2025年金融工程研究：筹码分布因子系统构建

一、筹码分布介绍

1.1 筹码分布引言

近年来，行为金融学在解释金融市场非理性波动方面取得了广泛关注，其中投资者的持仓成本与盈亏状态 对行为决策的影响被认为是影响资产价格的重要机制之一。例如，处置效应理论指出，投资者倾向于过早卖出 盈利头寸、而过度持有亏损头寸，这一非理性行为往往使价格偏离其基本面价值。 在此背景下，筹码分布作为反映市场整体持仓成本结构的重要工具，逐渐被引入到量化选股体系之中。所 谓筹码分布，是基于历史成交量与成交价格推算出的“流通股票持仓成本分布”，描述了在不同时点、不同价位上 市场投资者的持仓情况。通过筹码分布图，投资者可以直观地观察股票在各个价格区间被持有的数量分布情况， 从而辅助判断市场压力位与支撑位。 主流行情分析软件普遍提供筹码分布可视化工具，方便投资者识别市场持仓结构。如下图所示，其中蓝色 筹码为亏损筹码，红色筹码为盈利筹码：

尽管筹码分布本质上是基于量价数据对投资者实际持仓成本情况的近似估计（而非真实持仓记录），但其在 市场中具有广泛的应用基础，被视为反映 “交易摩擦”的重要信号。特别是在中国 A 股市场中，受 T+1 交易机制 和散户主导交易结构的影响，筹码分布所体现的行为偏差更为显著，也为因子研究提供了新的研究视角。 本报告基于《处置效应与 V 型处置效应在量化选股中的应用》中构建的筹码分布数据，从统计特征、集中 程度、换手情况与账面盈利四个维度系统构建了一系列筹码因子，进一步深入研究筹码理论在 A 股市场的应用。 研究发现，大部分筹码因子具有不错的选股能力，这一结果为进一步将行为金融视角引入量化投资策略提供了 支持。

1.2 筹码分布构建

筹码分布构建的核心思想是通过历史成交量与价格推算投资者可能的买入成本，并每日进行动态更新。本 文筹码分布的构建方法如下： 1、提取股票分钟级前复权收盘价、成交量，以及日频流通换手率数据。 2、计算股票每日分钟级量价分布情况。

1.3 因子测试框架

本报告当中的所有因子测试都使用以下框架进行测试： 回测时间： 2009 年 12 月-2024 年 7 月 。样本池：全市场。 股票筛选：剔除在调仓日的停牌、涨跌停、上市未满半年和 ST 股票。 调仓时间：月频调仓（每个月的最后一个交易日）。 因子处理：极值处理（剔除 3 倍标准差之外的样本）、缺失值处理（直接剔除）、中性化处理 。多空收益分析分位数：10 分位。

二、筹码分布统计因子

2.1 筹码分布统计因子定义与构建

2.1.1 筹码分布统计因子构建框架

本节使用统计学指标构建筹码分布统计因子，描述筹码分布的位置、离散程度与形态特征。

2.2 筹码分布统计因子绩效表现

2.2.1 筹码分布统计因子绩效表现汇总

七个因子中选股能力相对较好的为?????????因子，年化多空收益 13.53%，夏普比率 2.29，IC 均值-3.74%， 年化 IC_IR 达到-2.59。

2.2.2 筹码分布统计因子绩效表现

2.2.2.1 kurtosis 因子：

kurtosis 因子表现出优异的选股能力。因子年化多空收益 13.53%，夏普比率 2.29，IC 均值-3.74%，年化 IC _I R 达到-2.59。kurtosis 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相对中证全指），并 且，Q1 组相对 Q10 组具有将近 13.56%的超额收益（其中 Q1 达 11.16%的多头超额收益，Q10 为-2.31%）。

2.2.2.2 coeff_of_var 因子：

coeff_of_var 因子表现出优异的选股能力。因子年化多空收益 13.53%，夏普比率 2.29，IC 均值-3.74%，年化 IC_IR 达到-2.59。coeff_of_var 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相对中证全 指），并且，Q1 组相对 Q10 组具有将近 13.59%的超额收益（其中 Q1 达 10.38%的多头超额收益，Q10 为-3.21%）。

