关于成交量缩减的问题，我们总结了以下几点，给你解答：
成交量缩减 横盘
横盘 ——指股市上经常会出现股价徘徊缓滞的局面，在一定时期内既不涨上去，也不跌下来。这种情况一般出现在底部或者是庄家在洗盘吸货，投资者这时不应参与操作，应注意观察，等形态走好，再介入搭顺风车。
[编辑本段]横盘的形成情况及说明
横盘整理行情是由以下三种情况形成的：
1、下跌行情形成的横盘整理。
2、收敛三角形形成的横盘整理。
3、上涨行情形成的横盘整理。
横盘整理行情突破方向的形成概率：横盘整理往往是变盘的前奏曲，特别是股价经过一定下跌过程后的横盘整理，很容易形成阶段性底部，下跌行情形成的横盘整理行情结束时，绝大多数情况将选择向上突破，其概率约占90%左右。
收敛三角形形成的横盘整理由于其形态特征是上涨高点不断下移、下跌低点不断抬高。这种形态在大多数情况下会延续原有的趋势选择突破方向，只有四分之一的概率会演变成与原来运行趋势相反的走势。
上涨行情形成的横盘整理是最为复杂的整理行情，其最终的方向性选择具有相当大的不确定性，必须根据量价特征，并结合技术分析手段进行具体的研判。
目前的横盘走势是诞生于下跌行情中，如果这种横盘整理走势持续时间在5至15天内的，形成的向上突破往往具有一定上攻力度。但如果横盘时间过长，不仅会影响反弹动力，而且还容易导致横盘整理最终选择向下破位。
没人买买时就会横盘.
横盘又称盘整，横盘是指股价在一段时间内波动幅度小，无明显的上涨或下降趋势，股价呈牛皮整理，该阶段的行情震幅小，方向不易把握，是投资者最迷惑的时候。
横盘的出现不仅仅出现在头部或底部，也会出现在上涨或下跌途中，根据横盘出现在股价运动的不同阶段，我们可将其分为：上涨中的横盘、下跌中横盘、高位横盘、低位横盘四种情形。
上涨中的盘整：此种盘整是股价经过一段时间急速的上涨后，稍作歇息，然后再次上行。其所对应的前一段涨势往往是弱势后的急速上升，从成交量上看，价升量增，到了盘整阶段，成交量并不萎缩，虽有获利回吐盘抛出，但买气旺盛，不足以击退多方。该盘整一般以楔形、旗形整理形态出现。
下跌中的盘整：此种盘整是股价经过一段下跌后，稍有企稳，略有反弹，然后再次调头下行。其所对应的前一段下跌受利空打击，盘整只是空方略作休息，股价略有回升，但经不起空方再次进攻，股价再度下跌，从成交量看，价跌量增。
高位横盘：此种横盘是股价经过一段时间的上涨后，涨势停滞，股价盘旋波动，多方已耗尽能量，股价很高，上涨空间有限，庄家在头部逐步出货，一旦主力撤退，由多转空，股价便会一举向下突破。此种盘整一般以矩形、园弧顶形态出现。
低位横盘：此种横盘是股价经过一段时间的下跌后，股价在底部盘旋，加之利多的出现，人气逐渐聚拢，市场资金并未撤离，只要股价不再下跌，就会纷纷进场，由空转多，主力庄家在盘局中不断吸纳廉价筹码，浮动筹码日益减少，上档压力减轻，多方在此区域蓄势待发。当以上几种情况出现时，盘局就会向上突破了。此种盘整一般会以矩形、园弧底形态出现。
1.重组.2召开股东大会.3刊登公司公告.4.连续三个交易日涨停
成交量缩减
# 判断是否有缩量
if len(vol_list) > 0:
# 取最近一次成交量
last_vol = vol_list[-1]
# 取前一次成交量
pre_vol = vol_list[-2]
# 如果最近一次成交量小于前一次成交量，则认为有缩量
if last_vol < pre_vol:
return True
return False
def get_vol_list(df):
"""
获取成交量列表
:param df:
:return:
"""
vol_list = []
for i in range(len(df)):
vol_list.append(df.iloc[i]['volume'])
return vol_list
def get_vol_list_by_date(df, date):
"""
根据日期获取成交量列表
:param df:
:param date:
:return:
"""
vol_list = []
for i in range(len(df)):
if df.iloc[i]['date'] == date:
vol_list.append(df.iloc[i]['volume'])
return vol_list
def get_vol_list_by_date_range(df, start_date, end_date):
"""
根据日期范围获取成交量列表
:param df:
:param start_date:
:param end_date:
:return:
"""
vol_list = []
for i in range(len(df)):
if df.iloc[i]['date'] >= start_date and df.iloc[i]['date'] <= end_date:
vol_list.append(df.iloc[i]['volume'])
return vol_list
def get_vol_list_by_date_range_and_price_range(df, start_date, end_date, start_price, end_price):
"""
根据日期范围和价格范围获取成交量列表
:param df:
:param start_date:
:param end_date:
:param start_price:
:param end_price:
:return:
"""
vol_list = []
for i in range(len(df)):
if df.iloc[i]['date'] >= start_date and df.iloc[i]['date'] <= end_date and df.iloc[i]['close'] >= start_price and df.iloc[i]['close'] <= end_price:
vol_list.append(df.iloc[i]['volume'])
return vol_list
def get_vol_list_by_date_range_and_price_range_and_vol_range(df, start_date, end_date, start_price, end_price, start_vol, end_vol):
