4. 分化规律的数据观察方法

退潮期的分化规律不是靠盯盘“感觉”出来的，而是靠可复现的数据观察得到的。所谓“数据观察方法”，本质是把“退潮期个股表现差异”这一模糊现象，转化为一组可定义、可采集、可计算、可比较的量化对象。本节围绕三个环节展开：先界定样本池的边界，再设计能刻画分化的指标，最后落到数据采集与清洗的具体操作。

一、样本池：先定义“谁被观察”

分化度指标只有在同一口径的样本池上才有意义。退潮期样本池的构建要回答四个问题：时间窗口、股票范围、剔除规则、分组标签。

时间窗口建议以“情绪高点日”为锚点，向后取 5～10 个交易日作为退潮观察期。锚点日的定义要固定，例如“全市场涨停家数连续两日下降且炸板率上升的首日”，或直接采用某个情绪指数的高点日。锚点一旦确定，全样本共用，避免不同个股用不同起点导致不可比。

股票范围建议取锚点日前一交易日“有涨停或涨幅≥7%”的个股，加上“近 20 日曾涨停”的活跃股，构成候选池。这样做的理由是：退潮期分化主要发生在前期强势股内部，弱势股本身缺乏分化空间。

剔除规则必须写死在采集脚本里：剔除锚点日后连续停牌超过 2 日的个股、剔除观察期内发生重大资产重组或退市风险警示的个股、剔除上市不足 60 日的新股。剔除记录要单独留存，便于复核。

分组标签是后续对比的基础。常用分组维度包括：锚点日前 20 日累计涨幅（高/中/低三档）、锚点日是否为首板/连板（连板高度）、所属板块（主线/支线/独立题材）、流通市值（大/中/小）。分组标签在样本池建立时一次性打上，后续指标计算按组聚合。

二、分化度指标：把“分化”拆成可计算的量

分化度至少需要两类指标：一类刻画“涨跌幅的离散程度”，一类刻画“资金流的方向差异”。

涨跌幅离散度。最直接的是观察期内每日收益率的横截面标准差。设第 t 日样本池内个股收益率为 r_i,t，样本数为 N，则当日离散度 σ_t = sqrt( Σ(r_i,t − r̄_t)² / (N−1) )。σ_t 越大，说明当日个股表现越分散。但标准差对极端值敏感，建议同时计算分位数差：D_t = P90(r_t) − P10(r_t)，即当日收益率 90 分位与 10 分位之差，它更稳健地反映“头部与尾部拉开多远”。

还需要一个“累计分化”指标：观察期末，统计样本池内累计收益率排名前 20% 与后 20% 的均值差，记为累计分化幅度。这个值回答的是“退潮走完，强弱差距拉到了多少”。

资金流分化。用主力净流入额占成交额的比例（净流入率）作为个股资金流强度，记为 f_i,t。资金流分化度可用两种方式度量：一是横截面标准差，二是“资金流方向一致性”，即净流入为正的个股占比 p_t。p_t 接近 0.5 说明资金分歧最大，接近 1 或 0 说明资金一致流入或一致流出。把 p_t 与 σ_t 放在同一时间轴上，往往能看到“先分歧、后收敛”的退潮节奏。

此外建议加一个“分化持续性”指标：连续 3 日收益率排名前 30% 的个股，在第 4 日仍留在前 30% 的比例。这个比例越高，说明分化越有结构、越可跟踪；比例接近随机水平，说明分化只是噪声。

三、数据采集与清洗实战

采集环节的关键是“字段口径统一”。以日频为例，至少需要以下字段：交易日、股票代码、开盘/收盘价（后复权）、涨跌幅、成交额、换手率、主力净流入额、流通市值、所属行业。主力净流入额的口径各数据源不同，必须在样本池建立时固定一个来源，并在元数据中记录来源与口径，避免中途换源导致指标跳变。

清洗的第一步是复权对齐。若用不复权价格计算收益率，除权日会出现虚假大跌，直接污染离散度。统一采用后复权收盘价计算日收益率：r_i,t = P_i,t / P_i,t−1 − 1。第二步是缺失值处理：停牌日不参与当日横截面计算，但要在样本数 N 中如实反映；若某日有效样本数低于候选池的 70%，该日指标标记为“样本不足”，不纳入趋势判断。第三步是异常值处理：对单日收益率做 ±20% 截尾（仅用于计算离散度，不修改原始数据），防止个别极端值把 σ_t 拉偏。

下面是一段可直接改造使用的 Python 清洗与指标计算骨架，示例参数均为教学假设：

import pandas as pd, numpy as np

# df: 列含 date, code, close_adj, pct_chg, net_inflow, amount, group
df = df.sort_values(["code", "date"])
df["ret"] = df.groupby("code")["close_adj"].pct_change()

# 单日横截面指标
def daily_metrics(g):
    r = g["ret"].dropna()
    f = (g["net_inflow"] / g["amount"]).dropna()
    return pd.Series({
        "N": len(r),
        "sigma": r.std(ddof=1),
        "p90_p10": r.quantile(0.9) - r.quantile(0.1),
        "p_inflow": (f > 0).mean(),
        "f_sigma": f.std(ddof=1)
    })

metrics = df.groupby("date").apply(daily_metrics).reset_index()
metrics["valid"] = metrics["N"] >= 0.7 * candidate_n

计算完成后，先看指标序列的形态，再看分组差异。一个实用的判读顺序是：先确认 σ_t 与 D_t 是否同向放大（同向说明分化是普遍的，而非个别极端值造成）；再看 p_t 是否在 0.4～0.6 区间停留较久（停留越久，资金分歧越充分）；最后按分组标签聚合累计分化幅度，比较“高涨幅组 vs 低涨幅组”“连板组 vs 首板组”的差距是否拉开。若高涨幅组的累计分化幅度显著大于低涨幅组，说明退潮期的分化主要发生在前期强势股内部，这与“强者补跌、弱者钝化”的常见结构相互印证。