三、筹码集中度因子

3.1 筹码集中度因子定义与构建

3.1.1 筹码集中度因子构建框架

根据筹码理论，股票行情主要经历四个阶段：吸筹、拉升、出货和下跌，而这四个阶段的筹码集中度具有 不同的表现： 吸筹阶段表现为低位建立底仓，集中筹码，这一阶段通常比较隐蔽，换手率不会显著放大，筹码分布的集 中度变化不大。拉升/下跌阶段表现为股价脱离筹码集中区域，向上/向下打开筹码价格区间，使集中的筹码向上 /向下转移发散，表现为筹码集中度降低。出货阶段对应的是筹码高位充分换手，充分换手是指某一价格区间的 成交量放大，使分散的筹码更加集中。出货往往比较迅速，换手率显著放大，市场参与活跃，筹码集中度显著 提升。 筹码集中度越高，往往对应出货阶段，市场炒作明显，未来表现可能不佳。据此，本文构建?h??_??????系列 因子反映筹码集中度，因子值越小筹码越集中。以下定义?ℎ??_???ℎ????为筹码分布最高价。

3.2 筹码集中度因子绩效表现

3.2.1 筹码集中度因子绩效表现汇总

3.2.1.1 ????_??????系列因子

六个因子的表现都不错。其中选股能力相对最好的为?h??_???????因子，年化多空收益 20.10%，夏普比率 2.26，IC 均值 3.96%，年化 IC_IR 达到 1.86。

3.2.1.2 ASR 系列因子

其中选股能力相对最好的为 ASR 因子，年化多空收益 12.50%，夏普比率 1.37，IC 均值-4.13%，年化 IC_I R 达 到-1.72。

3.2.2 筹码集中度因子绩效表现

3.2.2.1 ????_???????

?h??_??????1因子表现出优异的选股能力。因子年化多空收益 16.54%，夏普比率 1.73，IC 均值 3.25%，年化 IC_IR 达到 1.38。?h??_??????1因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相对中证全 指），并且，Q1 组相对 Q10 组具有将近 16.15%的超额收益（其中 Q1 达 11.41%的多头超额收益，Q10 为-4.74%）。

3.2.2.2 ????_???????

?ℎ??_??????2因子表现出优异的选股能力。因子年化多空收益 20.10%，夏普比率 2.23，IC 均值 3.96%，年化 IC_IR 达到 1.86。?ℎ??_??????2因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相对中证全 指），并且，Q1 组相对 Q10 组具有将近 19.29%的超额收益（其中 Q1 达 12.39%的多头超额收益，Q10 为-6.90%）。

3.2.2.3 ASR 因子

ASR 因子表现出优异的选股能力。因子年化多空收益 12.50%，夏普比率 1.37，IC 均值-4.13%，年化 IC_I R 达 到-1.72。ASR 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q1 组相对 Q10 组具有将近 12.66%的超额收益（其中 Q1 达 9.51%的多头超额收益，Q10 为-3.15%）。

四、筹码换手因子

4.1 筹码换手因子定义与构建

4.1.1 筹码换手因子构建框架

在行为金融学框架下，投资者对持仓盈亏状态的敏感性会显著影响其交易行为。当股价突破部分投资者的 持仓成本时，这部分“被解套”的筹码更容易卖出，市场因此发生结构性调整。为进一步衡量换手行为对筹码分布 的穿透效应与变动幅度，本文构建一系列筹码换手因子。

4.2 筹码换手因子绩效表现

4.2.1 筹码换手因子绩效表现汇总

选股能力相对最好的为 PTR_2 ，年化多空收益 17.76%，夏普比率 1.97，IC 均值 5.10%，年化 IC_IR 达到 2.14。

4.2.2 筹码换手因子绩效表现

4.2.2.1 PTR_2

PTR_2 因子表现出优异的选股能力。因子年化多空收益 17.76%，夏普比率 1.97，IC 均值 5.10%，年化 IC _I R 达到 2.14。PTR_2 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相对中证全指），并且， Q1 组相对 Q10 组具有将近 17.46%的超额收益（其中 Q1 达 12.48%的多头超额收益，Q10 为-4.98%）。

五、筹码盈利因子

5.1 筹码盈利因子定义与构建

5.1.1 筹码盈利因子构建框架

在行为金融学理论中，投资者通常对账面盈亏具有显著敏感性，特别是短期浮盈筹码更可能快速获利了结， 导致抛压上升。若某只股票当日新增筹码的盈利/亏损比例较高，意味着该股票短期不稳定筹码比例越大，筹码 抛压也会变大，可能对股价走势产生不利影响。为量化这一行为特征，本文从筹码整体盈利状态与当日新增筹 码结构两个层面构建了 9 个筹码盈利因子。

5.2 筹码盈利因子绩效表现

5.2.1 筹码盈利因子绩效表现汇总

选股能力相对最好的为??? ,?，年化多空收益 30.34%，夏普比率 3.03，IC 均值-7.21%，年化 IC_IR 达到-3.31。

5.2.2 筹码盈利因子绩效表现

5.2.2.1 TG 因子：

TG 因子表现出优异的选股能力。因子年化多空收益 30.34%，夏普比率 3.03，IC 均值-7.21%，年化 IC_I R 达 到-3.31。但是 TG 因子的分层效果区分度不高。Q1 组相对 Q10 组具有将近 27.12%的超额收益（其中 Q1 达 11.69% 的多头超额收益，Q10 为-15.43%）。

