> **来源：[研报客](https://pc.yanbaoke.cn)** # 从筹码成本到分布：基于资金流的筹码结构因子再升级——投资者分层视角下的信息增量 ## 核心内容概述 本报告旨在通过引入投资者分层视角，对基于资金流的筹码结构因子进行再升级，从筹码成本拓展到筹码分布，以提升因子在选股中的信息增量与有效性。主要围绕筹码分布、机构与散户的划分、筹码结构因子的测算与合成等方面展开深入分析。 ## 主要观点与关键信息 ### 1. 筹码结构的构建与应用 - **筹码结构定义**：反映投资者在不同价格水平上的资金持仓分布，通过分析可以识别股价支撑位与压力位，以及市场整体的平均持仓成本。 - **信息增量**：相较于传统的量价类因子，筹码结构能够提供更加丰富且差异化的市场行为信息。 - **筹码分布更新**：通过三角分布假设模拟每日筹码变化，构建新的筹码分布模型。 ### 2. 基于资金分类的筹码结构改进 - **投资者分层**：通过成交金额划分散户、中户、大户和机构，分别统计其买入总量并构建筹码分布指标。 - **机构与散户筹码分布**：分别刻画机构与散户的历史持仓成本结构，以挖掘潜在的增量资金信息。 ### 3. 筹码分布集中度的刻画 - **集中度指标**：以筹码峰值的50%覆盖价格区间占整个价格区间的比重，衡量筹码的聚集程度。 - **集中度异常现象**：全价格区间下的机构筹码集中度呈现正向特征，与投资者直觉相悖。 - **调整范围**：将统计范围限定于最新价±10%区间，使得集中度指标呈现负向IC特征，与投资逻辑一致。 ### 4. 筹码结构因子的测算与合成 - **合成因子构建**：将最新价±10%范围内的机构筹码集中度与全价格区间的机构筹码集中度进行正交化等权合成，提升因子的稳定性与有效性。 - **合成因子表现**：合成因子表现出更优的IC和分组收益，尤其在IC积累的稳定性上有所提升。 - **多头组合超额收益**：基于合成因子构建的多头组合在全市场范围内持续稳定，且在各市值分域中均有良好表现。 ### 5. 机构与散户筹码成本差值的分析 - **筹码成本差值**：机构与散户的筹码成本差值表现出与传统因子较低的相关性，且具有良好的IC表现。 - **IC特征**：机构筹码越集中、散户筹码越分散时，未来股价表现越好，符合投资逻辑。 ### 6. 筹码峰的进一步运用 - **净买入量**：通过计算买入与卖出量的差值，衡量机构与散户的净买入量，以更准确地刻画筹码成本。 - **IC提升**：调整后的机构筹码成本指标IC进一步提升，表明其在选股中的有效性增强。 ### 7. 筹码集中度与成本的综合分析 - **三因子合成**：结合筹码成本与集中度指标，构建综合因子，提升因子的多维信息含量。 - **正交化处理**：对合成因子与反转因子进行正交化处理，进一步剥离反转风格影响，使因子更纯粹地反映定价信息。 ### 8. 风险收益提示 - **历史数据局限**：本报告结果基于历史数据测算，未来市场结构可能变化，影响策略稳定性。 - **预期数据偏误**：部分因子依赖分析师预期数据，若出现系统偏误，可能影响组合表现。 - **免责声明**：本报告内容仅供参考，不构成投资建议，投资者应自行承担风险。 ## 总结 本报告通过对筹码结构因子的再升级，从筹码成本拓展至筹码分布，引入机构与散户的划分，构建了更具区分度的筹码结构指标。这些指标在信息增量、相关性分析、多头组合表现等方面均展现出良好的效果，特别是在剥离反转因子影响后，进一步提升了因子的稳健性与独立性。报告为多因子模型提供了新的Alpha来源，并在不同市值分域中均有良好表现。然而，需注意市场变化与预期数据偏误可能带来的风险。