第4章机构持仓变动方向

4、机构持仓变动方向：增持、减持、新进、退出——四类行为的量化定义与识别逻辑

这一节，我们来拆解机构持仓变动的四个核心方向。

很多新手拿到数据，第一反应就是看「机构买了多少」。但说实话，光看绝对数量没太大意义。你得搞清楚：这个机构是第一次进来，还是在原有基础上加仓？是减仓跑路了，还是彻底清仓走人？

这四种行为——增持、减持、新进、退出——背后的市场含义完全不同。我自己的经验是，新进和退出往往比增持减持更有信号价值。为什么？后面我会细说。

4.1 四类行为的量化定义

先给个标准定义。我们以季度为周期，对比「本期持仓股数」和「上期持仓股数」：

行为类型	量化条件	通俗理解
增持	本期持仓 > 上期持仓，且上期持仓 > 0	机构还在，而且加码了
减持	本期持仓 < 上期持仓，且本期持仓 > 0	机构还在，但减仓了
新进	上期持仓 = 0，本期持仓 > 0	机构第一次出现在股东名单里
退出	上期持仓 > 0，本期持仓 = 0	机构从股东名单里消失了

嗯，这里要注意一个细节：「上期持仓 = 0」并不代表机构之前完全没买过。有可能它之前持有，但低于披露门槛（比如A股是前十大流通股东），所以没出现在报表里。这个坑我后面会讲。

4.2 识别逻辑：从原始数据到行为标签

实际操作中，我们拿到的原始数据通常是这样的：

# 原始数据结构示例
# 股票代码 | 报告期 | 机构ID | 持仓股数
# 000001.SZ | 2024Q1 | INST001 | 5000000
# 000001.SZ | 2024Q2 | INST001 | 8000000

要做的事情很简单：按股票+机构分组，按时间排序，然后做差分。

我习惯用Python的pandas来处理。核心代码就几行：

import pandas as pd

# 假设df是原始数据，包含stock_code, report_date, inst_id, shares
df = df.sort_values(['stock_code', 'inst_id', 'report_date'])

# 计算上期持仓
df['prev_shares'] = df.groupby(['stock_code', 'inst_id'])['shares'].shift(1)

# 定义行为标签
def label_behavior(row):
    if row['prev_shares'] == 0 and row['shares'] > 0:
        return '新进'
    elif row['prev_shares'] > 0 and row['shares'] == 0:
        return '退出'
    elif row['shares'] > row['prev_shares']:
        return '增持'
    elif row['shares'] < row['prev_shares']:
        return '减持'
    else:
        return '不变'

df['behavior'] = df.apply(label_behavior, axis=1)

你看，逻辑本身不复杂。但实际跑数据的时候，有几个坑你得小心。

⚠️ 我曾经踩过的坑：

数据缺失问题：有些机构在某个季度可能因为持股低于披露门槛而「消失」，下一季度又出现。这时候会被误判为「退出」再「新进」。我建议加一个阈值判断：如果消失时间小于2个季度，视为「暂时未披露」而非真正退出。
复权问题：送转股会导致持仓股数被动变化。比如10送10，股数翻倍但实际没增持。我一般用「持仓市值变化」来辅助判断，或者用复权因子调整。
同一机构不同产品：有些机构旗下有多个产品，合并计算时要注意。我习惯先按机构集团汇总，再判断行为。

4.3 四类行为的市场含义与信号强度

搞清楚了定义，我们来聊聊实战中怎么用。

新进：信号最强

为什么？因为机构做出「新进」决策，意味着它从零开始建仓。这通常需要经过深入调研、估值判断、建仓计划等一系列流程。我个人经验是，新进机构数量突然增加的股票，后续表现往往不错。尤其是那些之前没有机构关注、突然被多家机构同时新进的股票——这叫「机构抱团新进」，值得重点跟踪。

退出：需要区分主动还是被动

退出有两种情况：一是机构主动清仓，不看好；二是股价涨太多，机构获利了结。怎么区分？我一般看退出时的股价位置。如果是在高位退出，大概率是止盈；如果是在低位退出，那就要警惕了。

增持：要看幅度和持续性

增持本身是中性的。机构可能只是小幅加仓，也可能大幅加仓。我习惯看两个指标：增持比例（增持股数/上期持仓）和连续增持季度数。连续3个季度以上增持的，说明机构是真爱。

减持：别一看到就跑

减持不一定代表看空。有时候是机构为了应对赎回，被动减仓。有时候是仓位管理需要。我建议结合「减持比例」来看：减持比例小于20%的，可以视为正常调仓；超过50%的，才需要重视。

4.4 核心逻辑框架图

下面这张图，是我自己整理的四类行为识别与信号判断框架。你可以把它当作一个决策参考：

💡 核心要点总结：

新进 > 增持 > 退出 > 减持（按信号强度排序）
新进要关注「机构数量」和「一致性」
增持要看「连续性和幅度」
减持要区分「主动减」还是「被动减」
退出要结合「股价位置」判断

📌 我的个人习惯：

我一般会构建一个「机构行为综合得分」：新进+3分，增持+1分，减持-1分，退出-3分。然后按股票汇总，得分最高的前10%作为重点跟踪池。这个方法简单粗暴，但确实有效。你可以试试看。

好了，四类行为的定义和识别逻辑就讲到这里。说白了，核心就是对比上期和本期持仓，然后根据结果打标签。但真正有价值的是标签背后的市场含义——你得知道每个行为代表什么，才能做出正确的投资决策。

下一节我们会聊到如何把这些行为数据聚合到股票层面，构建机构持仓变动的综合指标。嗯，到时候会用到一些统计方法，挺有意思的。