什么是 Statistical Volatility？
Statistical Volatility° 分析历史波动模式，帮助你判断显著走势最可能在何时何地出现。本文介绍热力图与柱状图视图、实时位移检测、用于找出活跃时段的 Graph Pane、FVG 等可视化方式、时间与日期过滤，以及与 Statistical Mapping° 的配合。
核心概念
Statistical Volatility 分析历史波动模式，帮助判断何时何地最可能出现显著走势。它提供统计框架，识别异常市场行为和高概率反转区域。
工作方式
指标收集历史周期的波动数据，投射当前和未来的预期波动。将当前行为与历史均值对比，便能发现统计上显著的价格移动。
热力图与柱状视图
波动数据以热力图/柱状图展示，方便看到预期波动及不同时段、价格层的活动模式。
实时位移检测
对比历史均值，高波动蜡烛会被高亮。将当前波动叠加历史数据，可及时发现异常行为。
这样你能判断移动是否超出常态，并定位潜在的高概率反转区。
Graph Pane：找出活跃时段
Graph Pane 实时跟踪当前波动 vs 历史模式，突出显示持续高波动的时段（如亚洲/伦敦开盘、重要美数据、纽交所开盘）。
叠加后可直接判断当前环境是常态还是异常。解读这张图的分步指南见 Statistical Volatility°：找出活跃时段。
Statistical Displacement Strength
可配置的 displacement 等级，用于按统计显著性过滤波动。
可选视图
支持 Fair Value Gap（FVG）、High-Low 范围或 Open-Close 视角，自选最契合你的分析方式。
时间/日期过滤
聚焦关键时段，过滤噪声，保留统计相关的窗口。
实战应用
依靠实时位移 + 过滤，StatVol 帮你：
- 找出统计上最可能出现大幅波动的时段
- 按预期波动窗口规划入场
- 将止损/目标与典型波动区间对齐
- 第一时间识别偏离常态的市场行为
与 Statistical Mapping 协同
Statistical Mapping 关注价格水平与反转点；Statistical Volatility 补充幅度与时间。两者结合，形成完整统计框架。
用 StatVol 验证朝 StatMap 水平移动的显著性，避免把正常波动当成信号。
配置步骤
设置 StatVol：
- 打开 Statistical Volatility 设置
- 选择 Displacement Strength
- 选择视图（FVG / High-Low / Open-Close）
- 配置时间/日期过滤
- 启用 Graph Pane 进行实时跟踪
这样可在保持统计严谨的前提下，按你的风格与周期灵活应用。所有选项都列在 StatMap° v4 设置参考 中，产品概览见 Statistical Volatility° 页面。
放到你的图表上
获取 TradingView 版 Statistical Mapping° 与 Statistical Volatility°，或向 StatMap AI 询问设置问题。
相关文章
什么是 Statistical Mapping？
Statistical Mapping° 基于历史价格行为，在 TradingView 上为任意时间框架和会话投射五个关键水平。本文解释 Distribution 与 Manipulation 的含义，并介绍多时间框架与自定义会话、自定义每日锚点、时间投射和流动性分析等主要功能。
Mean 与 Median 在交易中的区别
Mean（均值）与 Median（中位数）在交易中各有用途。本文用 NQ 的会话点数示例说明两者的区别，以及 NFP、CPI 等新闻造成的极值如何拉高均值，并介绍 Statistical Mapping° 中 Mean、Median 和 Both 三种计算方法分别适合什么场景。
衡量区间：点数还是百分比？
用点数还是百分比衡量价格区间，会改变你对趋势与波动的理解。本文以纳斯达克不同年份的 1,000 点为例说明两者的差异，并介绍在 StatMap° 与 StatVol° 的 Calculation Unit 中何时选择 Percent，何时选择 Points 更合适。