最近在整理上市公司年报数据时，总能看到类似“某某股份机构持仓翻倍”这类标题，非常抓眼球。但作为开发者，我更关心的是另一个问题：这类结论到底是怎么算出来的？是机构数量翻倍，还是持仓比例翻倍？统计口径是同比还是环比？如果只看新闻标题，很容易被带偏。
本文就以“罗曼股份机构持仓翻倍”这个案例作为切入点，不讨论具体股票买卖点，也不构成任何投资建议，而是站在数据分析的角度，用 Python 完整走一遍“机构持仓变化”的分析流程，包括演示数据生成、数据清洗、指标计算、同比/环比口径拆分、可视化输出和常见坑点排查。看完之后，你可以直接套用这套方法来分析其他股票的定期报告数据。
1. 背景：机构持仓数据为什么值得分析
1.1 什么是机构持仓数据
机构持仓数据，指的是基金、券商、保险、社保、QFII（合格境外机构投资者）等专业投资机构，在上市公司定期报告中披露的持股情况。通常包括三个核心指标：
- 机构数量：持有该公司股票的机构有多少家。
- 持股总量：所有机构合计持有的股份数量。
- 持股占流通股比例：机构合计持股数占公司流通股本的比例。
这类数据一般随上市公司年报、半年报和季报披露，属于公开信息。对于做量化分析或基本面研究的人来说，机构持仓变化是观察资金动向的重要参考。
1.2 “机构持仓翻倍”的数据口径
“翻倍”这个词很模糊。同样是“机构持仓翻倍”，可能对应完全不同的统计口径：
- 机构数量从 20 家增长到 40 家，是翻倍。
- 机构持股总量从 1000 万股增长到 2000 万股，也是翻倍。
- 机构持股占流通股比例从 5% 上升到 10%，同样可以称为翻倍。
更严格一点，还要区分“同比”和“环比”：
- 同比：2024 年年报对比 2023 年年报，可以剔除周期性波动。
- 环比：2024 年四季度对比 2024 年三季度，反映短期变化。
本文在实战部分会同时计算多种口径，并建议你用表格统一输出，避免只凭一个数字下结论。
1.3 本文的边界说明
这里需要先说明清楚，本文所有演示数据均为虚构，仅用于展示分析方法。“罗曼股份”作为案例引出，不涉及对真实公司数据的任何解读。真实场景中，你需要从正规数据源获取经过审计校验的定期报告数据，并且分析结论不能直接作为交易依据。
2. 环境准备与数据源选择
2.1 Python 环境与依赖
本文示例以 Python 3.9+ 环境为例，核心依赖如下：
| 依赖库 | 用途 |
|---|---|
| pandas | 数据清洗、表格计算 |
| numpy | 数值处理 |
| matplotlib | 可视化绘图 |
| jupyter notebook | 交互式演示环境 |
安装命令：
pip install pandas numpy matplotlib jupyter如果你是在 Jupyter Notebook 中运行，建议使用新版的 notebook 或 JupyterLab；如果是在 PyCharm 等 IDE 中运行，也可以直接执行 Python 脚本。
2.2 数据源说明
真实场景下，机构持仓数据可以从以下途径获取：
- 巨潮资讯网等官方信息披露平台，下载上市公司定期报告 PDF 或 Excel 附件。
- 券商金融终端导出的股东研究数据。
- 开源金融数据接口，例如 akshare、tushare 等。
需要注意的是，财金类数据源的接口变动比较频繁，而且不同数据源对“机构”的定义可能存在差异。本文主流程优先使用本地 CSV 演示数据，这样你可以完全脱离网络环境复现；真实数据接入方式会在后面作为扩展方案说明。
2.3 项目目录结构
建议先创建一个独立的工作目录，结构如下：
institution_holding/ ├── data/ │ └── institution_holding.csv ├── result/ │ └── holding_trend.png ├── 0_generate_demo_data.py ├── 1_analyze_holding.py └── README.md其中data存放原始数据，result存放输出图表，脚本文件按执行顺序编号，方便追踪。
3. 核心概念拆解：持仓指标与翻倍口径
3.1 常用持仓指标
在构建分析模型之前，先把几个常见指标的定义理清楚。
机构数量（institution_num）：报告期内出现在前十大股东、前十大流通股东名单中的机构数量。要注意，部分数据源统计的是“全体机构股东”数量，部分统计的是“进入前十大名单的机构”数量，口径不同结果差异很大。
机构持股总量（holding_shares）：机构持有的股票数量，单位通常是“股”，少数数据源用“万股”。
机构持股占流通股比例（float_ratio）：机构持股总量除以公司流通股本，再乘以 100%。这个比例可以消除公司总股本规模的影响，更适合横向对比。
持股集中度：类似“前十大股东持股合计比例”“前十大流通股东持股合计比例”，可以辅助判断筹码集中程度，但本文不把集中度作为主指标，只作为参考维度。
3.2 “翻倍”的计算口径
在数据分析中，计算“翻倍”最常用的方法有三个：
第一，绝对变化。公式为：
变化值 = 本期值 - 上期值适合回答“增加了多少”的问题。
第二，同比增长率。公式为：
同比增长率 = (本期值 - 去年同期值) / 去年同期值 × 100%适合回答“一年前到现在涨了多少”的问题。
