筹码集中度反映的是某段价格区间内筹码的密集程度。90%筹码集中度公式源码在不同炒股软件可能不同，以常见的通达信软件为例，公式大致是：
90%成本:COST(95)-COST(5);
集中度:(90%成本/(COST(95)+COST(5))*100);
这里“COST(N)”是成本分布函数，COST(95)表示95%的筹码成本，COST(5)表示5%的筹码成本，两者差值就是90%的筹码所分布的价格区间，再除以这两个成本和乘以100，就得到了90%筹码集中度。

我有丰富的证券投资经验，对各类指标和公式都有深入研究，能为你解读更多投资知识。我还可为你提供合适的开户佣金成本费率。觉得有用就点赞支持，点我头像加微联系我。

筹码集中度是衡量股票筹码分布集中程度的指标，通常用价格区间内一定比例（如90%）的筹码分布宽度占总价格区间的比例来表示。以下是计算90%筹码集中度的通用公式和源码实现思路（以Python为例），适用于股票量化分析或行情软件指标编写。

---

一、计算公式
90%筹码集中度 = （90%筹码分布的价格区间上限 - 下限） （价格区间上限 + 下限） × 100%
（注：不同软件可能略有差异，但核心逻辑相同）

---

二、计算步骤（以Python为例）
1. 获取筹码分布数据：需依赖行情软件或量化平台的筹码分布函数（如Tulip、TA-Lib或自定义计算）。
2. 确定价格区间：找到90%筹码分布的最高价和最低价。
3. 套用公式计算。

---

三、源码示例（Python伪代码）
python
import numpy as np

假设已有筹码数据：price_list（价格列表）, volume_list（对应筹码量列表）
def calculate_concentration(price_list, volume_list, percentage=90):
1. 按价格排序筹码
sorted_data = sorted(zip(price_list, volume_list), key=lambda x: x[0])
sorted_prices, sorted_volumes = zip(sorted_data)

2. 计算总筹码量和目标百分比阈值
total_volume = sum(sorted_volumes)
target_volume = total_volume percentage 100.0

3. 滑动窗口找到90%筹码的区间
left = 0
current_volume = 0
min_range = float('inf')
result_low, result_high = 0, 0

for right in range(len(sorted_volumes)):
current_volume += sorted_volumes[right]
while current_volume = target_volume:
if sorted_prices[right] - sorted_prices[left] min_range:
min_range = sorted_prices[right] - sorted_prices[left]
result_low = sorted_prices[left]
result_high = sorted_prices[right]
current_volume -= sorted_volumes[left]
left += 1

4. 计算集中度
concentration = (result_high - result_low) (result_high + result_low) 100
return concentration

调用示例
prices = [10.0, 10.5, 11.0, ...] 价格列表
volumes = [1000, 1500, 2000, ...] 筹码量列表
conc = calculate_concentration(prices, volumes, 90)


---

四、注意事项
1. 数据来源：实际应用中需通过行情API（如聚宽、Tushare）或本地数据计算筹码分布（需历史成交数据模拟）。
2. 算法优化：上述代码为简化版，真实场景需考虑性能（如动态规划优化）。
3. 软件差异：同花顺、东方财富等软件的筹码集中度计算可能包含加权平均或标准差逻辑，需适配。

---

五、实际应用建议
- 集中度越低（如10%），说明筹码越集中，可能存在主力控盘；
- 集中度越高（如30%），说明筹码分散，波动可能加大。
（需结合股价位置和成交量综合判断）

---

如果需要直接用于某平台（如通达信、同花顺），可提供具体环境以便提供对应公式代码。

您好，关于90%筹码集中度的公式，这是一个在技术分析中用于衡量股票筹码分布集中程度的指标。其核心思想是计算在特定价格区间内（通常为90%的流通筹码所分布的价格区间），该区间宽度与当前股价的比值，比值越小，说明筹码越集中。

以下是该指标的核心计算公式和逻辑说明：

**一、 核心计算公式**

90%筹码集中度 = (价格区间上限 - 价格区间下限) / (价格区间上限 + 价格区间下限) * 100%

* **价格区间上限**：在筹码分布图上，从最低价开始向上累计，直到累计筹码占比达到95%时对应的价格（因为取中间90%，所以去掉最低的5%和最高的5%）。
* **价格区间下限**：在筹码分布图上，从最低价开始向上累计，直到累计筹码占比达到5%时对应的价格。
* **公式含义**：这个比值反映了容纳了90%流通筹码的价格区间的相对宽度。数值越低，表明筹码在越窄的价格区间内密集成交，主力持仓可能越集中；数值越高，则表明筹码分布越分散。

