筹码分布 (cn_stock_chips_distribution)

## 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：2026-10-30 - 数据更新频率：每个交易日 ## 二、主键说明 | 关键字 | 释意 | | --- | --- | | date | 交易日，不含时分秒，表示该日收盘后的筹码分布 | | instrument | 股票代码，格式为 `代码.交易所后缀`，如 `000001.SZ` | | price | 筹码价格，保留两位小数，是价格区间的代表价格 | ## 三、字段口径 | 字段 | 口径 | | --- | --- | | chips | 该价格上的筹码数量，单位为股，整数。同一股票同一天各价格行之和约等于当日 `cn_stock_shares` 的 `total_float_shares` | | chips_ratio | 该价格上的筹码占比，同一股票同一天各价格行之和为 1 | | avg_cost | 平均成本，等于 `sum(price * chips_ratio)` | | win_percent | 获利比例，价格低于当日 `(open + close) / 2`（取两位小数）的筹码占比之和，不是与收盘价比较 | | upper_90 / lower_90 | 90% 筹码的成本区间上限和下限，价格从低到高累计筹码占比，取累计占比在 5% 至 95% 之间的最高价格和最低价格 | | upper_70 / lower_70 | 70% 筹码的成本区间上限和下限，取累计占比在 15% 至 85% 之间的最高价格和最低价格 | | concentration | 筹码集中度，按 90% 区间计算，越小表示筹码越集中；上限和下限相同时取 1 | 集中度的计算公式为： ```text 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 | 1. 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 | 1. 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 | 1. 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。 1. 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。 1. 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。 1. 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。 1. 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。 ```python from bigquant import dai import 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 2026-10-23 至 2026-10-30 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。 | date | instrument | price | chips | chips_ratio | avg_cost | win_percent | upper_90 | lower_90 | upper_70 | lower_70 | concentration | |:--------------------|:-------------|--------:|---------:|--------------:|-----------:|--------------:|-----------:|-----------:|-----------:|-----------:|----------------:| | 2026-10-30 00:00:00 | 000001.SZ | 9.07 | 5045288 | 0.000259991 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 9.16 | 22843551 | 0.00117716 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 9.25 | 12685932 | 0.000653726 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 9.34 | 4374502 | 0.000225425 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 9.43 | 8675492 | 0.000447061 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 13.37 | 2039341 | 0.00010509 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 14 | 1992565 | 0.00010268 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 14.04 | 2549768 | 0.000131393 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 14.37 | 2027223 | 0.000104466 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 | | 2026-10-30 00:00:00 | 000001.SZ | 14.57 | 2318653 | 0.000119484 | 11.3404 | 0.71423 | 12.28 | 10.45 | 11.74 | 10.84 | 0.0805103 |