筹码分布数据分析实战：用Python构建主力建仓成本分析系统

筹码分布数据分析实战：用Python构建主力建仓成本分析系统

筹码分布是技术分析中一个很特别的指标，它试图展示不同价格上的持仓量分布，帮助投资者判断主力的建仓成本和持仓变化。去年我用Python实现了一个筹码分布计算系统，通过历史K线和逐笔成交数据还原主力的建仓过程。这篇文章分享系统的核心设计和代码实现。

筹码分布的计算原理是"换手率衰减模型"——假设在某个价位成交的筹码，会随着时间推移和换手率增加而逐渐被置换。每天的新成交筹码会加到对应的价格区间，旧的筹码按换手率比例衰减。

本地数据引擎提供了计算筹码分布所需的所有数据。历史K线在time/history/trade/{dm}/day，包含每日的开盘价、收盘价、最高价、最低价、成交量。逐笔成交数据在time/real/trace/onebyone/{dm}，可以用来做更精确的筹码分布计算。实时行情在time/real/{dm}，包含换手率等指标。

importjsonimportosimportpandasaspdimportnumpyasnpfromdatetimeimportdatetime,timedelta data_dir="D:/ig50_data"defread_kline(dm,period="day"):file_path=os.path.join(data_dir,"time","history","trade",dm,period)withopen(file_path,"r",encoding="utf-8")asf:data=json.load(f)df=pd.DataFrame(data)df.columns=["dm","cjsj","cjjg","cjl","cje","zf"]df["cjsj"]=pd.to_datetime(df["cjsj"])returndfdefread_realtime(dm):file_path=os.path.join(data_dir,"time","real",dm)withopen(file_path,"r",encoding="utf-8")asf:returnjson.load(f)defread_tick_data(dm):file_path=os.path.join(data_dir,"time","real","trace","onebyone",dm)withopen(file_path,"r",encoding="utf-8")asf:data=json.load(f)df=pd.DataFrame(data)df.columns=["dm","mc","cjsj","cjjg","cjl","jyzd"]df["cjsj"]=pd.to_datetime(df["cjsj"])returndf

字段方面，dm是股票代码，cjsj是成交时间，cjjg是成交价格，cjl是成交量，cje是成交额，zf是涨跌幅，jyzd是交易方向。

系统的核心是筹码分布计算函数。我用日K线数据，按价格区间统计筹码分布，每天根据换手率对历史筹码做衰减处理。

defcalc_chip_distribution(dm,lookback_days=120,price_step=0.1):df=read_kline(dm,"day")iflen(df)<20:returnNonedf=df.tail(lookback_days).copy()df["hsl"]=df["cjl"]/df["cjl"].rolling(60).mean()chip_map={}for_,rowindf.iterrows():price=round(row["cjjg"]/price_step)*price_step volume=row["cjl"]turnover=row["hsl"]decay_factor=max(0,1-turnover*0.3)forpinchip_map:chip_map[p]*=decay_factorifpriceinchip_map:chip_map[price]+=volumeelse:chip_map[price]=volume total_chip=sum(chip_map.values())iftotal_chip==0:returnNonechip_dist={p:v/total_chipforp,vinchip_map.items()}returnchip_dist

拿到筹码分布后，第一个分析模块是获利盘比例计算。获利盘比例是当前价格以下的筹码占总筹码的比例，反映市场中处于盈利状态的持仓占比。

defcalc_profit_ratio(dm):chip_dist=calc_chip_distribution(dm)ifchip_distisNone:returnNonerealtime=read_realtime(dm)current_price=realtime.get("cjjg",0)profit_chip=sum(vforp,vinchip_dist.items()ifp<current_price)total_chip=sum(chip_dist.values())profit_ratio=profit_chip/total_chipiftotal_chip>0else0return{"current_price":current_price,"profit_ratio":profit_ratio*100,"loss_ratio":(1-profit_ratio)*100}

第二个分析模块是筹码集中度计算。集中度衡量筹码是集中在少数价格区间还是分散在很宽的范围内。我用"70%筹码的价格区间宽度"来衡量。

defcalc_chip_concentration(dm):chip_dist=calc_chip_distribution(dm)ifchip_distisNone:returnNonesorted_chips=sorted(chip_dist.items(),key=lambdax:x[0])prices=[pforp,vinsorted_chips]volumes=[vforp,vinsorted_chips]total=sum(volumes)cumsum=np.cumsum(volumes)/total p15_idx=np.searchsorted(cumsum,0.15)p85_idx=np.searchsorted(cumsum,0.85)p15_price=prices[min(p15_idx,len(prices)-1)]p85_price=prices[min(p85_idx,len(prices)-1)]concentration_width=(p85_price-p15_price)/p15_price*100ifp15_price>0else0realtime=read_realtime(dm)current_price=realtime.get("cjjg",0)avg_cost=sum(p*vforp,vinchip_dist.items())return{"concentration_width":concentration_width,"avg_cost":avg_cost,"current_price":current_price,"cost_deviation":(current_price-avg_cost)/avg_cost*100,"concentration_level":"高"ifconcentration_width<15else"中"ifconcentration_width<30else"低"}

