3. 资金流向核心指标：主力净流入、散户净流入、大单与小单的划分标准

做资金流向分析，说白了就是看谁在买、谁在卖。

市场上每天几万亿的成交额，背后是形形色色的参与者。有机构、有游资、有量化基金，也有咱们普通散户。每个人的资金体量不同，交易习惯也不同。把这些行为拆解成「主力净流入」和「散户净流入」，就成了我们判断市场情绪的核心工具。

3.1 大单与小单：划分的底层逻辑

先问一个问题：一笔100万的买单，算大单还是小单？

答案是不一定。在茅台里，100万可能只是个小散户；但在一个市值20亿的小盘股里，100万可能就是主力资金了。所以，划分标准不能一刀切。

我个人习惯用「相对阈值法」。具体来说，就是根据个股的日均成交额和流通市值，动态计算大单和小单的门槛。

嗯，这里要注意。不同数据商的标准略有差异。比如东方财富和同花顺的划分就不完全一样。我在项目中遇到过，同一个股票，两个平台的主力净流入数据差了30%。后来一查，原来是他们的大单阈值不同。

我的建议是：选定一个数据源后，就固定用它。不要今天看A平台，明天看B平台，否则分析逻辑会乱掉。

3.2 主力净流入 vs 散户净流入

有了大单小单的划分，接下来的计算就简单了。

主力净流入 = 超大单净流入 + 大单净流入
散户净流入 = 小单净流入（通常中单被视为中性资金，有时也归入散户）

净流入的计算公式：

净流入 = 主动买入金额 - 主动卖出金额

注意，这里用的是「主动买入」和「主动卖出」。什么意思呢？

你挂一个买单在盘口等着成交，这叫被动买入。你直接以卖一价甚至更高的价格吃进去，这叫主动买入。主动买入代表更急切的买入意愿，所以资金流向统计的是这部分。

3.3 实战中的避坑指南

我曾经踩过一个坑，分享给你。

有一次分析一只股票，主力净流入连续三天都是正的，但股价却在下跌。我当时很困惑，难道数据错了？后来仔细复盘才发现，原来是主力在「对倒」——左手倒右手，制造净流入的假象，吸引散户接盘。

怎么识别这种陷阱？

• 看「主力净流入」的同时，一定要看「主力成交额」。如果净流入很大，但成交额很小，说明可能是虚假交易。
• 结合「大单成交占比」来判断。正常的主力拉升，大单成交占比应该在30%以上。低于20%就要警惕。
• 散户净流入如果突然放大，而主力净流入在减少，往往是短期见顶的信号。我称之为「接盘侠指标」。

3.4 一张图看懂资金流向分析框架

下面这张图，是我自己梳理的资金流向分析核心逻辑。你看完应该能一目了然。

3.5 代码实现：计算主力净流入

光说不练假把式。我写了一段Python代码，模拟了从原始成交数据到主力净流入的计算过程。你可以直接拿去用。

import pandas as pd
import numpy as np

# 模拟逐笔成交数据
def generate_trade_data(n=1000):
    np.random.seed(42)
    prices = np.random.uniform(10, 50, n)
    volumes = np.random.randint(100, 10000, n)
    amounts = prices * volumes
    directions = np.random.choice(['buy', 'sell'], n)
    
    df = pd.DataFrame({
        'price': prices,
        'volume': volumes,
        'amount': amounts,
        'direction': directions
    })
    return df

# 划分大单小单
def classify_order(amount):
    if amount >= 5000000:  # 500万以上
        return '超大单'
    elif amount >= 1000000:
        return '大单'
    elif amount >= 200000:
        return '中单'
    else:
        return '小单'

# 计算净流入
def calc_net_inflow(df):
    df['order_type'] = df['amount'].apply(classify_order)
    
    # 主动买入为正，主动卖出为负
    df['flow'] = np.where(df['direction'] == 'buy', df['amount'], -df['amount'])
    
    # 按订单类型汇总
    result = df.groupby('order_type')['flow'].sum()
    
    # 主力净流入 = 超大单 + 大单
    main_force = result.get('超大单', 0) + result.get('大单', 0)
    retail = result.get('小单', 0)
    
    return main_force, retail, result

# 执行
df = generate_trade_data()
main_force, retail, detail = calc_net_inflow(df)

print(f"主力净流入: {main_force/10000:.2f} 万元")
print(f"散户净流入: {retail/10000:.2f} 万元")
print("\n各类型净流入明细:")
print(detail / 10000)

3.6 核心指标的使用心法

最后，分享几个我多年总结下来的使用心法：

• 主力净流入 + 股价上涨：健康的上涨，可以持有或加仓。
• 主力净流入 + 股价下跌：可能是洗盘，也可能是对倒出货。需要结合成交量判断。
• 主力净流出 + 股价上涨：散户行情，持续性差。我一般会减仓。
• 主力净流出 + 股价下跌：典型的出货行情，果断离场。

说白了，资金流向分析不是万能的。它更像是一个「辅助仪表盘」，帮你感知市场的温度。真正做决策时，还是要结合K线形态、成交量、板块轮动等多维度信息。

嗯，这一章的内容就到这里。记住，数据是死的，人是活的。多复盘、多总结，你慢慢就能找到感觉。

---