第三，环比增长率。公式为：
环比增长率 = (本期值 - 上期值) / 上期值 × 100%适合回答“与上一个报告期相比变化了多少”的问题。
在 pandas 中，DataFrame.pct_change()可以快速计算增长率。如果传入参数periods=4，代表对比当前季度与四个季度之前的数据，也就是季度数据下的“同比”。
3.3 从数据到结论的偏差风险
看到机构持仓翻倍时，至少还要问三个问题：
- 数据是否经过复权调整？股票分红送转会导致持股数量表面变化，但不代表机构真实买卖行为。
- 统计口径是否一致？不同数据源可能把“陆股通”单独列出，也可能合并到机构中。
- 是否剔除了新股上市、限售股解禁等事件影响？流通股本变化会直接影响持股比例。
这些问题在可视化阶段会显得尤其重要。如果不对齐口径，画出的趋势图可能完全失真。
4. 完整实战：Python 分析机构持仓变化
4.1 生成演示数据
由于真实数据涉及数据源授权和接口波动，我们先构造一份符合真实结构的演示数据。假设某公司从 2023 年一季度到 2024 年四季度，机构数量、持股总量、持股占流通股比例持续增长，其中 2024 年四季度相对 2023 年四季度接近翻倍。
创建脚本0_generate_demo_data.py：
# 文件路径：0_generate_demo_data.py import pandas as pd data = { "quarter": [ "2023Q1", "2023Q2", "2023Q3", "2023Q4", "2024Q1", "2024Q2", "2024Q3", "2024Q4" ], "institution_num": [12, 15, 18, 22, 26, 31, 38, 45], "holding_shares": [850, 1000, 1200, 1500, 1800, 2200, 2700, 3300], "float_ratio": [2.8, 3.4, 4.1, 5.2, 6.3, 7.6, 9.2, 11.5] } df = pd.DataFrame(data) df.to_csv("data/institution_holding.csv", index=False, encoding="utf-8-sig") print(df.head())运行：
python 0_generate_demo_data.py这里生成的是一个 8 行 4 列的 CSV 文件。为什么要用utf-8-sig编码？因为后续如果要用 Excel 打开，utf-8-sig可以避免中文乱码。
预期输出：
quarter institution_num holding_shares float_ratio 0 2023Q1 12 850 2.8 1 2023Q2 15 1000 3.4 ...可以看到，机构数量从 12 家增加到 45 家，持股比例从 2.8% 上升到 11.5%，“翻倍”在这个演示数据里是成立的。
4.2 加载与清洗数据
分析脚本1_analyze_holding.py正式读取数据。读取后第一件事不是算指标，而是做基础检查。
# 文件路径：1_analyze_holding.py import pandas as pd df = pd.read_csv("data/institution_holding.csv") print("数据 shape：", df.shape) print("缺失值检查：") print(df.isnull().sum()) print("重复行数量：", df.duplicated().sum()) print("数据类型：") print(df.dtypes)预期输出：
数据 shape： (8, 4) 缺失值检查： quarter 0 institution_num 0 holding_shares 0 float_ratio 0 dtype: int64 重复行数量： 0 数据类型： quarter object institution_num int64 holding_shares int64 float_ratio float64 dtype: object这里的关键点在于：quarter是字符串类型，在排序时不能简单按字母顺序排，否则会出现2023Q10排在2023Q2前面的问题。虽然本例数据是顺序排列的，但在真实场景中，建议把季度字段解析成有序的类型，例如pandas.PeriodIndex。
df["quarter"] = pd.PeriodIndex(df["quarter"], freq="Q") df = df.sort_values("quarter").reset_index(drop=True) print(df)PeriodIndex可以保证季度数据按时间排序，freq="Q"表示季度频率。排序后再重置索引，后续使用pct_change时才不会出错。
4.3 计算持仓变化指标
接下来分别计算绝对变化、同比变化和环比变化。
