筹码分布因子构建与定义 [page::2][page::3][page::5]

• 筹码分布基于历史成交量与价格推算股票不同价位持仓成本，由筹码峰值构成，动态更新反映市场持仓结构。

- 利用统计学指标（如均值、标准差、偏度、峰度等）量化筹码分布的位置及形态特征。

• 基于分钟级前复权价格、成交量及换手率数据构建筹码分布，动态迭代更新。

筹码分布统计因子绩效表现 [page::6][page::7][page::8]

| 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 |
| coeffofvar | -3.74% | 13.53% | 2.29 | 0.77 |

• kurtosis因子选股能力较好，年化多空收益13.53%，夏普比率2.29，表现稳健。

- coeffofvar因子表现良好，回报与胜率均显著，因子分层超额收益表现单调。

筹码集中度因子构建与绩效 [page::8][page::9][page::10][page::11]

• 筹码集中度因子量化筹码分布在不同分位数的价格宽度，反映筹码是否集中，因子值越小筹码越集中。

- ASR系列因子衡量交易“活动筹码”占比，反映筹码活跃度。

• chipdistri2因子表现优异，年化多空收益20.10%，夏普比率2.26，IC均值3.96%，不同分组间收益表现出较强的区分度。

筹码换手因子定义与回测结果 [page::12][page::13][page::14]

• 筹码穿透率PTR2衡量换手率下穿透筹码区域的能力，反映筹码换手质量。

- PTR2因子年化多空收益17.76%，夏普比率1.97，IC均值5.10%，表现突出。

• 筹码乖离率BIAS因子选股能力较弱，表现不显著。

筹码盈利因子构建与绩效表现 [page::15][page::16][page::17][page::18]

• 盈利筹码因子基于账户盈亏状态及当日新增筹码盈利比例，反映持仓者收益敏感性对市场影响。

- TGRatio因子年化多空收益超30%，夏普比率3.03，IC均值绝对值7.21%，分层超额收益显著。

• TLRatio因子年化多空收益17.16%，夏普比率1.73，分层收益稳定且区分度高。

样本外跟踪及指数分层表现总结 [page::18][page::19][page::20]

• 2024年7月至2025年7月样本外测试，4个因子多空收益均超过20%，TGRatio因子表现最佳，年化收益31.59%。

- 筹码因子在中证1000和中证500小市值股票表现明显优于中证800和沪深300大盘股，说明因子在小市值市场更具有效度。

筹码因子与传统大类因子关联分析 [page::20][page::21][page::22][page::23]

• 筹码分布统计类因子与Momentum因子相关度较高，筹码集中度与换手因子与传统财务及价值因子相关性较低。

- 筹码盈利因子中winner与PRP、TG与TL两组因子相关性较强，具有独立的行为金融特征。

《筹码分布因子系统构建》研究报告详尽解读与剖析

---

1. 元数据与报告概览

• 报告名称：筹码分布因子系统构建

- 作者：陈升锐、姚紫薇及中信建投金工及基金研究团队

• 机构：中信建投证券股份有限公司

- 发布时间：2025年08月26日（报告正文2025年08月31日公布）

• 研究主题：基于筹码分布理论，构建多维筹码因子体系，实现行为金融与量化选股的结合

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。[page::0,1,2]

---

2. 逐节深度解读

2.1 筹码分布引言与构建（章节1.1-1.2）

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：

$$
Chip{i,t,p} = Vol{i,t,p} \times T{i,t} + Chip{i,t-1,p} \times (1 - T{i,t})
$$

其中，$Vol{i,t,p}$为股票$i$在$t$日价格$p$的成交量，$T{i,t}$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。[page::2,3,4]

---

2.2 筹码分布统计因子定义与绩效表现（章节2）

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：

- 均值 $mean{t} = \sum price{i,t} \times p{i,t}$
- 标准差、峰度、偏度基于标准统计学定义，权重为筹码占比。

• 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。[page::5,6]

绩效表现：

• 多因子均具选股能力；

- 其中kurtosis因子表现最佳，年化多空收益13.53%，夏普2.29，IC均值约-3.74%，表现稳定且胜率高达77%-80%（图5、6）；

• coeffofvar因子同样优秀，年化多空收益13.53%，夏普2.29，IC均值-3.74%等（图7、8）。

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。[page::6,7,8]

---

2.3 筹码集中度因子构建与表现（章节3）

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（chipdistri1至chipdistri6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：

• chipdistri2表现较优，年化多空收益20.10%，夏普2.26，IC均值3.96%，年化ICIR 1.86。[表5，图13,14]

- ASR因子年化多空收益12.5%，夏普1.37，IC均值-4.13%，显示较好的预测能力。[表6，图15,16]

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。[page::8,9,10,11,12]

