Generated by Answer me with HTML 0.5.10 · 2026-11-02 21:06 · ★ Star on GitHub

通达信《黄金筹码峰》拆解与可复现性评估

原始公式逐行解读 / 两个必须避开的坑 / 接到海底捞月的具体路径

source股旁网原始副图公式 + 知乎套装主图要素 + 本地数据可行性判断

结论：这套指标确实是筹码维度，能复现，但原始公式有两处不能照抄。核心增量只有一个：现价上下 10% 区间的筹码占比。

A

原始副图公式（股旁网版，逐字）

text
X_1:=ISLASTBAR;X_2:=EMA(WINNER(CLOSE)*70,3);X_3:=EMA((WINNER(CLOSE*1.1)-WINNER(CLOSE*0.9))*80,3);X_4:=X_3/(X_2+X_3)*100;X_5:=X_2/(X_2+X_3)*100;X_6:=IF(X_5-REF(X_5,1)>X_4-REF(X_4,1),1,0);X_7:=MA(X_2+X_3,13);X_8:=X_1 AND X_7>REF(X_7,1) AND X_6=1;X_9:=MA(WINNER(CLOSE*0.9)*100*CLOSE,3);X_10:=IF(X_9>10,X_9,0)/2;X_11:=MA(WINNER(CLOSE*1.1)*100*CLOSE,3);X_12:=IF(X_11>70,X_11,0)/2;筹码峰:(X_12-X_10)/X_10,STICK,COLORFFFFFF;筹码分界:0-(X_10-X_12)/X_12*CLOSE,LINETHICK2;STICKLINE(筹码峰<筹码分界,0,筹码峰,1,0),COLOR00FFFF;
B

逐行原理

内核只有一个函数：WINNER。

WINNER 给出某个价位以下的获利筹码占比。三处调用分别对应三种口径。 WINNER 收盘价是全场获利盘比例。WINNER 收盘乘 1.1 是现价上方一成处的获利盘。WINNER 收盘乘 0.9 是现价下方一成处的获利盘。

所以 X_3 算的是现价上下 10% 这个窄区间里压了多少筹码。 这个量越大，说明持仓成本越集中在现价附近，也就是社区说的单峰密集。

X_2 与 X_3 再各自归一，得到两组占比。X_6 判断近场筹码的增长是否快于全场，也就是筹码是否正在向现价聚拢。 X_7 把这个聚拢速度再做 13 日均线平滑，用来判趋势。

主图与选股部分另外叠了三样东西。 买线取收盘两根 EMA，卖线取斜率修正后的 42 日 EMA，构成双线穿越。 控盘线用 30 日 ATR 除以收盘价，再乘 0.8，是波动率归一后的强弱带。 选股条件还加了换手率大于 5% 与收盘站上 200 日线。

C

两个不能照抄的坑

照抄会直接失效

第一，X_1 用 ISLASTBAR，X_8 只在最后一根 K 线上为真。照抄成信号，历史上永远是空。 第二，筹码峰是比值，筹码分界带价格量纲，两者比较没有意义。

  • ISLASTBAR 是末端显示函数，原作者用它做当天提示，历史回测必须删掉。
  • 筹码峰与筹码分界量纲不一致，筹码峰<筹码分界 这个条件在数学上恒成立或恒不成立，属凑图。
  • 卖出侧没有任何定义，只有买入与显示，这也是这类公式的通病。
  • 通篇没有择时与仓位，等于把最难的部分留给用户。
D

可复现性：能复现，缺两块数据

依赖 通达信 本地替代 状态
WINNER 筹码分布 内置函数 自建三角分布衰减模型 需实现，半天
换手率分母 CAPITAL 流通股本 westock 拉流通股本表 需补数据
收盘与振幅 直接可用 bundles_qfq 已有
ATR 与均线 直接可用 自行计算 已有

说明：三角分布衰减是通达信筹码分布的公开算法。每日筹码按当日均价与振幅铺成三角形，历史筹码按换手率逐日衰减。实现后 WINNER 与 COST 都可以自己算，不必依赖黑箱。

E

接到海底捞月的路径

我的建议

不用它的算式，用它指出的维度：现价近场筹码占比。 按我的口径重写成四个独立因子，逐个过检验，而不是打包成一个柱子。

四个候选因子：

  • 近场占比：现价上下 10% 区间筹码占比，对应它的 X_3。
  • 获利盘比例：WINNER 收盘价，对应 X_2。
  • 成本集中度：90% 与 70% 成本区间的宽度除以现价。
  • 峰位距离：筹码主峰价位到现价的百分比距离。

三步验证，与前面几轮一致：

  1. 事件级初筛：在现有 SD 大于等于 10 的候选日上，看四个因子分层后的 20 日收益与胜率。
  2. 回测级四关：全段、四段、互斥分组、自助法，任何一关不过即否决。
  3. 只在不减少交易数的前提下谈收益，否则按上一轮结论视为改口径换收益。

预期管理：现有 EF 里已经有 CHIPSD 这一个成本标准差，与成本集中度高度重叠，预计后者的增量有限。真正可能带新信息的是近场占比与峰位距离两项。