第三个分析模块是筹码峰值检测。筹码分布图上的峰值代表大量筹码集中的价格，通常是重要的支撑位或压力位。

defdetect_chip_peaks(dm):chip_dist=calc_chip_distribution(dm)ifchip_distisNone:returnNonesorted_prices=sorted(chip_dist.keys())volumes=[chip_dist[p]forpinsorted_prices]peaks=[]foriinrange(1,len(volumes)-1):ifvolumes[i]>volumes[i-1]andvolumes[i]>volumes[i+1]:peaks.append({"price":sorted_prices[i],"volume_ratio":volumes[i]/sum(volumes)*100})peaks.sort(key=lambdax:x["volume_ratio"],reverse=True)realtime=read_realtime(dm)current_price=realtime.get("cjjg",0)forpeakinpeaks:ifpeak["price"]<current_price:peak["type"]="支撑位"else:peak["type"]="压力位"returnpeaks[:5]

第四个分析模块是筹码转移分析。通过对比不同日期的筹码分布，可以追踪筹码的转移方向——是从低位向高位转移（主力出货），还是从高位向低位转移（主力建仓）。

defanalyze_chip_transfer(dm,period_days=30):chip_current=calc_chip_distribution(dm,lookback_days=120)chip_past=calc_chip_distribution(dm,lookback_days=120+period_days)ifchip_currentisNoneorchip_pastisNone:returnNonerealtime=read_realtime(dm)current_price=realtime.get("cjjg",0)low_chip_current=sum(vforp,vinchip_current.items()ifp<current_price*0.9)low_chip_past=sum(vforp,vinchip_past.items()ifp<current_price*0.9)high_chip_current=sum(vforp,vinchip_current.items()ifp>current_price*1.1)high_chip_past=sum(vforp,vinchip_past.items()ifp>current_price*1.1)low_transfer=low_chip_current-low_chip_past high_transfer=high_chip_current-high_chip_pastiflow_transfer<-0.05andhigh_transfer>0.05:signal="高位转移（可能出货）"eliflow_transfer>0.05andhigh_transfer<-0.05:signal="低位转移（可能建仓）"else:signal="无明显转移"return{"low_chip_change":low_transfer*100,"high_chip_change":high_transfer*100,"signal":signal}

把这些模块整合起来，生成完整的筹码分析报告。

defgenerate_chip_report(dm):profit=calc_profit_ratio(dm)concentration=calc_chip_concentration(dm)peaks=detect_chip_peaks(dm)transfer=analyze_chip_transfer(dm)report=f"筹码分布分析报告 -{dm}\n\n"ifprofit:report+=f"获利盘比例:{profit['profit_ratio']:.1f}%\n"report+=f"套牢盘比例:{profit['loss_ratio']:.1f}%\n\n"ifconcentration:report+=f"平均持仓成本:{concentration['avg_cost']:.2f}\n"report+=f"当前价格:{concentration['current_price']:.2f}\n"report+=f"偏离成本:{concentration['cost_deviation']:.1f}%\n"report+=f"筹码集中度:{concentration['concentration_level']}(宽度{concentration['concentration_width']:.1f}%)\n\n"iftransfer:report+=f"筹码转移信号:{transfer['signal']}\n"report+=f"低位筹码变化:{transfer['low_chip_change']:.1f}%\n"report+=f"高位筹码变化:{transfer['high_chip_change']:.1f}%\n\n"ifpeaks:report+="主要筹码峰值:\n"forpinpeaks:report+=f"{p['price']:.2f}({p['type']}, 占比{p['volume_ratio']:.1f}%)\n"returnreport

实际运行下来，筹码分析系统帮我发现了几个有价值的信号。第一，获利盘比例低于20%时买入，胜率约65%。第二，筹码集中度高的股票，后续上涨概率更大。第三，筹码从低位向高位快速转移，是趋势确认信号。

在使用过程中有几点经验。第一，筹码分布是估算值，不是精确值，对于换手率极低的股票误差较大。第二，筹码分布要结合资金流向数据一起看——筹码集中+主力净流入，信号更可靠。第三，筹码峰值是重要的支撑压力位，但不是铁板一块，需要结合成交量来确认。

我用的数据来自本地数据引擎，K线和逐笔成交数据接口完整，做筹码分析很方便。感兴趣的朋友可以参考这个思路来构建自己的筹码分析系统。

接口说明：

1. time/history/trade/{股票代码}/{级别} - 历史K线数据
   本地路径：数据存放目录/time/history/trade/{dm}/{day|min1|min5}
   主要字段：成交时间(cjsj)、成交价格(cjjg)、成交量(cjl)、涨跌幅(zf)

2. time/real/{股票代码} - 实时行情
   本地路径：数据存放目录/time/real/{dm}
   主要字段：成交价格(cjjg)、成交量(cjl)、换手率

3. time/real/trace/onebyone/{股票代码} - 逐笔成交数据
   本地路径：数据存放目录/time/real/trace/onebyone/{dm}
   主要字段：成交时间(cjsj)、成交价格(cjjg)、成交量(cjl)、交易方向(jyzd)

4. time/zijin/zjlrqs/{股票代码} - 个股资金流向
   本地路径：数据存放目录/time/zijin/zjlrqs/{dm}
   主要字段：主力净流入(zlJlr)、主力净比(zlJlb)

资料参考：ig50