**二、 计算逻辑步骤（以编程思路说明）**

1. **数据准备**：获取该股票所有历史成交数据（或足够长的周期数据），关键字段包括：每个成交日的收盘价、成交量。理论上，更精细的数据是每笔成交的价格和数量。
2. **构建筹码分布**：
* 假设所有流通筹码都来自于历史成交（这是一个模型假设）。
* 将历史成交量，按照其成交价格，累加到对应的价格坐标上，形成一个“成交量-价格”的分布直方图。这通常涉及换手衰减算法或平均分布算法，来模拟筹码在时间上的移动。
3. **计算累计分布**：
* 将上述筹码分布从最低价到最高价进行排序。
* 计算从最低价开始，向上累计的筹码占总流通盘的比例。
4. **确定价格上下限**：
* **价格下限（5%分位点）**：找到累计筹码比例首次大于或等于5%时对应的价格。
* **价格上限（95%分位点）**：找到累计筹码比例首次大于或等于95%时对应的价格。
5. **套用公式计算**：
* 将得到的价格上限和价格下限代入上述公式，即可计算出90%筹码集中度的百分比数值。

**三、 重要说明与应用提示**

* **模型局限性**：筹码分布理论基于“历史成交推导持仓成本”的假设，与实际所有股东的精确成本存在差异，是一种推测模型。
* **参数敏感性**：计算结果与选取的历史数据周期长短、筹码衰减算法参数等密切相关。不同软件（如通达信、同花顺）的算法细节可能不同，结果会有差异。
* **应用场景**：该指标常用于辅助判断个股的筹码结构。较低的集中度（例如<10%）可能意味着主力高度控盘，股价波动潜力大；较高的集中度则可能表明多空分歧大或处于散户行情中。**需要结合股价趋势、成交量、基本面等其他因素综合判断，不可单独作为买卖依据。**

**四、 关于代码实现的提醒**

由于完整的、与商用软件一致的筹码分布算法涉及复杂的金融工程模型和数据，且不同平台的函数库不同，我无法在此提供可直接复制粘贴的完整生产代码。在实际编程中（例如在Python的`pandas`库或通达信、大智慧的公式环境中），您需要根据上述逻辑，结合具体的行情数据接口和计算工具进行实现。

希望以上对90%筹码集中度公式的原理和计算逻辑的详细说明能对您有所帮助。这是一个深入理解市场筹码结构的有力工具。

我可以为你提供适合的开户费率。要是觉得我的解答有帮助，点赞支持一下，点我头像加微信联系我，咱们再深入聊聊投资的事。

90%筹码集中度（CR90）是衡量流通筹码在价格区间集中程度的指标，公式如下：

CR90 = (P90_HIGH - P90_LOW) / (P100_HIGH - P100_LOW) ×100%

其中：
1. P90_HIGH/P90_LOW：通过流通股本累计90%的筹码对应的价格区间上下限（需按成交量加权排序）
2. P100_HIGH/P100_LOW：全部筹码的价格区间上下限

Python实现源码（基于Tushare数据）：

```python
import pandas as pd

def cr90(stock_code, date):
# 获取历史分笔数据
df = pro.bars(ts_code=stock_code, adj='qfq', start_date=date, end_date=date)

# 计算成交量加权价格分布
df['amount'] = df['close'] * df['vol']
price_dist = df.groupby('close')['vol'].sum()
total_vol = price_dist.sum()

# 计算90%区间
sorted_dist = price_dist.sort_index()
cum_vol = sorted_dist.cumsum()
p90_low = sorted_dist[cum_vol <= total_vol*0.05].index[-1]
p90_high = sorted_dist[cum_vol >= total_vol*0.95].index[0]

# 计算全区间
p100_low = sorted_dist.index.min()
p100_high = sorted_dist.index.max()

return (p90_high - p90_low) / (p100_high - p100_low) * 100
```

使用要点：
1. 需先安装tushare（pip install tushare）
2. 调用前需设置token：pro = ts.pro_api('你的token')
3. 数值越低代表筹码越集中，通常<15%视为高度集中

以上内容来自网络，仅供参考，如需专业人工服务请点击头像查看加V咨询。