AI驱动的筹码分布分析系统，精准还原主力建仓成本

时间：2026-08-03 19:02

基于AIAgent构建的筹码分布分析系统，通过价位成交、筹码迁移、资金流向与支撑压力四个模块化分析器，自动还原主力建仓成本，识别筹码密集区与资金性质，降低传统人工分析门槛。

# Agent驱动的筹码分布分析系统：用AI还原主力建仓成本

在股票交易中，筹码分布是判断主力建仓成本和持仓结构的重要工具。但传统分析方法依赖人工经验，需要解读每个价位的成交占比、识别筹码峰的迁移、判断支撑压力位，对新手来说门槛较高。

本教程将带你用AI Agent构建一个筹码分布分析系统，让机器自动从分价成交、历史成交分布、资金流向等数据中还原主力的建仓过程。系统采用模块化设计，每个子任务交由专门的Analyzer处理，最后汇总生成综合判断，既便于优化，也方便扩展新的分析维度。

系统架构与设计思路

系统的核心是将筹码分析拆解成四个独立的子任务，每个子任务由一个专门的Analyzer负责。这种设计的好处是：

可以单独优化每个分析器，比如调整参数或算法
便于后续扩展新的分析维度，比如加入成交量异动分析
判断标准统一，不会因为情绪波动影响决策

数据层使用本地数据引擎，主要用到四个接口：

当天分价成交占比接口：time/real/trace/realpercent/{dm}，返回每个价格对应的成交量和占比，是计算当日筹码分布的基础
历史成交分布接口：time/zijin/lscjfb/{dm}，提供近十年每天的成交分布数据，包括超大单、大单、小单、散单的流入流出，用于分析筹码的长期演化
最近10天成交分布接口：time/zijin/lscjfb/last10/{dm}，是历史成交分布的短期版本，用于捕捉近期的筹码变动
实时行情接口：time/real/{dm}，提供当前价格、涨跌幅等实时数据，用于判断筹码的当前状态


class ChipDistributionAgent:
    def __init__(self, data_engine):
        self.data_engine = data_engine
        self.analyzers = [
            PriceLevelAnalyzer(),
            ChipMigrationAnalyzer(),
            CapitalFlowAnalyzer(),
            SupportResistanceAnalyzer()
        ]

    def analyze(self, dm):
        realpercent = self.data_engine.read_realpercent(dm)
        lscjfb = self.data_engine.read_lscjfb(dm)
        last10 = self.data_engine.read_lscjfb_last10(dm)
        realtime = self.data_engine.read_realtime(dm)

        context = {
            "dm": dm,
            "realpercent": realpercent,
            "lscjfb": lscjfb,
            "last10": last10,
            "realtime": realtime
        }

        results = []
        for analyzer in self.analyzers:
            result = analyzer.analyze(context)
            if result:
                results.append(result)

        summary = self.summarize(results, context)
        return summary

核心分析器详解

1. 价位成交分析器：识别筹码密集区

第一个分析器是价位成交分析器。它处理当天分价成交占比数据，计算每个价位的成交量和占比，从而识别筹码密集区和筹码稀疏区。

筹码密集区意味着大量成交集中在这个价位，往往是主力的成本区或者关键支撑压力位。通过分析这些密集区，可以判断当前股价处于什么位置。


class PriceLevelAnalyzer:
    def analyze(self, context):
        realpercent = context["realpercent"]
        if not realpercent or len(realpercent) == 0:
            return None

        total_vol = sum(item["成交量（股）"] for item in realpercent)

        levels = []
        for item in realpercent:
            price = item["成交价"]
            vol = item["成交量（股）"]
            pct = item["占比（%）"]
            levels.append({"price": price, "vol": vol, "pct": pct})

        levels_sorted = sorted(levels, key=lambda x: x["pct"], reverse=True)
        dense_zones = levels_sorted[:5]

        current_price = context["realtime"].get("当前价格", 0)

        above_current = sum(l["vol"] for l in levels if l["price"] > current_price)
        below_current = sum(l["vol"] for l in levels if l["price"] < current_price)
        profit_ratio = below_current / total_vol if total_vol > 0 else 0

        signal = {
            "analyzer": "price_level",
            "dense_zones": dense_zones,
            "profit_ratio": profit_ratio,
            "above_pressure": above_current,
            "below_support": below_current
        }

        if profit_ratio > 0.7:
            signal["signal"] = "大部分筹码获利，套牢盘少"
            signal["score"] = 70
        elif profit_ratio < 0.3:
            signal["signal"] = "大部分筹码套牢，上方压力大"
            signal["score"] = 40
        else:
            signal["signal"] = "筹码分布均衡"
            signal["score"] = 55

        return signal

获利盘比例是一个很有参考价值的指标。当大部分筹码处于获利状态时，说明股价已经脱离主力成本区，继续上涨的阻力较小；当大部分筹码套牢时，上方压力大，每次反弹都会遇到解套盘的抛压。

