2026年投资者分层视角下的信息增量：基于资金流数据的筹码结构因子构建

筹码平均成本的构建与应用

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。 然而，在实际研究中，筹码结构的精确测算需要基于一定的理想化假设完成。 筹码成本的动态变化同时受到买入与卖出行为的影响，每日资金的流入与流出都会改变整体筹码分布。但在现实数 据条件下如果想要计算精确筹码结构，不仅需要市场中逐笔层面的微观交易数据，同时也需要获取逐笔卖出单的持 有价数据。

筹码成本因子的构建

在全市场测算筹码成本因子后可以发现，该因子整体呈现出与反转因子较为相似的收益特征： 空头端分离效果明显，整体IC表现较好，但多头端分离能力相对较弱。 从历史分组收益来看，收益最高的分组出现在中间组（Q3），整体呈现“空头分离明显、中间组收益最高、多头端表现较弱” 的结构。

这一特征在逻辑上具有一定合理性。筹码成本指标基于历史筹码与成交均价加权计算得到，数值上具有一定的历史平 滑特征，而A股市场短期内往往呈现较强的反转属性。 从投资者行为角度看，当市场整体处于浮盈状态时，投资者更倾向于获利了结，从而对股价形成下行压力；  而当整体处于浮亏状态时，投资者往往选择继续持有，尽管未来存在一定修复空间，但相关收益表现相对有限，因此多头端的分 离效果并不显著。

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。

在传统筹码成本框架基础上，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与 筹码加权成本指标，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。

基于资金分类的筹码结构改进：机构筹码成本

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。 该方法相较传统筹码成本在因子IC和分组收益单调性方面均有小幅改善，但整体提升幅度较为有限。 当市场成交活跃时，机构与散户往往同时参与交易，因此机构成交与总体成交量具有较高相关性，使得机构或散户单独构建的筹 码成本指标与传统筹码成本之间仍具有较高相似度，其增量信息相对有限。  这也表明，更具价值的方向或许并非简单替代成交量，而是对机构与散户筹码结构进行对比分析，从投资者结构角度 刻画两类资金之间的博弈关系。

基于资金分类的筹码结构改进：机构散户筹码成本差

为进一步刻画机构与散户之间的筹码结构差异，我们将计算得到的机构筹码成本与散户筹码成本进行相减，构建机 构—散户筹码成本差指标，用以衡量机构持仓成本相对于散户的领先程度。当该指标数值越高时，说明机构持有筹码的平均成本高于散户，即机构相较散户在更高价格区间完成建仓。 在综合考虑机构与散户筹码信息后，筹码成本差因子表现出更具特点的收益结构。 该因子在分组收益上呈现出更为明显的单调性特征，尤其在多头端的分离效果较为显著。 然而，从IC角度来看，该指标的表现相对一般，其Rank IC均值约为1.58%。虽然累积IC呈现出稳定增长的趋势，但整体预测强 度仍相对有限，若单独作为选股因子使用，其效果仍存在一定不足。