《筹码分布论大全》word版

《《筹码分布论大全》word版》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第一章筹码分布的基础知识　　“筹码分布”的准确的学术名称应该叫“流通股票持仓成本分布”，在指南针证券分析软件中，它的英文名字叫“CYQ”。　　其实，“筹码分布”是一个很中国化的名字，因为在世界范围内，可能只有中国人管股票叫筹码，或许也只有中国人把投资股票叫“炒股”。而股票一加上“炒”字，就有了更多的人为操作的味道有了更多的博弈的味道。而如果把股票的仓位叫做“筹码”，那就无异于把股市当成了赌场。这多多少少是对股市的不尊敬，但我们的股市有着浓厚的博弈色彩却是事实。在股市的这场博弈中，人们要做的是用自己的资金换取别人的筹码，再用自己的筹

2、码换取别人的资金，于是乎就赚了别人的钱。所以对任何一个炒股的人，理解和运用筹码及筹码分布是极其重要的。　　或许“筹码分布”和“CYQ”的称谓，应该有一个更贴切的名字，但这个说法大家已经用了几年，成了一种习惯，想改也比较麻烦，所以就约定俗成，暂且如此称谓吧。　　“筹码分布”的市场含义可以这样理解：它反映的是在不同价位上投资者的持仓数量。如果光凭文字来叙述“筹码分布”可能要颇费周章，为方便起见，我们建立并分析了一个微型的筹码分布模型，使读者更准确地理解它的含义。　　1.筹码分布及计算原理　　我们先做这样一个假设：　　某公司有16股股票

3、，这16股被3个不同的投资者持有。股东A曾在10元价位上买过3股，而后又在11元价位上买了6股；而股东B则在12元的持仓成本上买进了4股；股东C，在13元上买了1股，在14元上持有2股。把这3位股民的股票加起来，正好是16股。　　我们来做一张图。　　在这张图上，我们就把股票换成像麻将牌一样的筹码，在图的右边，我们先把价位标清楚，从10元一直标到14元，共5个价位，然后我们把这些筹码按照当时股东们买它的成本堆放到它相应的价位上，于是就形成了图1—1的样子：图1-1：一个简单的筹码分布模型　　从这张图上我们可以清楚的看到：这只股票在1

4、1元价位上，投资者的筹码比较重一些，12元至10元次之，13元以上筹码量就不多了。此外，除了上面所说的股东A、B、C以外，曾经还有一位投资者D，在9元左右买过这只股票，后来又以11元转卖给了股东A，于是D先生提出了一个问题，“我9元钱的历史交易怎么没有在这张筹码分布图上得到反映？”其实这个问题不难讲清楚，大家注意到图上的筹码总共只有16股，而这只股票的流通盘也是16股，筹码分布只去表现这一天所有在册股东的建仓成本，由于D已经卖掉了自己的股票，所以他的筹码在筹码分布上就看不见了。这是筹码分布的一个重要特征：既它反映一只股票的全体投资

5、者在全部流通盘上的建仓成本和持仓量，它所表明的是盘面上最真实的仓位状况。　　随着交易的继续，筹码会在投资者之间进行流动，因而筹码分布也不是一成不变的。假定随后发生了一个交易：股东B把他的12元价位建仓的4股股票卖掉了3股，成交价是14元，由股东D承接，于是筹码分布就成为了图1—2的那个样子：图1—2：筹码在投资者之间发生转移　　事实上，筹码分布并不关心盘面中的筹码到底是属于股东A的还是股东B的，上面的两张模拟图之所以标注股东的持股状态，仅仅是为了让大家看得更清楚一些。　　如果换成真正的上市公司，那么一个公司的流通盘最少也有1000

6、万股，其价位分布是相当广阔的。图1—3是一张真正的筹码分布图，它被放在K线图的右边，在价位上它和K线图使用同一个坐标系。当大量的筹码堆积在一起的时候，筹码分布看上去像一个侧置的群山图案。这些山峰实际上是由一条条自右向左的线堆积而成，每个价位区间拥有一条代表持仓量的横线。持仓量越大则线越长，这些长短不一的线堆在一起就形成了高矮不齐的山峰状态，也就形成了筹码分布的形态。　　从图1—3中可以看出，2000年5月15日的深宝安A有两个不同的建仓密集区。换句话说，在筹码分布图上我们可以看到两个非常明显的密集峰：一个位于4块多钱的价位附近，另

7、一个位于6块多钱的价位区间。图1—3：深宝安A2000.05.15日的筹码分布　　由于证券交易所不向公众提供投资者的帐目信息，所以各类软件中的筹码分布状况均是通过历史交易计算出来的近似值。假定筹码的抛出概率与浮动盈利及持股时间有关，可以在一定数量的投资群体中进行抽样检测，以获得这个抛出概率的函数，然后再根据这个抛出概率，认定每日交易中哪些原先的老筹码被冲销，并由现在的新筹码来代替。　　我们把问题说得再简单一点：根据相当多的投资者的获利了结的习惯，尤其就散户而言，在获利10%至20%之间最容易把股票卖掉；而对主力而言，很难在盈利30

8、%以下时卖出他的大部分仓位。那么，获利15%的获利盘对当日成交的贡献就比获利25%要大一些。这是较为精确的计算筹码分布的方法，有时候出于计算量的考虑，也可以用相等的抛出概率来代替真实的抛出概率统计，这样会引发一定的误差，不过这个误差是可以承受的。因