筹码分布公式：透视主力成本与市场情绪的终极武器
在股票技术分析领域，筹码分布公式（Chip Distribution）被视为揭开市场成本结构、洞察主力动向的关键工具。不同于传统的K线形态或均线系统，筹码分布直接从“人”的角度出发，通过计算市场上不同价位持仓量的分布情况，直观地展示多空双方的成本底牌。本文将深入解析筹码分布公式的底层逻辑，提供主流软件的源码实现，并结合实战案例，帮助您掌握这一强大的分析利器。
⚡ 什么是筹码分布？
筹码分布，又称“流通股持仓成本分布”，是将市场上所有股票在不同价格区间所持有的数量进行统计，形成的一种图形化表达。它反映了不同价位上的投资者持仓数量，是判断股价支撑、压力以及主力建仓、洗盘、出货阶段的重要依据。
⚙️ 核心逻辑：换手率与衰减
筹码分布公式的核心在于“换手”。每一天的交易都会导致一部分旧筹码消失，一部分新筹码生成。算法通过引入“换手率”作为衰减因子，模拟筹码从高位向低位或从低位向高位的转移过程。这种动态平衡机制，使得筹码分布能够真实反映市场的平均成本变化。
📊 为什么需要筹码分布？
传统指标如MACD、KDJ主要基于价格和成交量计算，具有滞后性。而筹码分布直接揭示了“谁在赚钱”、“谁在亏钱”以及“套牢盘有多少”。它能帮助投资者识别主力的成本区，判断当前股价是处于“低位吸筹”、“中途洗盘”还是“高位派发”阶段，从而做出更精准的买卖决策。
筹码分布公式底层逻辑与源码实现
理解筹码分布公式的数学原理是编写和使用指标的前提。虽然不同软件（如通达信、同花顺、大智慧）内置的算法略有差异，但其核心思想一致：当前日期的筹码分布 = 上一日期的筹码分布 × (1 - 当日换手率) + 当日新增筹码分布。
1. 基础算法解析
假设某股票当日收盘价为 ，换手率为 。那么，对于上一交易日在价格 处的筹码，只有 的比例会保留到今日。而今日新增的筹码则主要集中在收盘价 附近，其分布宽度取决于当日的振幅和成交量。
2. 通达信（TDX）筹码函数详解
通达信软件内置了强大的筹码函数，无需复杂编程即可调用。以下是常用函数及其含义：
| 函数名称 | 语法 | 功能描述 | 返回值范围 |
|---|---|---|---|
| WINNER | WINNER(C) | 计算以收盘价计算出的获利比例 | 0 ~ 1 (小数) |
| COST | COST(90) | 计算90%筹码的成本价格 | 价格数值 |
| CHIPS | CHIPS(N) | 返回N日内的筹码分布数据 | 数组 |
| CYQ | CYQ(DAY) | 计算指定天数的筹码分布 | 数组 |
3. 自定义筹码集中度公式源码
为了更直观地观察筹码的集中程度，我们可以编写一个简单的筹码分布公式指标。以下代码用于计算90%筹码的集中度，集中度越低，说明筹码越集中，主力控盘可能性越大。
{筹码集中度公式}
N:=90; {默认计算90%筹码}
低位筹码:WINNER(C)100,NODRAW; {获利盘比例}
A1:COST(N/2),COLORWHITE,NODRAW; {50%筹码成本}
B1:COST(N),COLORRED,NODRAW; {90%筹码上限}
C1:COST(100-N/2),COLORGREEN,NODRAW; {10%筹码下限}
集中度:(B1-C1)/((B1+C1)/2)100,COLORSTICK; {筹码集中度百分比}
{逻辑说明：
当集中度小于10%时，视为高度集中，可能变盘。
当集中度大于20%时，视为分散，趋势不明。}
4. Python实现简易筹码分布算法
对于量化交易者，使用Python复现筹码分布公式也是常见需求。以下是一个简化的算法示例：
import numpy as np
def calculate_chip_distribution(prices, volumes, turnover_rates, history_days=100):
"""
简易筹码分布计算
:param prices: 每日收盘价列表
:param volumes: 每日成交量列表
:param turnover_rates: 每日换手率列表
:param history_days: 回溯天数
:return: 每日的筹码分布数组
"""
# 初始化筹码矩阵：行代表价格区间，列代表天数
# 简化处理，假设价格区间离散化
price_bins = np.linspace(min(prices), max(prices), 100)
chip_matrix = np.zeros((len(price_bins), len(prices)))
for t in range(len(prices)):
if t == 0:
# 第一天，假设所有筹码在开盘价附近均匀分布
# 实际中需初始化历史数据
pass
else:
# 衰减上一日的筹码
decay = 1 - turnover_rates[t]