"""
根据日期范围、价格范围和成交量范围获取成交量列表
:param df:
:param start_date:
:param end_date:
:param start_price:
:param end_price:
:param start_vol:
:param end_vol:
:return:
"""
vol_list = []
for i in range(len(df)):
if df.iloc[i]['date'] >= start_date and df.iloc[i]['date'] <= end_date and df.iloc[i]['close'] >= start_price and df.iloc[i]['close'] <= end_price and df.iloc[i]['volume'] >= start_vol and df.iloc[i]['volume'] <= end_vol:
vol_list.append(df.iloc[i]['volume'])
return vol_list
def get_vol_list_by_date_range_and_price_range_and_vol_range_and_open_range(df, start_date, end_date, start_price, end_price, start_vol, end_vol, start_open, end_open):
"""
根据日期范围、价格范围、成交量范围和开盘价范围获取成交量列表
:param df:
:param start_date:
:param end_date:
:param start_price:
:param end_price:
:param start_vol:
:param end_vol:
:param start_open:
:param end_open:
:return:
"""
vol_list = []
for i in range(len(df)):
if df.iloc[i]['date'] >= start_date and df.iloc[i]['date'] <= end_date and df.iloc[i]['close'] >= start_price and df.iloc[i]['close'] <= end_price and df.iloc[i]['volume'] >= start_vol and df.iloc[i]['volume'] <= end_vol and df.iloc[i]['open'] >= start_open and df.iloc[i]['open'] <= end_open:
vol_list.append(df.iloc[i]['volume'])
return vol_list
def get_vol_list_by_date_range_and_price_range_and_vol_range_and_open_range_and_high_range(df, start_date, end_date, start_price, end_price, start_vol, end_vol, start_open, end_open, start_high, end_high):
"""
根据日期范围、价格范围、成交量范围、开盘价范围和最高价范围获取成交量列表
:param df:
:param start_date:
:param end_date:
:param start_price:
:param end_price:
:param start_vol:
:param end_vol:
:param start_open:
:param end_open:
:param start_high:
:param end_high:
:return:
"""
vol_list = []
for i in range(len(df)):
if df.iloc[i]['date'] >= start_date and df.iloc[i]['date'] <= end_date and df.iloc[i]['close'] >= start_price and df.iloc[i]['close'] <= end_price and df.iloc[i]['volume'] >= start_vol and df.iloc[i]['volume'] <= end_vol and df.iloc[i]['open'] >= start_open and df.iloc[i]['open'] <= end_open and df.iloc[i]['high'] >= start_high and df.iloc[i]['high'] <= end_high:
vol_list.append(df.iloc[i]['volume'])
return vol_list
def get_vol_list_by_date_range_and_price_range_and_vol_range_and_open_range_and_high_range_and_low_range(df, start_date, end_date, start_price, end_price, start_vol, end_vol, start_open, end_open, start_high, end_high, start_low, end_low):
"""
根据日
成交量缩减一半
关于总剩余的问题，我总结了以下几个结论（结来自合 霓虹国的Yuuki 的回答）：
①对于市场（这里指完全竞争市场）需求曲线和供给曲线来说，总剩余最大是在实现均衡时得到的。
②当供不应求时，供给占主导地位，此时总剩余为一个梯形面积=总剩余最大值--三角形面积(无谓损失)。
③当供过于求时，需毫罗计密染架那去诉求占主导地位，此草合晚烟展投时总剩余为总剩余最大值-三角形面积(无谓损失)。
