筹码分布

一、数据简介

筹码分布反映不同价位上投资者的持仓成本，用来分析市场参与者的平均持仓价格分布。它展示在某个时间点，持有某只股票的投资者在各价格上累积的筹码（股票数量或比例），可以帮助判断支撑位、压力位以及主力资金的动向。

本表每只股票每个交易日有多行，每行是一个价格上的筹码量。价格为未复权口径，只包含沪深股票，不含北交所。

• 数据起始时间：2006-01-04
• 数据结束时间：2026-11-04
• 数据更新频率：每个交易日

二、主键说明

三、字段口径

集中度的计算公式为：

concentration = (upper_90 - lower_90) / (upper_90 + lower_90)

avg_cost、win_percent、upper_n、lower_n、concentration 是按股票每日计算的指标，同一只股票同一天的所有价格行取值相同。win_percent 中的 open、close 来自 cn_stock_real_bar1d。

四、筹码分布计算规则

把上市公司发行的股票理解成筹码，发行一股就是一份筹码，你以什么价格买入，持有的筹码就记为什么价格。

1. 假设某股票最初以 10 元发行了 1000 股，则最初的筹码分布是：10 元处有 1000 股，其他价格上为 0。

   筹码价格	筹码量
   10.5	0
   10.3	0
   10.0	1000

2. 股票开始交易后，假设第一笔交易以 10.3 元成交了 300 股，筹码分布变为：

   筹码价格	筹码量
   10.5	0
   10.3	300
   10.0	700

3. 第二笔交易以 10.5 元成交了 200 股，需要在 10.5 元处增加 200 股，同时在 10.3 元和 10 元处共减少 200 股。但这 200 股里有多少成本是 10 元、有多少是 10.3 元，除非能拿到所有交易账户的买卖记录，否则无法精确得知。因此计算时统一按换手率处理：成交 200 股占总股本的 20%，就认为 10.3 元和 10 元处的筹码都卖出了 20%。此时的筹码分布是：

   筹码价格	筹码量
   10.5	200
   10.3	240
   10.0	560

4. 按上述逻辑，每笔交易后都可以得到新的筹码分布。

本表按日计算，每个交易日只有一个价格，核心步骤如下：

• 初始化筹码分布，见下一节。
• 当日成交量记在当日价格所在的价格区间上，当日价格取 cn_stock_real_bar1d 的 (open + close) / 2，保留两位小数，不是当日真实的成交均价。
• 其他价格上的筹码量按当日换手率等比例减少。
• 流通股本（cn_stock_shares 的 total_float_shares）发生变动时，各价格上的筹码量随之调整。

五、注意事项

1. 筹码分布使用未复权行情（cn_stock_real_bar1d）计算。发生除权除息时，历史价格上的筹码不会按除权价格重新调整，只随流通股本变动调整数量。例如 603409.SH 在 2026-06-18 除权，前收盘价与前一交易日收盘价相差较大，该日前后 price 的最大值都是 45.04。
2. 初始化筹码分布从 2006 年开始，表内第一个交易日是 2006-01-04：
   • 2006-01-01 之前上市的股票，以 2006-01-01 之前最后一个交易日的 (high + low) / 2 和流通股本作为初始筹码分布。
   • 2006-01-01 之后上市的股票，以上市时的发行价和流通股本作为初始筹码分布。
3. 价格区间：每个交易日按当日价格和已有筹码的价格范围（上下各扩大 10%）生成价格区间，新增的价格区间最多 200 个，已有的价格区间会保留。因此一只股票一天的价格行数不固定。2026-10-22 平均每只股票 132 行，最少 2 行，最多 561 行，有 512 只股票超过 200 行。
4. 筹码量的指数衰减：按换手率等比例减少其他价格的筹码量时，筹码量大的价格每天减少得多，筹码量小的价格减少得少，长期没有成交的价格上始终会残留筹码。因此以当日流通股本的 0.01% 作为截断值，筹码量少于截断值的价格会被剔除，其筹码量等比例分配给其他价格，保证总量不变。
5. 数据量：2026-10-22 全市场共 5220 只股票、约 69 万行。查询时请用 instrument 限定股票，不限定时单日全部字段约 66 MB，多个交易日会超过单次查询约 100 MB 的上限。

六、筹码分布可视化

下面的代码画出某只股票某个交易日的筹码分布图，结果和第三方软件的筹码分布图具有一定的可比性。

from bigquant import daiimport matplotlib.pyplot as plt
df = dai.query(    "SELECT price, chips FROM cn_stock_chips_distribution",    filters={"instrument": ["000002.SZ"], "date": ["2025-06-23 00:00:00", "2025-06-23 23:59:59"]},).pl().sort("price")
plt.figure(figsize=(10, 6))plt.barh(df["price"].to_numpy(), df["chips"].to_numpy(), height=0.1, color="skyblue")plt.xlabel("Chips")plt.ylabel("Price")plt.title("Price vs Chips (Horizontal Bar Chart)")plt.grid(axis="x", linestyle="--", alpha=0.7)plt.tight_layout()plt.show()

七、示例数据

以平安银行（000001.SZ）为例，取 2026-10-28 至 2026-11-04 内最新一个交易日的数据，按价格排序，展示前 5 行和后 5 行。