---

2.4 筹码换手因子构建与绩效（章节4）

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：

• 筹码穿透率（PTR），衡量新增解套筹码比例相对换手率的效率；

- PTR2因子，聚焦高低价区间内筹码穿透占比；

• 筹码乖离率（BIAS），动态权重模型捕获换手对盈利筹码结构的影响。

绩效：

• PTR2为表现最优换手因子，年化多空收益17.76%，夏普1.97，IC均值5.10%，年化ICIR 2.14，益于揭示筹码换手后的流动性与价格动力。[表7，图17,18]

- 其他换手因子表现次之，均呈稳健收益但弱于PTR2。[page::12,13,14]

---

2.5 筹码盈利因子构建与绩效（章节5）

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：

• PG和PL：账面总盈利和亏损；

- TG和TL：当天新增筹码盈利和亏损；

• TGRatio和TLRatio：新增筹码盈利与亏损占比。

举例（表8、表9、表11）详述计算细节。

绩效表现：

• TGRatio因子表现最佳，年化多空收益21.85%，夏普2.43，IC均值-6.21%，年化ICIR-2.49（图23，24）；

- TLRatio年化多空收益17.16%，夏普1.73，同样表现强劲（图25，26）；

• 跨因子胜率均较高，说明该行为信号择时效果显著。

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。[page::14,15,16,17,18]

---

2.6 样本外及指数池表现（章节6-7）

• 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]

---

2.7 因子相关性分析（章节8）

• 筹码分布统计因子 与Momentum类因子相关较强（如CKDP与CKDW与动量指标相关度高），显示部分统计因子附带动量信息[表17]。

- 筹码集中度因子 相互之间相关强，但与其他大类因子关联弱，说明因子独立性强[表18,19]。

• 筹码换手因子 相关性整体较弱，体现出其相较独立的行为交易信号特点[表20]。

- 筹码盈利因子 中，winner与PRP关联紧密，TG与TL关联度高，同时与Momentum和流动性指标存在一定正相关，说明筹码盈利因子在一定程度引入了动量和换手因素[表21,22,23]。

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。

---

3. 图表深度解读

• 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coeffofvar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（chipdistri因子表现）：chipdistri2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]。

---

4. 估值分析

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。

---

5. 风险因素评估

• 历史数据局限性：因子研究基于历史回测，未来有效性存在不确定性，历史表现不代表未来盈利保证。

- 市场系统性风险：宏观经济政策和市场行情等系统风险对因子策略影响较大，报告未包含宏观突发冲击模拟。

• 数据及模型风险：分钟级高频数据的缺失及处理方式可能引入误差；量化模型的简化假设可能与实际行为脱节。

- 样本选择偏差：部分因子在大盘指数表现不佳，策略过度依赖小市值股票，存在流动性风险。

• 操作执行风险：因子策略落地过程中，交易成本、滑点未完全计入，可能导致实际收益偏离。

报告虽未细化风险缓释策略，但通过多因子多阶段验证提高鲁棒性。[page::23]

---

6. 批判视角与细微差别

• 因子IC均值负值现象：诸如kurtosis、coefofvar等统计因子的IC均为负，表明这些因子实际意义为负相关预测，投资者应关注因子信号方向调整。

- 相关性偏差：筹码盈利因子与Momentum类因子相关较强，可能引入部分动量效应，需进一步剔除以提升纯行为信号的独立性。

• 样本外高收益因子（TGRatio）IC负值较大：表明因子收益来源可能并非传统线性正向预测模型，盈利机制复杂，存在解释难度。

- 大盘高流动性股票中因子表现弱化：策略对大型权重股适用性较弱，存在策略适度性及可复制性限制。

• 无显性估值方法：计量手段完全基于统计和因子回测，缺少行业、基本面验证，增加策略的黑箱风险。

---

7. 结论性综合

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：

• 筹码分布统计因子：描绘筹码形态特征，尤其是kurtosis和变异系数因子表现较好，能反映筹码结构的价格聚集与分布偏度；

- 筹码集中度因子：通过筹码分位差指标及活动筹码比例捕捉筹码集散动态，chipdistri2因子年化多空收益20.10%，表现突出；

• 筹码换手因子：聚焦筹码穿透与盈亏转化，PTR2因子年化多空收益17.76%，流动性及行为的即时反映明显；

- 筹码盈利因子：体现投资者盈亏敏感度及获利了结压力，TGRatio因子年化多空收益21.85%及样本外31.59%高收益，选股效力突出。

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。[page::0-23]

---

本次报告的卓越贡献：

• 端到端筹码数据构建流程明确，公式清晰，标准化操作

- 行为金融学深入结合实证资金面及价格结构

• 多维因子体系覆盖统计、集中度、换手、盈利四个核心维度

- 丰富实证验证，样本外及多指数覆盖，风险指标充分统计

• 明确指出因子适用市场及弱相关性，提升组合多样性和稳定性

- 详尽图表支持，一目了然，便于复现及二次开发

---

免责声明

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。[page::24]

---

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。

报告