小提示：获利盘比例要结合股价位置来看，低位高获利盘与高位高获利盘的含义完全不同。

2. 筹码迁移分析器：判断主力真实意图

第二个分析器是筹码迁移分析器。它对比最近10天的成交分布数据，观察筹码是从低位向高位迁移（主力拉升出货），还是从高位向低位迁移（主力打压建仓）。

筹码迁移分析能帮我们看清楚主力的真实意图。同样是上涨，如果是主力加仓推动的，后续大概率还会涨；如果是散户跟风推动的，往往涨一天就回调。通过对比大单和散单的流入流出变化，可以大致判断当前是主力在主导还是散户在主导。


class ChipMigrationAnalyzer:
    def analyze(self, context):
        last10 = context["last10"]
        if not last10 or len(last10) < 5:
            return None

        sorted_data = sorted(last10, key=lambda x: x["时间yyyy-MM-dd"])

        early = sorted_data[:3]
        late = sorted_data[-3:]

        early_big_inflow = sum(d.get("超大单净流入(元)", 0) + d.get("大单净流入(元)", 0) for d in early)
        late_big_inflow = sum(d.get("超大单净流入(元)", 0) + d.get("大单净流入(元)", 0) for d in late)

        early_retail_inflow = sum(d.get("散单净流入(元)", 0) + d.get("小单净流入(元)", 0) for d in early)
        late_retail_inflow = sum(d.get("散单净流入(元)", 0) + d.get("小单净流入(元)", 0) for d in late)

        price_early = sum(d.get("收盘价(元)", 0) for d in early) / len(early)
        price_late = sum(d.get("收盘价(元)", 0) for d in late) / len(late)
        price_change = (price_late - price_early) / price_early if price_early > 0 else 0

        signal = {
            "analyzer": "chip_migration",
            "big_inflow_early": early_big_inflow,
            "big_inflow_late": late_big_inflow,
            "price_change": price_change
        }

        if early_big_inflow > 0 and late_big_inflow < 0 and price_change > 0.05:
            signal["signal"] = "主力低位建仓后高位出货"
            signal["score"] = 35
            signal["direction"] = "bearish"
        elif early_big_inflow < 0 and late_big_inflow > 0 and price_change < 0:
            signal["signal"] = "主力打压吸筹"
            signal["score"] = 75
            signal["direction"] = "bullish"
        elif late_big_inflow > early_big_inflow and price_change > 0:
            signal["signal"] = "主力持续加仓"
            signal["score"] = 70
            signal["direction"] = "bullish"
        else:
            signal["signal"] = "筹码迁移不明显"
            signal["score"] = 50
            signal["direction"] = "neutral"

        return signal

小提示：筹码迁移分析的信号比单日资金流向更可靠，因为主力的建仓出货是一个过程，单看一天容易被误导。

3. 资金流向分析器：判断资金性质与强度

第三个分析器是资金流向分析器。它从历史成交分布数据中提取超大单、大单、小单、散单的净流入情况，判断资金的性质和强度。

资金流向分析里有一个关键概念叫大单主导度。当大单成交占比超过60%时，说明这只股票的主力资金活跃度高，后续出现大行情的概率较大；当大单主导度低于30%时，说明主要是散户在交易，行情往往比较平淡。


class CapitalFlowAnalyzer:
    def analyze(self, context):
        lscjfb = context["lscjfb"]
        if not lscjfb or len(lscjfb) == 0:
            return None

        recent = lscjfb[:20] if len(lscjfb) >= 20 else lscjfb

        big_net = sum(d.get("超大单净流入(元)", 0) + d.get("大单净流入(元)", 0) for d in recent)
        retail_net = sum(d.get("散单净流入(元)", 0) + d.get("小单净流入(元)", 0) for d in recent)

        big_total = sum(abs(d.get("超大单净流入(元)", 0)) + abs(d.get("大单净流入(元)", 0)) for d in recent)
        retail_total = sum(abs(d.get("散单净流入(元)", 0)) + abs(d.get("小单净流入(元)", 0)) for d in recent)

        big_dominance = big_total / (big_total + retail_total) if (big_total + retail_total) > 0 else 0

        signal = {
            "analyzer": "capital_flow",
            "big_net": big_net,
            "retail_net": retail_net,
            "big_dominance": big_dominance
        }

        if big_net > 0 and retail_net < 0:
            signal["signal"] = "主力吸筹，散户出逃"
            signal["score"] = 75
            signal["direction"] = "bullish"
        elif big_net < 0 and retail_net > 0:
            signal["signal"] = "主力出货，散户接盘"
            signal["score"] = 30
            signal["direction"] = "bearish"
        elif big_net > 0 and retail_net > 0:
            signal["signal"] = "资金共振流入"
            signal["score"] = 65
            signal["direction"] = "bullish"
        else:
            signal["signal"] = "资金流向不明确"
            signal["score"] = 50
            signal["direction"] = "neutral"

        return signal

小提示：大单主导度这个指标对中大盘股效果较好，对小盘股效果一般，因为小盘股的大单定义阈值相对偏高。

4. 支撑压力分析器：识别关键价位

第四个分析器是支撑压力分析器。它结合价位成交分布和当前价格，识别关键的支撑位和压力位。支撑位是筹码密集且在当前价格下方的价位，压力位是筹码密集且在当前价格上方的价位。