# 复制一份用于计算 result = df.copy() # 机构数量变化 result["num_abs_change"] = result["institution_num"].diff() result["num_qoq"] = result["institution_num"].pct_change() * 100 result["num_yoy"] = result["institution_num"].pct_change(periods=4) * 100 # 持股总量变化 result["shares_abs_change"] = result["holding_shares"].diff() result["shares_qoq"] = result["holding_shares"].pct_change() * 100 result["shares_yoy"] = result["holding_shares"].pct_change(periods=4) * 100 # 持股占流通股比例变化 result["ratio_abs_change"] = result["float_ratio"].diff() result["ratio_qoq"] = result["float_ratio"].pct_change() * 100 result["ratio_yoy"] = result["float_ratio"].pct_change(periods=4) * 100 pd.set_option("display.float_format", "{:.2f}".format) print(result.to_string())这里的pct_change()返回的是小数，乘以 100 后得到百分比。periods=4是因为季度数据一年有 4 期，对比当前季度与第 4 期之前的数据，正好是同比。
输出结果中，重点看 2024Q4 这一行：
- 机构数量同比：
(45 - 22) / 22 * 100 = 104.55% - 持股总量同比：
(3300 - 1500) / 1500 * 100 = 120% - 持股比例同比：
(11.5 - 5.2) / 5.2 * 100 = 121.15%
所以从演示数据来看，三个指标都超过了 100%，确实属于“翻倍”级别。但在真实分析中，你要把这三个数字都列出来，而不是只挑一个最大或最小的说。
4.4 可视化持仓变化
为了让数据更直观，我们绘制双轴图：柱状图展示机构数量，折线图展示机构持股占流通股比例。
import matplotlib.pyplot as plt # Windows 常见中文字体 plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"] plc.rcParams["axes.unicode_minus"] = False注意，如果你的环境是 Linux，通常没有SimHei字体，需要改成：
plt.rcParams["font.sans-serif"] = ["WenQuanYi Zen Hei", "Noto Sans CJK SC"]如果没有中文字体，可以先安装字体，或者在图表中改用英文标签。为了示例稳定，下面代码保留中文标签，但需要保证本地已安装对应字体。
fig, ax1 = plt.subplots(figsize=(10, 6)) x = range(len(result)) ax1.bar(x, result["institution_num"], color="steelblue", alpha=0.7, label="机构数量") ax1.set_xlabel("报告期") ax1.set_ylabel("机构数量") ax1.set_xticks(x) ax1.set_xticklabels(result["quarter"].astype(str)) ax2 = ax1.twinx() ax2.plot(x, result["float_ratio"], color="orange", marker="o", linewidth=2, label="持股比例(%)") ax2.set_ylabel("机构持股比例(%)") fig.legend(loc="upper left", bbox_to_anchor=(0.1, 0.9)) plt.title("机构持仓变化趋势：数量与持股比例") plt.tight_layout() plt.savefig("result/holding_trend.png", dpi=150) plt.show()折线图和柱状图放在同一个坐标系里，可以同时看到机构数量、持股比例的变化趋势。这里使用twinx()生成第二个 y 轴，因为机构数量和持股比例的单位不同，如果共用一个 y 轴，折线会被严重压扁。
运行后，result/holding_trend.png会生成一张趋势图。你可以很清楚地看到，机构数量和持股比例在 2024 年呈同步上升趋势。
4.5 输出分析结论
最后，把关键结论汇总成一个简洁表格。
summary = result[result["quarter"] >= pd.Period("2023Q4", freq="Q")][ ["quarter", "institution_num", "num_yoy", "holding_shares", "shares_yoy", "float_ratio", "ratio_yoy"] ] print(summary.to_string(index=False))在真实报告中，我建议把这类汇总结果输出为 CSV 或 Excel，方便复查。
