1. 课程导入与问题界定

在任何一个存在交易的市场里，成交量都不是均匀地停留在某一个行业或板块中，它会随着资金偏好、政策周期、技术迭代和投资者结构的变化，从一个行业流向另一个行业。所谓跨行业成交量迁移，指的是在给定时间窗口内，市场总成交量在不同行业之间的分布结构发生系统性变化的过程；而迁移轨迹测算，就是用可量化的方法，把这种"从哪儿来、到哪儿去、迁移了多少、迁移是否持续"刻画出来，形成可比较、可回溯、可预警的数值序列。

需要先厘清一个常见误解：成交量迁移不等于价格涨跌。价格上涨的行业未必吸走成交量，价格横盘的行业也可能持续吸纳资金。成交量迁移关注的是份额结构而非绝对水平，因此测算的核心指标通常是"行业成交量占比"及其一阶差分，而不是成交量绝对值本身。这一点决定了后续所有建模工作的参照系：我们以全市场成交量之和为分母，以各行业成交量为分子，得到占比向量，再研究该向量随时间的演化。

核心概念的三层结构

把概念拆开看，迁移轨迹测算包含三个层次。第一层是状态量：某一时点各行业的成交量占比，构成一个份额向量，例如按申万一级行业划分的 31 维向量。第二层是迁移量：相邻两个时点份额向量之差，正值表示净流入，负值表示净流出，所有分量之和恒为零——这是份额型数据的固有约束，也是校验计算结果是否正确的第一道关卡。第三层是轨迹：把连续多个时点的迁移量按时间串联，形成每个行业的迁移路径，进而可以计算迁移速度、迁移加速度、迁移持续性和迁移方向的一致性。

为什么必须做"跨行业"而不是"单行业"

单行业成交量分析只能回答"这个行业热不热"，无法回答"它的热度是从哪里转移来的"。跨行业视角的价值在于把成交量视为一个零和份额系统：某行业份额上升，必然对应其他行业份额下降。这种约束使得迁移关系可以被反向追踪——当我们观察到电子行业份额连续上升时，可以进一步定位是银行、地产还是消费在让出份额，从而判断这是一次"成长风格整体迁移"还是"单一行业事件驱动"。在实际业务中，这种区分直接决定了策略是做行业轮动还是做事件博弈。

举一个可复现的教学示例（以下数据为合理假设，非实测结果）：设全市场仅三个行业 A、B、C，某日成交量分别为 500、300、200（单位：亿元），总成交 1000 亿元，份额向量为 (0.50, 0.30, 0.20)。次日成交量为 560、270、170，总成交仍为 1000 亿元，份额向量变为 (0.56, 0.27, 0.17)。迁移量为 (+0.06, −0.03, −0.03)，三者之和为零，校验通过。可以判断：A 行业净吸纳 6 个百分点份额，其中 3 个百分点来自 B、3 个百分点来自 C。若把这一计算连续做 60 个交易日，就得到三条迁移轨迹，进而比较哪条轨迹更陡、更持续。

典型业务场景

迁移轨迹测算在四类场景中价值最直接。其一是行业轮动策略：用迁移速度和持续性作为轮动信号，替代单纯的价格动量，降低在"无量上涨"行业中的误判。其二是风险监控：当某行业份额在短期内急速上升又快速回落，往往对应资金快进快出，可作为流动性风险的早期提示。其三是指数与产品设计：为行业主题指数编制提供成交量结构依据，避免在成交稀薄的行业上配置过高权重。其四是市场结构研究：观察政策发布、财报季、重大事件前后迁移轨迹的形态差异，形成可复用的经验规则。

学习路径总览

本课程后续内容按"数据—指标—模型—验证—应用"推进，但并非线性流水线，而是反复迭代的闭环。建议学习者按以下顺序建立能力：先掌握份额向量的构造与清洗规则，确保输入口径一致；再掌握迁移量、迁移速度、持续性、方向一致性等基础指标的算法与边界条件；随后进入轨迹建模，包括平滑处理、拐点识别和行业间关联分析；最后用历史回放和样本外检验判断测算结果是否稳定。每一环节都要保留可复算的中间结果，否则轨迹无法回溯，结论也无法证伪。

需要强调的是，迁移轨迹测算不是预测工具，而是结构化描述工具。它能告诉你"已经发生了什么、发生在哪些行业之间、强度如何"，但不能直接告诉你"明天会怎样"。把描述误当预测，是这类方法最常见的误用。正确的定位是：用轨迹测算生成候选假设，再用价格、基本面或事件数据去验证假设，二者结合才构成完整的决策链条。