1. 资金迁移与轮动错位的基础识别框架搭建

为什么先搭框架，而不是先算指标

资金迁移与轮动错位分析最容易犯的错误，是拿到板块指数和成交额后立刻去算“净流入”“轮动强度”这类指标，结果口径不统一、信号互相矛盾。本节的任务是先建立一个可复用的识别框架：把原始数据、派生量、信号定义和判读规则分层固定下来，后续所有计算都挂在这个框架上。

框架的核心是把“资金迁移”和“轮动错位”拆成两个可独立观测、又能交叉验证的维度：

• 资金迁移：看资金在板块之间的方向与相对强弱，用板块成交额占比的变化来刻画，而不是绝对金额。
• 轮动错位：看板块价格表现与资金占比变化是否同步。同步为“确认轮动”，背离为“错位信号”。

框架的四层结构与计算口径

整个框架自下而上分四层，每层只依赖下一层的输出，保证口径可追溯：

1. 数据层：板块指数收盘价 P_i,t、板块成交额 A_i,t，i 为板块，t 为交易日。要求同一交易日所有板块数据齐全，缺失先标记不参与当日计算。
2. 派生层：板块日收益 R_i,t = P_i,t / P_i,t-1 - 1；成交额占比 S_i,t = A_i,t / ΣA_i,t（Σ 为当日全部样本板块成交额之和，占比之和为 1）。
3. 信号层：占比变化 ΔS_i,t = S_i,t - S_i,t-n（n 为观察窗口，示例取 5 日）；相对收益 RR_i,t = R_i,t - R_bench,t（基准取样本板块等权收益）。
4. 判读层：用 ΔS 与 RR 的符号组合划分四种状态，识别资金迁移方向与轮动是否错位。

四象限判读规则

把 ΔS_i,t 作横轴、RR_i,t 作纵轴，每个板块每日落入一个象限，象限即状态标签：

“错位”专指 Q2 与 Q4：价格与资金占比方向相反。框架不直接判定错位是好是坏，而是把它作为需要进一步观察的标记，交由后续窗口确认。

用一段示例数据走通框架

假设样本只有 3 个板块（A、B、C），观察窗口 n=5。下表是某日计算出的派生量与信号量（示例数据，用于演示口径，非真实行情）：

读法：A 的占比与相对收益同向上升，是明确的资金迁入方向；B 价格仍强但占比明显回落，属于“缩量上涨”错位，提示其上涨的成交支撑在减弱；C 占比微升但价格显著走弱，属于“放量下跌”错位，需结合后续窗口判断是承接还是派发。三个板块的 ΔS 之和为 0，符合占比变化的守恒约束，可作为计算自检。

框架落地为可复用的计算骨架

把上述口径写成一段最小可运行的计算骨架，输入为按日期对齐的宽表，输出为带象限标签的信号表。示例用 Python 与 pandas，数据为构造的示例值：

import pandas as pd

# 示例输入：行=交易日，列=板块，值为收盘价与成交额
prices = pd.DataFrame({
    "A": [10.0, 10.2, 10.5, 10.8, 11.0, 11.2],
    "B": [20.0, 20.1, 20.3, 20.4, 20.5, 20.6],
    "C": [15.0, 14.8, 14.5, 14.2, 14.0, 13.8],
})
amounts = pd.DataFrame({
    "A": [100, 110, 130, 150, 170, 190],
    "B": [150, 148, 145, 140, 135, 130],
    "C": [80, 82, 85, 88, 90, 92],
})

n = 5  # 观察窗口

# 派生层
returns = prices.pct_change()
share = amounts.div(amounts.sum(axis=1), axis=0)

# 信号层
delta_share = share - share.shift(n)
bench = returns.mean(axis=1)          # 等权基准
rel_return = returns.sub(bench, axis=0)

# 判读层：四象限标签
def label(ds, rr):
    if pd.isna(ds) or pd.isna(rr):
        return "数据不足"
    if ds > 0 and rr > 0: return "Q1 确认流入"
    if ds < 0 and rr > 0: return "Q2 缩量上涨(错位)"
    if ds < 0 and rr < 0: return "Q3 确认流出"
    return "Q4 放量下跌(错位)"

signals = pd.DataFrame(index=prices.index, columns=prices.columns)
for i in prices.columns:
    for t in prices.index:
        signals.loc[t, i] = label(delta_share.loc[t, i], rel_return.loc[t, i])

print(signals.tail(1))

运行后最后一行即当日各板块的象限标签。验证方式：检查 share.sum(axis=1) 是否恒为 1，以及 delta_share.sum(axis=1) 在有效窗口内是否近似为 0（浮点误差可接受）。这两项通过，说明框架口径正确，后续例 2 的净流入计算与例 3 的轮动强度指标都可以直接挂接在本框架的信号层之上。