5.2.2.2 TL 因子：

TL 因子表现出优异的选股能力。因子年化多空收益 22.58%，夏普比率 2.21，IC 均值-6.09%，年化 IC_I R 达 到-2.78。但是 TL 因子的分层效果区分度不高。Q1 组相对 Q10 组具有将近 21.21%的超额收益（其中 Q1 达 9.12% 的多头超额收益，Q10 为-12.09%）。

5.2.2.3 TGRatio 因子：

???????? ,?因子表现出优异的选股能力。因子年化多空收益 21.85%，夏普比率 2.43，IC 均值-6.21%，年化 IC_IR 达到-2.49。???????? ,?因子的分层效果区分度非常高。不同分组间具有单调的年化超额收益（相对中证全 指），并且， Q1 组相对 Q10 组具有将近 21.55%的超额收益（其中 Q1 达 16.89%的多头超额收益， Q10 为-4.66%）。

5.2.2.4 TLRatio 因子：

????????,?因子表现出优异的选股能力。因子年化多空收益 17.16%，夏普比率 1.73，IC 均值-5.28%，年化 IC_IR 达到-2.48。????????,?因子的分层效果区分度非常高。不同分组间具有单调的年化超额收益（相对中证全 指），并且， Q1 组相对 Q10 组具有将近 17.16%的超额收益（其中 Q1 达 11.72%的多头超额收益， Q10 为-5.44%）。

六、筹码因子样本外跟踪表现

从 2024 年 7 月开始样本外跟踪，截至 2025 年 7 月，有 4 个因子多空收益超 20%，其中表现最好的因子是 TGRatio，多空收益 31.59%，夏普比率 2.72，IC 均值-10.75%，年化 IC_IR 达到-4.41，表现非常不错。

七、筹码因子在主要宽基指数样本池内的绩效表现

我们将本文筹码因子分别限制在中证 1000、中证 800、中证 500、沪深 300 成分股上，考察因子在不同指 数样本池里的绩效表现。 筹码因子在中证 1000 指数成分股上表现较好，四大类因子的 IC 以及多空与全市场表现相近，甚至优于全 市场表现。TG_Ratio 因子多头超额年化超 10%。

筹码因子在中证 800 上表现不及中证 1000，可见因子更适合小市值股票。

筹码因子在中证 500 上表现好于中证 800，可见在剔除市值靠前的沪深 300 成分股后因子表现有一定的提 升。PTR_2 因子的多头超额年化超 11%。

筹码因子在沪深 300 成分股上表现不佳，原因在于大盘股票的流动性更好，定价相较小盘股票更为充分， 因而因子表现不佳。但 TG 因子、TG_Ratio 因子多头超额收益仍有 6%以上。

八、筹码因子与其他大类因子相关性

从相关性角度来看， 筹码分布统计因子中的 CKDP、CKDW 因子和 Momentum 类因子相关性较强，CK DP 因 子与 CKDW 因子之间的相关性较强。

从相关性角度来看，筹码集中度因子中同一类别的因子间的相关性较强，筹码集中度因子与其他大类因子 相关性较弱。

筹码换手因子与其他大类因子相关性较弱。

筹码盈利因子中，winner 和 PRP 之间的相关性较强，TG 和 TL 之间的相关性较强；winner、PRP 与 Momentum 类因子相关性较强，PG 与 AmountAvg_1M 相关性较强，TG、TL 与 TurnoverAvg1M 相关性较强。

九、总结和思考

本篇报告作为行为金融学在量化选股中应用的第六篇，基于《处置效应与 V 型处置效应在量化选股中的应 用》中的筹码分布数据对筹码理论进一步深入研究，发掘出筹码分布因子、筹码集中度因子、筹码换手因子、 筹码盈利因子四大类因子，旨在从行为视角刻画市场交易结构与价格行为之间的关系。其中表现较好的是筹码 集中度因子和筹码盈利因子。筹码集中度?h??_??????系列因子年化多空收益在 15%-21%之间，其中?ℎ??_??????2 因子年化多空收益达 20.10%；筹码盈利因子多个因子 IC 均值绝对值超过 5%，其中 TG 因子 IC 均值-7.21%，年化 多空收益超过 30%，具有不错的表现。进一步分析显示，这些筹码因子在中证 1000 等小市值股票中表现更为突 出，说明其对非充分定价股票具有更强的刻画能力；同时，筹码因子整体上与传统大类因子的相关性较低，具 备良好的互补性。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）