市场合理应用规则3的方法，随后附有用于自动化检测该信号的量化因子代码。

1. 区分“启动量”与“耗尽量”

规则3绝不意味着每次看到高成交量就要卖出。
如果螺纹钢（RB）以天量突破了长达3个月的盘整区间，那是启动量（Initiation Volume）。这是主力在建立头寸，你应该顺势 riding 这波行情。
规则3严格适用于耗尽量（Exhaustion Volume）。这种情况发生在市场已经强劲运行了数周或数月，上涨角度变得近乎抛物线，然后才爆出了巨量。这就是典型的“高潮见顶（Blow-off Top）”。

2. 警惕“主力换月（Dominant Contract Roll）”陷阱

中国期货市场的流动性高度集中在特定月份（通常是1月、5月和9月合约）。一个致命的业余错误是：看到巨量就恐慌离场，结果后来才发现，那仅仅是机构在将5月合约的头寸转移到9月合约上。

• 应对方法： 你必须在“主力连续合约（Continuously Stitched Dominant Contract）”图表上应用规则3，并且必须过滤掉那些纯粹因为常规换月窗口而产生的成交量脉冲。

3. 3天执行窗口

为什么是3天？因为“高潮量”当天通常会形成一根波动极大、走势混乱的K线。市场需要时间来消化这庞大的筹码转移。

• 第1天（天量日）： 你观察到了极端的成交量。你按兵不动，但手指已经放在了扳机上。
• 第2天和第3天（信号确认）： 如果市场真的足够强势，价格理应坚守在天量K线的高点之上。然而，如果在接下来的48到72小时内，价格停滞不前、收出十字星，或者跌破了这根天量K线的中点，这就说明主力的派发已经完成。趋势已死。你必须清仓离场。不要心存侥幸，果断执行。

4. 应对涨跌停板（Limit Up/Down Boards）

在中国期货市场，当市场触及涨停或跌停时，成交量实际上会枯竭，因为没有对手盘愿意接盘了。“异常巨量”通常出现在涨跌停板被打开的那一瞬间。当一波猛烈拉升的第三天，涨停板被砸开且成交量瞬间爆炸时，这就是你终极的规则3信号。立刻平仓。

---

Python 3 因子表达式

为了像量化交易者一样系统化地交易，或构建预警系统，我们需要将“成交量滚动Z-Score”与“趋势过滤器”结合使用（以确保我们处于成熟趋势的末端，而非突破初期）。

以下是使用 pandas 构建规则3因子的 Python 3 代码：

import pandas as pd
import numpy as np

def calculate_phantom_rule3_factor(df: pd.DataFrame, 
                                   vol_window=20, 
                                   z_threshold=3.0, 
                                   trend_window=40,
                                   exit_window=3):
    """
    构建适用于中国期货市场的《幽灵的教诲》规则3因子。
    
    Parameters:
    df : pd.DataFrame - 必须包含主力连续合约的 'close'（收盘价）和 'volume'（成交量）列。
    vol_window : int - 建立成交量基准的回溯周期（例如20天）。
    z_threshold : float - 将成交量归类为“异常”的Z-Score阈值（例如3.0个标准差）。
    trend_window : int - 确保价格处于极端位置的回溯周期（用于区分“耗尽”与“启动”）。
    exit_window : int - 规则3规定的3天离场窗口。
    
    Returns: 包含布尔型因子 'rule3_exit_signal' 的 pd.DataFrame。
    """
    
    # 1. 计算成交量Z-Score，以统计学方式识别“异常成交量”
    vol_mean = df['volume'].rolling(window=vol_window).mean()
    vol_std = df['volume'].rolling(window=vol_window).std()
    
    # 处理横盘市场中标准差为0导致的除零异常
    vol_std = vol_std.replace(0, np.nan) 
    df['vol_zscore'] = (df['volume'] - vol_mean) / vol_std
    
    # 2. 趋势过滤器：确保市场处于极端延伸状态（区分“耗尽”与“启动”）
    # 价格必须处于近期宏观趋势窗口的顶部或底部20%区间内
    highest_high = df['close'].rolling(window=trend_window).max()
    lowest_low = df['close'].rolling(window=trend_window).min()
    
    # 计算价格在近期区间内的相对位置（0到1之间）
    df['trend_extension'] = (df['close'] - lowest_low) / (highest_high - lowest_low)
    
    # 定义“极端趋势”：价格处于区间顶部（多头）或底部（空头）
    df['is_extended_trend'] = (df['trend_extension'] > 0.80) | (df['trend_extension'] < 0.20)
    
    # 3. 识别“高潮成交量”日
    # 异常成交量必须与极端趋势同时出现
    df['is_climax_volume'] = (df['vol_zscore'] > z_threshold) & df['is_extended_trend']
    
    # 4. 应用3天规则
    # 如果今天、昨天或前天出现了“高潮成交量”日，则退出因子为TRUE（1）
    # rolling(3).max() 用于检查过去3天内是否存在任何 'True' (1)
    df['rule3_exit_signal'] = df['is_climax_volume'].rolling(window=exit_window).max().fillna(0).astype(bool)
    
    return df

# ==========================================
# 使用示例：
# ==========================================
# 假设 'data' 是加载了铁矿石（I888.DCE）日线数据的DataFrame
# data = pd.read_csv("I_dominant_continuous.csv")
# data = calculate_phantom_rule3_factor(data)
# 
# # 查看触发的信号：
# exit_days = data[data['rule3_exit_signal'] == True]
# print(exit_days[['close', 'volume', 'vol_zscore', 'rule3_exit_signal']])

来自大师办公桌的总结

在中国期货市场，永远不要和3个标准差的成交量脉冲硬刚。此时，散户大军已经向情绪彻底投降，而主力正在疯狂套现。

通过计算Z-Score并叠加趋势延伸过滤器，你能从数学上剔除“突破量”，精准锁定“高潮耗尽量”。当 rule3_exit_signal 触发时，你的3天倒计时就开始了。趁着流动性充裕果断卖出，感谢散户们为你带来的丰厚利润，然后优雅退场。因为一场大屠杀，即将拉开帷幕。