本报告基于分钟级量价数据,系统构建并深入分析筹码分布、筹码集中度、筹码换手及筹码盈利四大类因子,验证其在A股市场的选股能力。筹码集中度因子和筹码盈利因子表现尤为突出,最高年化多空收益超20%,最优筹码盈利因子TGRatio年化收益达30%以上,因子在中小市值股票中效果更佳,且与传统大类因子相关性较低,具有良好的互补价值
| 因子名称 | IC均值 | 年化收益 | 夏普比率 | 胜率 |
|---|---|---|---|---|
| kurtosis | -3.74% | 13.53% | 2.29 | 0.80 |
| coeff_of_var | -3.74% | 13.53% | 2.29 | 0.77 |
核心论点概述:
本报告深入研究筹码分布理论,通过分钟级量价数据动态构建股票筹码分布,进而提炼筹码分布统计因子、筹码集中度因子、筹码换手因子、筹码盈利因子四大类,验证其在A股市场尤其是小市值股票中的优异选股表现。报告详细回测了各类因子的绩效表现,衡量其在历史及样本外阶段的收益性与稳定性,揭示筹码因子的独立性和互补性,验证了筹码因子在行为金融视角下的市场定价能力。,1,2]
报告首先从行为金融学视角出发,阐释投资者持仓成本与盈亏对交易行为的影响,尤其强调处置效应对价格偏离及市场波动的推动作用。筹码分布作为对市场实际持仓成本结构的量价推演工具,基于历史成交记录估算不同价格区间持股成本与持仓量,是交易摩擦与投资者行为的重要“代理变量”。
筹码分布的构建方法基于分钟级前复权价格和成交量数据,更新方式为:
Chipi,t,p=Voli,t,p×Ti,t+Chipi,t−1,p×(1−Ti,t)其中,Voli,t,p为股票i在t日价格p的成交量,Ti,t为当天换手率。该公式反映了换手率对筹码结构的“衰减”以及新成交量的叠加。通过每日迭代更新,实现筹码分布的动态刷新。报告中辅以图形示意(图2、图3、图4及表1、表2),通过真实案例清楚演示了筹码分布计算与更新过程。,3,4]
定义:统计学指标被用以刻画筹码分布在不同价格位置的形态特征,包括加权平均成本(均值)、离散程度(标准差、变异系数)、偏斜性(偏度)、峰态(峰度)和收盘价与筹码成本的相对位置(CKDP等指标)。
公式详解如:
举例(表3)演示如何计算筹码均价10.0285元、成本带宽0.003996等关键数据。,6]
绩效表现:
以上反映筹码分布的统计特征能有效捕获市场行为动态,对后续价格变动有明显预测价值。,7,8]
构建逻辑:
筹码集中度因子基于筹码分布的不同分位数价格差异,反映筹码的聚集或发散程度。报告分别定义了90%、70%、50%筹码集中度指标(chip_distri_1至chip_distri_6等),通过价差与筹码峰最大价的比率构建。内部引入行为分阶段理论:吸筹、拉升、出货与下跌阶段筹码集中度呈现不同变化规律。
活跃筹码概念(ASR系列):基于涨跌停制度,定义当日涨跌停价格区间的筹码为“活动筹码”,进一步构建ASR因子衡量资金活跃程度。
实例计算(图9、图10)清晰展现其计算过程,帮助理解筹码价格分位数、活动筹码占比的含义。
绩效:
分层收益图均显示因子分层效果显著,Q1(低集中度?)到Q10呈现单调收益变化,验证因子有效性。,9,10,11,12]
定义:
以换手率与筹码穿透率为核心,专项刻画筹码换手过程中的盈亏转化效应。包括:
绩效:
理论基础:行为金融假设投资者对账面盈亏敏感,盈利筹码更易获利出货,带来抛压。主动捕捉新增筹码盈利与亏损状态变化,挖掘短期筹码交易心理。
核心指标:
举例(表8、表9、表11)详述计算细节。
绩效表现:
总结:该类因子充分捕获投资者盈亏心理转换,构建了行为交易的优良代理变量。,15,16,17,18]
