CYQ（筹码分布，成本分布）完整说明
CYQ 最早是指南针软件陈浩提出，通达信、东方财富、同花顺都内置。本质：估算流通盘在各个价格上的持仓数量，它是估算模型，不是真实股东持仓账本（真实每个投资者的成本软件不可能拿到）。
一、现成CYQ在哪里直接获取（你最关心）
1）通达信（免费版就自带）
通达信内置 WINNER、COST 两个核心底层函数，CYQ筹码分布图是软件原生图形，不需要自己写复杂代码
• 打开个股K线，按键盘【Ctrl+U】 直接调出右侧筹码分布图（CYQ）
• 内置配套函数（可以直接写进指标公式）
◦ WINNER(C)：当前收盘价对应的获利盘比例（CYQ最核心输出）
◦ COST(50)：50%筹码对应的价格，即市场平均成本
◦ COST(90)-COST(10)：90%筹码区间宽度，用来算筹码集中度
• 通达信简易CYQ指标源码（副图，直接复制进公式管理器）
{CYQ 活动筹码}
A:=1.1*C;
B:=0.9*C;
活动筹码:100*(WINNER(A)-WINNER(B));
{90%筹码集中度}
集中度90:(COST(90)-COST(10))/COST(50)*100;
2）其他软件
• 东方财富：K线图右侧直接自带筹码分布，无需编写指标；
• 同花顺：K线页面切换「筹码」页；
⚠️重点：不同软件CYQ结果会略有差异。因为各家对历史筹码衰减、价格分桶、三角分布参数做了微调，不是统一标准。
3）量化Python获取现成CYQ数据（适合你的SQLite量化工程）
1. Tushare：cyq_chips、cyq_perf 接口，直接返回每日CYQ：各价格档位筹码数量、获利比例、平均成本、90%筹码集中度；接口内部就是三角分布模型，不用自己从头实现。
2. Akshare：可以抓取东方财富的筹码分布数据。
注意：需要token，有额度限制。
二、CYQ自己计算：完整原理（三角分布模型，行业通用标准）
核心思想：
流通盘总量固定；每一天成交的成交量，按三角分布分摊到当日【最低价L~最高价H】价格区间；历史老筹码随每日换手率衰减（换手越多，老筹码消失越快，被新成交替换）
步骤1：价格分桶
把标的全部价格区间切成大量离散价格桶（bins，比如0.01一档），每个桶保存【该价位的筹码数量】，全部桶加起来总和=流通股本。
步骤2：当日新增筹码（三角分布）
当日成交总量=V；当日L(最低)、H(最高)、A(当日均价)
• 三角分布：均价A位置筹码最多；向L、H两端线性递减，在L、H两点筹码为0，三角形总面积=当日成交量V
逻辑：一天当中，大部分成交集中在当日均价附近，高低点成交更少，符合真实交易特征。
步骤3：历史旧筹码衰减（最关键一步，很多人漏掉）
每天收盘执行：
旧筹码 = 旧筹码 × (1 - 当日换手率)
含义：当天发生换手，代表一部分老筹码被交易、更换持有人，所以旧筹码按换手率比例衰减消失，当天新成交的筹码（三角分布）新增进筹码桶。
• 换手率越高，历史筹码消失越快；
• 长期低换手的股票，很早之前的筹码会长期保留在筹码分布中。
步骤4：计算衍生指标（CYQ配套输出）
1. 获利比例 WINNER(P)：所有价格 ≤ P 的筹码总量 ÷ 总流通盘
2. COST(X)：从小到大累加筹码，累计占比达到X%对应的价格。COST(50)就是市场平均持仓成本
3. 筹码集中度90：(COST(90)-COST(10)) / COST(50) ×100%，数值越小筹码越集中。
◦ ＜10%：高度集中；10~20%中度集中；＞20%筹码分散
简化Python伪代码（理解逻辑，可直接扩展进你的量化工程）
import numpy as np
# 1. 初始化价格桶、筹码数组
price_bins = np.arange(low_all, high_all, step=0.01)
chips = np.zeros(len(price_bins)) # 每个价格桶筹码数量
for day in daily_kdata:
# 取出当日K线
L, H, avg_price, vol, turnover, float_share = day
# Step1：历史筹码衰减
chips = chips * (1 - turnover)
# Step2：三角分布，把今日成交量vol分配进L~H价格桶
# 三角分布公式：距离均价越远，筹码越少
bin_mask = (price_bins >= L) & (price_bins <= H)
dist = 1 - np.abs(price_bins[bin_mask] - avg_price) / (H - L)
dist = dist / dist.sum() * vol
chips[bin_mask] += dist
# 计算获利比例：股价P以下筹码总和 / 流通盘
def winner(P):
idx = np.searchsorted(price_bins, P)
return chips[:idx].sum() / float_share
难点提醒：
1. 前复权/后复权处理：除权除息会改变价格，计算CYQ必须使用前复权K线，否则筹码峰错位。
2. 价格分桶精度：桶步长太小计算慢，太大丢失细节。A股一般0.01元一档。
3. 模型假设缺陷：CYQ是估算模型，无法区分大宗交易、限售解禁、对倒；真实股东持仓成本无法拿到，CYQ只是概率估算。