支撑压力位的盈亏比是决定是否入场的重要依据。如果上方空间是下方风险的两倍以上，这笔交易就值得做；反过来，如果上方压力近在眼前而下方支撑很远，就应该回避。


class SupportResistanceAnalyzer:
    def analyze(self, context):
        realpercent = context["realpercent"]
        realtime = context["realtime"]
        if not realpercent or not realtime:
            return None

        current_price = realtime.get("当前价格", 0)
        if current_price == 0:
            return None

        levels = [(item["成交价"], item["成交量（股）"]) for item in realpercent]
        levels.sort(key=lambda x: x[1], reverse=True)

        support = None
        resistance = None
        for price, vol in levels:
            if price < current_price and support is None:
                support = price
            if price > current_price and resistance is None:
                resistance = price
            if support and resistance:
                break

        signal = {
            "analyzer": "support_resistance",
            "support": support,
            "resistance": resistance,
            "current_price": current_price
        }

        if support and resistance:
            risk_reward = (resistance - current_price) / (current_price - support) if (current_price - support) > 0 else 0
            signal["risk_reward"] = risk_reward

            if risk_reward > 2:
                signal["signal"] = "盈亏比 fa vorable，上方空间大"
                signal["score"] = 70
            elif risk_reward < 0.5:
                signal["signal"] = "盈亏比 unfa vorable，上方压力大"
                signal["score"] = 35
            else:
                signal["signal"] = "盈亏比均衡"
                signal["score"] = 50
        else:
            signal["signal"] = "支撑压力位不明确"
            signal["score"] = 50

        return signal

综合汇总机制：加权判断

Agent最后会把四个分析器的结果汇总成一个综合判断。汇总时不是简单地取平均，而是根据各分析器的置信度和信号方向做加权处理。比如筹码迁移分析的信号如果和资金流向分析一致，置信度会提升；如果两者矛盾，Agent会降低整体置信度并提示需要更多观察。


def summarize(self, results, context):
    if not results:
        return {"score": 50, "signal": "数据不足，无法判断"}

    total_score = 0
    total_weight = 0
    signals = []

    weights = {
        "price_level": 0.25,
        "chip_migration": 0.35,
        "capital_flow": 0.25,
        "support_resistance": 0.15
    }

    for result in results:
        analyzer = result.get("analyzer", "")
        weight = weights.get(analyzer, 0.1)
        score = result.get("score", 50)
        total_score += score * weight
        total_weight += weight
        signals.append(result.get("signal", ""))

    final_score = total_score / total_weight if total_weight > 0 else 50

    if final_score >= 65:
        recommendation = "筹码结构 fa vorable，可关注"
    elif final_score <= 40:
        recommendation = "筹码结构 unfa vorable，谨慎"
    else:
        recommendation = "筹码结构中性，继续观察"

    return {
        "dm": context["dm"],
        "score": round(final_score, 1),
        "recommendation": recommendation,
        "signals": signals,
        "current_price": context["realtime"].get("当前价格", 0)
    }

实战经验与使用技巧

在实际使用中，我会让Agent每天盘后扫描全市场，对所有股票做一遍筹码分析，筛选出综合得分高于65分的股票作为观察池。然后再结合基本面和技术面做二次筛选。这种Agent驱动的分析方式比人工逐只看筹码图效率高得多，而且判断标准统一，不会因为情绪波动而影响决策。

以下是几个值得分享的经验：

筹码迁移分析的信号比单日资金流向更可靠，因为主力的建仓出货是一个过程，单看一天容易被误导
获利盘比例要结合股价位置来看，低位高获利盘和高位高获利盘的含义完全不同
大单主导度这个指标对中大盘股效果较好，对小盘股效果一般，因为小盘股的大单定义阈值相对偏高

常见问题解答

Q1：数据不足时怎么办？

如果某个分析器返回None，Agent会自动跳过该分析器，只使用其他有效数据的加权结果。如果所有分析器都返回None，则返回默认的50分中性信号。

Q2：信号之间矛盾怎么办？

当筹码迁移分析和资金流向分析的信号矛盾时，Agent会降低整体置信度。建议此时多观察几天，等待信号一致后再做决策。

Q3：这个系统适合哪些市场？

系统适用于A股市场，数据来自ig50本地数据接口，数据更新及时，字段完整，适合构建多维度分析系统。对于其他市场，需要调整数据接口和参数。

Q4：如何优化权重分配？

默认权重分配是：筹码迁移0.35、价位成交0.25、资金流向0.25、支撑压力0.15。你可以根据市场环境调整，比如在震荡市中提高支撑压力的权重，在趋势市中提高筹码迁移的权重。

系统使用的数据来自ig50本地数据接口，数据更新及时，字段完整，适合构建这种多维度分析系统。

来源：https://cloud.tencent.com.cn/developer/article/2719995

建仓成本

上一篇淘宝拍立淘图片搜索API全业务场景落地手册 下一篇阿里云企业邮箱绑定钉钉完整操作步骤教程

本站内容用于信息整理与展示，如有侵权或内容问题请及时联系处理。