3. 资金关注度的指标体系构建

在板块分析中，“成交额占比”只能回答“钱有多少流向了这个板块”，却无法回答“这些钱是试探性参与还是集中进攻”“是持续加仓还是一日游”。因此需要把单一指标扩展为一套可比较、可加权的指标体系。本节围绕四个维度展开：成交额占比、换手率、资金净流入、大单占比，并给出标准化与权重确定的具体做法。

四个维度的经济含义与计算口径

成交额占比衡量板块在全市场成交中的相对份额，反映资金“注意力”的分配。计算时以板块当日成交额除以全市场当日成交额，得到占比 share_t。由于占比本身是相对量，已部分消除市场整体缩量的影响，但仍需做时间序列上的标准化。

换手率衡量板块内筹码的交换活跃度，等于板块成交额除以板块自由流通市值（或流通市值）。换手率过高往往意味着分歧加剧或短线资金主导，因此在指标设计中通常不做“越高越好”的线性处理，而采用适度区间或分位数映射。

资金净流入反映主动买卖的方向性。常用口径为：按逐笔成交或分单成交方向，将主动买入额减去主动卖出额，得到净流入 net_inflow。为避免大板块天然净流入绝对值更大，应使用净流入率，即净流入除以板块成交额。

大单占比衡量大资金参与程度，等于大单成交额除以板块总成交额。大单的界定需事先约定阈值，例如单笔成交额不低于50万元或100万元，且全文口径保持一致。大单占比上升通常意味着机构或大资金关注度提升。

标准化方法：让不同量纲的指标可加

四个指标量纲不同，不能直接加权。推荐采用滚动分位数标准化：对每个指标取过去N个交易日（示例取60日）的取值分布，将当日值映射为0～100的分位数得分。这样既消除了量纲，又保留了“相对自身历史”的含义，且对极端值不敏感。

以换手率为例，若某板块过去60日换手率分布在1.2%～4.8%之间，当日换手率为3.6%，则其分位得分约为 (3.6-1.2)/(4.8-1.2)×100 ≈ 66.7。实际实现中可用经验分布函数直接取秩次，避免线性假设。对于资金净流入率这类有正负方向的指标，可先取绝对值衡量强度，再单独保留符号作为方向标记，避免正负相抵后强度信息丢失。

# 示例：滚动分位数标准化（伪代码，参数为教学假设）
for col in ["share", "turnover", "net_inflow_rate", "big_order_ratio"]:
    rank = rolling_rank(data[col], window=60)   # 当日值在近60日中的秩
    score[col] = rank / 60 * 100                # 映射到 0~100
# 净流入方向单独保留
score["flow_sign"] = sign(data["net_inflow_rate"])

权重确定：分层赋权而非拍脑袋

权重应体现“关注度的持续性”与“方向性”的差异。建议采用分层赋权：先按维度分组，再在组内分配。成交额占比与换手率同属“活跃度”组，资金净流入与大单占比同属“资金质量”组。示例权重可设为活跃度组0.45、资金质量组0.55；组内成交额占比0.25、换手率0.20，净流入率0.30、大单占比0.25。该组权重属于教学示例，实盘应根据板块类型调整：主题成长板块可提高大单占比权重，宽基板块可提高成交额占比权重。

若希望权重由数据驱动，可用历史数据做信息系数检验：计算各指标得分与未来5日板块超额收益的秩相关，取显著为正的指标按相关系数归一化赋权。但需注意样本外验证，避免过拟合。

综合得分与结果判读

综合得分 score = 0.45×(0.25×S_share + 0.20×S_turnover) + 0.55×(0.30×S_flow + 0.25×S_big)，其中各S为标准化得分。得分本身是相对历史的分位，因此判读应结合方向标记：得分高且净流入为正，属于“量价资金共振”；得分高但净流入为负，多为放量出货或分歧放大，需警惕；得分低但净流入连续为正，可能是资金悄然布局的早期信号。

实际使用时建议同时输出四个分项得分，而不是只看综合值。例如某主题板块综合得分78，但拆开看：成交额占比分位92、换手率分位88、净流入率分位35、大单占比分位40，说明热度来自散户与短线资金推动，大资金并未同步跟进，此时应降低关注度结论的置信度。这种“总分高、结构差”的识别，正是指标体系相对单一指标的核心价值。