2026年从筹码成本到分布：基于资金流的筹码结构因子再升级——投资者分层视角下的信息增量

筹码因子的更进一步：从筹码成本到筹码分布

筹码结构在选股上的构建与应用

筹码结构反映了投资者在不同价格水平上的资金持仓分布。 通过对筹码结构的分析，可以推算市场中筹码的价格分布情况，并进一步识别股价未来可能对应的支撑位与压力位， 以及市场整体的平均持仓成本，从而更好地刻画多空力量的博弈状态。相较于传统的量价类因子，筹码结构能够提供更加丰富且具有差异化的信息，为市场行为的分析提供有益补充。

在之前的《基于资金流数据的筹码结构 因子构建——投资者分层视角下的信息 增量》报告中，我们已经探讨了筹码成 本在资金流分类下，拆分成机构筹码成 本和散户筹码成本。其中，筹码成本差值表现出了与传统因 子相关性较低，且同时在多头具有良好 选股效果的增量信息贡献 。在此基础上，我们尝试围绕筹码分布， 以筹码集中度为切入点，进一步讨论在 资金流分类情况下，筹码分布可以在因 子选股上的进一步贡献。

我们通过三角分布的成交量分布假设，来模拟刻画筹码分布在每日间的变化更新。具体而言，在每日交 易过程中：对于新增进入市场的筹码，我们以当日的最高价、最低价、成交均价构建成交量的三角形分布，面积为当日的总成 交量，视为新进入该股票的筹码规模以及对应的持仓成本，从而形成新的成本分布。对于卖出的筹码，则采用另一种简化假设：假定全部历史筹码按照当日换手率进行均匀交易，即各价格区间的历史 筹码按相同比例被动减少。

基于资金分类的筹码结构改进

传统筹码构建方法主要基于整体成交量数据刻画市场筹码结构，但未区分不同类型投资者的交易行为。然而，机构与 散户在交易规模、持仓周期及信息优势等方面均存在显著差异，仅基于总体成交数据可能会掩盖其中的重要行为信息。

在传统筹码框架基础上，我们进一步引入机构与散户资金流数据，对不同投资者类型分别构建对应的筹码分布指标， 从而刻画不同投资者群体的历史持仓成本结构。从投资者结构角度补充传统筹码因子的刻画维度，有望挖掘其中潜在 的增量资金信息，并为横截面选股提供更具区分度的参考指标。

筹码分布因子：机构与散户的划分

基于资金分类的筹码结构改进

以机构筹码成本为例，其计算逻辑与传统筹码成本基本一致，区别在于以机构投资者买入总量替代总体成交量，用于 刻画机构新增筹码的进入情况；而在卖出端，仍假设历史各价格区间筹码按照当日换手率进行均匀交易。

进一步探讨-筹码分布集中度的刻画

在对筹码分布进行刻画后，如何利用筹码分布构建有效的量化指标成为关键问题。我们初步采用最为直观的筹码分布 指标——筹码分布集中度。 在集中度的刻画方式上，我们采用如下定义： 以筹码峰值的50%筹码所覆盖的价格区间，计算其占整个价格区间的比重。 一方面，这一方式比较符合投资者对筹码集中的直观感受，即筹码越集中则覆盖的价格区间越窄； 另一方面也不会受到多个峰的干扰，我们只讨论峰本身的集中情况。对于存在多个峰的筹码分布，各峰的集中度亦可统计后合并 考量。

进一步探讨-机构筹码集中度

出现这一反常现象的根源在于，我们统计的是全价格区间的筹码分布集中度。当距离当前价格较远的位置存在筹码峰 时，若当前价格附近又出现新的筹码峰，反而会拉低整体的集中度指标，导致结论与直觉背离。举例而言，假设一只股票在历史高位形成了明显的筹码峰，但近期股价回调后在低位又形成了新的筹码峰，此时全价格区间内的 筹码分布呈现双峰结构，整体集中度指标会因为覆盖区间变宽而降低，但当前价格附近的低位筹码峰实际上可能预示着较好的上 涨潜力。 这种远峰对新峰的“稀释”效应，使得集中度指标无法真实反映当前价格附近的筹码聚集状态，从而产生了看似矛盾的统计结果。 实际上，距离当前价格较远的筹码峰对近期股价走势基本没有指导意义。更为合理的做法应当是只关注当前价格附近 的筹码形态，剔除远端筹码的干扰，以更准确地刻画机构筹码分布对股价的真实影响。