样本外跟踪(2024年7月至2025年7月)显示,4个因子多空收益均超越20%,其中TGRatio因子表现突出,多空收益31.59%,夏普比率2.72,IC均值-10.75%,体现良好稳定性与持续指标效力。[表12]
指数池表现显示筹码因子在中证1000、小盘股中表现更强,年化收益率及多头超额收益均优于沪深300、大盘股,反映因子对非充分定价及流动性较差市场更敏感与有效。[表13-16]
整体而言,筹码因子在多种行为特征上独立于传统基本面因子,具有互补属性。
图1(筹码分布示意图):展示典型筹码分布可视化,红色(盈利筹码)和蓝色(亏损筹码)间的数量对比,帮助用户直观看到不同价格区间的持仓结构[Page 3]。
图2-4及表1-2(筹码计算示例):通过逐步示范的条形图和表格,将抽象的筹码分布动态衰减与累加公式形象化,体现每日筹码峰值更新机制[Page 3-4]。
表3(筹码分布因子计算):明确列示各价格区间筹码比例及对应价格乘积,为计算筹码成本均值和相对价位提供数据基础[Page 6]。
图5-8(统计因子表现):kurtosis和coeff_of_var因子绩效稳健,净值曲线平缓攀升,风险指标合理,超额收益呈明显单调分层[Page 7-8]。
图9-10(筹码集中度示意):价格分位数与筹码最高价的具体位置标示,搭配ASR活动筹码的涨跌停区间划分,直观展示筹码分布拐点及集中度计算[Page 9]。
图11-14(chip_distri因子表现):chip_distri_2展示峰值上涨走势和分层超额收益,表现卓越,表格数据进一步验证收益稳定性[Page 10-11]。
图15-16(ASR因子表现):活动筹码占比较低的股票更能获得稳定收益,净值曲线健康且持续[Page 12]。
图17-18(PTR换手因子):细节描绘换手穿透率指标绩效,净值曲线长期向上,数据体现其强烈预测力与低风险[Page 13-14]。
图23-26(筹码盈利因子):TGRatio和TLRatio因子持续稳健地创造正向多空收益,净值曲线光滑,分层明显,有力支持行为视角量化选股[Page 17-18]。
样本外及指数池绩效表(表12-16):多因子策略在小盘股票表现良好,深度体现策略适用性,特别是在A股多层次市场体系下的有效性差异[Page 18-20]。
因子相关性矩阵表(表17-23):量化因子间的相关系数揭示了筹码因子各自内部的紧密联系与与传统基本面与动量类因子的较低相关性,挖掘出互补投资价值[Page 20-23]。
本报告不涉及直接的公司估值模型,如DCF或市盈率预测,报告重点在于因子构建与量化性能测试,侧重于因子的收益、风险、信息系数(IC)及IR的统计学评价,而非传统估值评价模型。
本报告系统构建并深度验证了基于筹码分布理论的多类行为金融因子:
各因子经过全市场及不同市值指数池回测,发现因子对小市值股票更具预测力,符合行为金融理论中非充分定价市场的预期。相关性分析显示筹码因子独立于传统财务及价量指标,具备良好互补性。
图表与表格系统展现了因子计算逻辑、实测数据与表现曲线,为理论与实证连接提供了坚实支撑,便于策略落地与进一步研究。
综上,筹码分布因子体系为行为金融与量化投资融合提供了新视角,具备显著的业绩优势与较高的稳定性,值得投资机构关注及实际应用推进。
报告内容仅面向专业机构投资者,研究基于历史数据及模型,未来表现存在不确定性。请投资者理性参考,结合自身投资判断操作。未经许可不得转载或发布报告内容。
总体而言,报告体系严谨、数据详实,方法技术通俗,充分显现了筹码分布因子在行为金融研究及实际投资中的重要价值,具有较高的学术与实务参考价。
筹码分布因子系统构建.pdf