chip_matrix[:, t] = chip_matrix[:, t-1] decay
# 新增筹码：主要集中在当日收盘价附近
# 这里简化为高斯分布模拟
center_idx = np.argmin(np.abs(price_bins - prices[t]))
new_chips = np.exp(-0.5 ((price_bins - prices[t]) / (prices[t]0.02))2)
new_chips = new_chips volumes[t]
chip_matrix[:, t] += new_chips
return chip_matrix
经典筹码形态解析：识别主力意图
掌握筹码分布公式的形态识别能力，是判断股价走势的关键。以下是几种最典型且具有高实战价值的筹码形态：
⚡ 单峰密集：变盘的前奏
单峰密集是指经过长时间的换手，大部分筹码集中在一个狭窄的价格区间内，形成一个高耸的“峰”。
- 低位单峰密集：股价经过长期下跌后，在低位横盘，上方套牢盘割肉，下方获利盘兑现，筹码逐渐向低位集中。这通常是主力建仓完成的信号。一旦股价放量突破单峰，往往意味着主升浪的开始。
- 高位单峰密集：股价经过大幅上涨后，在高位横盘，低位获利盘全部转移到高位。这是主力出货的典型特征。一旦股价跌破单峰，将引发大规模抛售，形成断崖式下跌。
实战要点：低位单峰密集+放量突破=买入信号；高位单峰密集+缩量滞涨=卖出信号。
⚙️ 双峰分散：中继与转折
双峰分散是指筹码分布图上出现两个明显的峰值，中间形成一个“谷”。
- 上升途中的双峰：上方峰为前期套牢盘，下方峰为近期获利盘。中间的“谷”是洗盘区域。若股价能放量穿过上方峰，则“谷”变“峰”，行情将继续向上。
- 下跌途中的双峰：上方峰为近期套牢盘，下方峰为前期低位筹码。若下方峰开始松动下移，说明主力也在撤离，下跌趋势未改。
实战要点：关注中间“谷底”的支撑作用，若股价在谷底企稳，可能是二次建仓机会。
📊 多峰林立：震荡市特征
多峰林立是指筹码分布呈现多个山峰，说明市场成本极其分散，多空分歧巨大。这通常出现在长期震荡整理或剧烈波动的行情中。
- 特征：没有明显的集中成本区，支撑和压力位众多。
- 策略：在多峰林立阶段，趋势跟踪策略失效，适合高抛低吸。等待筹码重新收敛为单峰密集后再介入。
基于筹码分布的实战交易策略
将筹码分布公式应用于实战，需要结合趋势、量能和基本面进行综合判断。以下是三种经典的实战策略：
📈 寻找“低位单峰”
当股价经历长期下跌，进入底部盘整阶段，观察筹码分布图。若发现上方套牢筹码逐渐消失，低位出现单一密集峰，且换手率温和放大，说明主力正在悄悄吸筹。此时可轻仓试错，设置止损位为密集峰下沿。
⚙️ 观察“筹码锁定”
股价拉升后，出现短暂回调。此时观察筹码分布，若股价下跌但低位筹码峰基本不动（即主力未出货），说明洗盘结束概率大。这是“倒车接人”的绝佳买点。反之，若低位筹码迅速向上转移，则需警惕主力出货。
📉 警惕“高位发散”
股价大幅上涨后，若低位筹码峰迅速缩小甚至消失，同时在高位形成新的密集峰，说明主力已将筹码派发完毕。此时无论消息面多么利好，都应坚决离场。特别是伴随高位放量滞涨，更是危险信号。
辅助指标组合建议
单一使用筹码分布公式可能存在滞后性，建议组合以下指标使用：
- 筹码分布 + MACD：MACD金叉配合低位单峰密集，成功率极高。
- 筹码分布 + 成交量：突破筹码峰时，必须伴随成交量放大，否则可能是假突破。
- 筹码分布 + 均线：股价站稳在筹码峰之上，且均线多头排列，趋势更可靠。
常见问题解答 (FAQ)
筹码分布（CYQ）的核心在于模拟历史成交的沉淀。其算法基于每日的换手率，将当天的成交量按价格分布到不同的价格区间。随着时间推移，旧的筹码因换手而逐渐消失（衰减），新的筹码根据当日收盘价和成交量生成。公式通常涉及：今日筹码 = 昨日筹码 (1-今日换手率) + 今日新增筹码。
单峰密集是指筹码在某个特定价格区间高度集中，形成单一的高峰。这通常意味着市场平均成本趋于一致。若股价处于低位且出现单峰密集，往往是主力建仓完毕、准备拉升的信号；若处于高位，则可能是主力出货完毕，即将下跌。
筹码峰的最密集处即为强支撑或强压力位。当股价下跌至密集峰上方时，该峰转化为支撑，因为大量在此成本区买入的投资者不愿亏损卖出；反之，当股价上涨至密集峰下方时，该峰转化为压力，因为解套盘会涌出。
通达信版本通常使用DRAWBAND函数配合筹码函数。核心逻辑是计算获利比例和筹码集中度。示例代码：WINNER(C)100; 表示获利盘比例。更复杂的自定义公式需结合换手率和价格分布算法，如：CYC(QP,0)等内置函数或自定义循环计算。
筹码分布指标主要适用于流通盘适中、换手率正常的股票。对于一字涨停/跌停、极度缩量或极度放量的异常交易日，筹码分布可能出现失真。此外，对于庄股或高度控盘股票，由于换手率低，筹码分布变化缓慢，参考价值可能降低。