在量化交易与算法开发领域FVGFair Value Gap公允价值缺口 正在成为一个越来越热门的概念。它源于Smart Money ConceptsSMC与ICT交易方法论代表价格在快速波动中留下的“未被交易的空白区域”。很多开发者常陷入“概念我都懂但代码不会写”的困境。今天我们就从代码实现的角度聊聊FVG选择与编程中那些你应该知道的常识。一、到底什么是FVG从K线图上看FVG是一个三根K线形成的形态。当中间K线的最高价/最低价与前后两根K线的高低点完全不重叠时就形成了一个价格缺口。判断逻辑很清晰· 看涨FVG当前K线最低价 前二根K线最高价价格向上跳空· 看跌FVG当前K线最高价 前二根K线最低价价格向下跳空这个缺口代表市场在那个价位上存在“订单失衡”——买方或卖方过于强势导致大量订单未能成交。价格往往会在后续回补或称“填充”这些缺口因此FVG常常成为潜在的支撑/阻力区域。二、编程实现核心是“三根K线”的选择把FVG翻译成代码本质上就是一个模式匹配问题。以下是用Python实现的FVG检测核心逻辑pythondef detect_fvg(df):检测Fair Value Gapfvgs []for i in range(1, len(df) - 1):prev_high df[High].iloc[i-1]prev_low df[Low].iloc[i-1]curr_high df[High].iloc[i]curr_low df[Low].iloc[i]next_high df[High].iloc[i1]next_low df[Low].iloc[i1]# 看涨FVG: 前一根高点 后一根低点if prev_high next_low:fvgs.append({type: bullish,top: next_low, # 缺口上沿bottom: prev_high, # 缺口下沿index: i})# 看跌FVG: 前一根低点 后一根高点elif prev_low next_high:fvgs.append({type: bearish,top: prev_low,bottom: next_high,index: i})return fvgs实际开发中你需要注意几个关键选择1. 数据结构的选型推荐使用Pandas或Polars处理OHLC数据配合shift()函数可以大幅简化代码。2. 连续FVG的处理当多个FVG连续出现时是否将它们合并为一个更大的区域这是一个重要的设计选择。3. 多时间框架的支持高时间框架的FVG往往比低时间框架的更具参考价值。建议在架构设计时就把“多周期FVG检测”作为一个可配置选项。4. 填充状态的追踪一个FVG被“填充”价格回到缺口区域内后它的参考价值会发生变化。需要在数据中记录每个FVG的filled状态。三、FVG选择的进阶常识FVG也分强弱——不是所有缺口都值得同等对待· 普通FVG纯价格失衡强度一般· IFVG反向FVG被填充后发生反转的FVG强度更高· Order Block FVG当FVG与订单块区域重合时参考价值大幅提升信号质量可以量化。你可以为每个FVG计算一个质量评分综合考量缺口大小、成交量配合、是否与Order Block重合等因素然后只选择评分高于阈值的FVG进行交易。切记FVG检测本身并不复杂真正的挑战在于多周期上下文解读——同一个FVG在1分钟图和1小时图上意义完全不同。四、写在最后从概念到代码FVG的实现门槛其实不高。但“写出来”和“写好”之间隔着的是对数据结构、算法效率和交易逻辑的深入理解。希望这篇文章能帮你少走一些弯路。你在实现FVG检测时遇到过哪些坑欢迎在评论区分享交流