summary.to_csv("result/holding_summary.csv", index=False, encoding="utf-8-sig")到这里，一次完整的机构持仓数据分析就结束了。整体流程是：构造数据 → 检查质量 → 清洗排序 → 计算指标 → 可视化 → 输出结论。
5. 扩展：接入真实数据源的思路
如果你希望获取真实年报数据，可以把 CSV 读取部分替换成开源数据接口。不过由于这类接口变更较快，下面只给出伪代码思路，实际参数要以官方文档为准。
# 伪代码：以 akshare 为例，接口名称随版本变化 # import akshare as ak # df_raw = ak.stock_gdfx_free_top_10_em(symbol="SH600309", date="20241231") # print(df_raw.head())使用真实数据时，需要特别注意以下几点：
- 接口返回的字段名称可能与演示数据不一致，需要先打印
columns做字段映射。 - 有些数据源返回的持股数量是“股”，有些是“万股”，换算关系要提前确认。
- 定期报告数据存在更新延迟，不同披露批次之间可能出现前后不一致，需要以最新披露为准。
6. 常见问题与排查思路
| 问题现象 | 常见原因 | 解决思路 |
|---|---|---|
pct_change(periods=4)前几行是 NaN | 数据不足以计算同比 | NaN 是正常的，代表这些报告期没有更早一年的历史数据，展示时忽略即可 |
| 图表中文显示为方块 | 系统中没有匹配的中文字体 | 安装中文字体，或使用plt.rcParams["font.sans-serif"]切换字体 |
| 排序后季度顺序仍然错乱 | quarter 字段是普通字符串 | 使用pd.PeriodIndex或pd.to_datetime转为有序时间类型 |
| 数据源返回的持股比例超过 100% | 单位或口径理解错误 | 检查字段说明，确认是“占流通股比例”还是“占总股本比例” |
| 计算出的同比涨幅异常大 | 去年同期基数太小 | 对低基数场景单独标注，避免误读 |
| 从接口获取数据时字段名频繁变化 | 数据源接口升级 | 打印df.columns后动态映射，并把原始数据保存到本地以便追溯 |
建议养成一个习惯：每次分析之前，先写“数据质量检查”代码块，检查缺失值、重复值、类型和排序。不要急着算指标。
7. 最佳实践与工程建议
7.1 口径统一与配置管理
在做这类周期性数据分析时，不要把所有口径写死在业务代码里。建议把指标名称、对比期数、输出路径放到配置文件或配置类中。
例如，用config.py统一管理参数：
# 文件路径：config.py COMPARE_PERIODS = 4 # 季度数据同比 OUTPUT_DIR = "result" DATA_DIR = "data"这样后续修改对比周期时，只改一处配置即可。
7.2 异常处理与日志记录
在脚本开头初始化日志，重点记录数据读取时间、清洗前后行数变化、最终输出文件路径。
import logging logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s") logging.info("load data from %s", "data/institution_holding.csv") logging.info("after clean shape: %s", df.shape)对于生产环境，日志是排查问题的第一入口。建议至少保留INFO级别日志，关键异常用logger.exception(e)输出堆栈。
7.3 安全与合规边界
金融数据分析容易触碰合规风险，这里提醒几点：
- 获取数据时必须遵守数据源的使用条款，不要绕过接口限制批量抓取。
- 分析结论不要以“预言涨跌”的形式发布，更不要鼓励读者据此交易。
- 涉及真实上市公司数据时，避免用耸动标题误导读者，注明数据来源和分析口径。
- 如果数据涉及个人或机构非公开信息，禁止传播。
7.4 性能优化
如果分析对象不只是单一股票，而是一篮子股票，例如沪深 300 所有成分股的历史持仓数据，数据量会迅速膨胀。此时要优先考虑：
- 使用
polars替代pandas，处理大数据量时性能更稳定。 - 把中间数据存储为
parquet格式，比 CSV 读写更快。 - 计算指标时尽量向量化，避免逐行
for循环。
# 向量化示例：一次性计算多列同比 for col in ["institution_num", "holding_shares", "float_ratio"]: result[f"{col}_yoy"] = result[col].pct_change(periods=COMPARE_PERIODS) * 100这段代码比单独对每一列重复写pct_change更简洁，也更容易扩展。
7.5 构建可复用的分析模块
如果团队中多人需要分析不同股票的持仓数据，可以把数据加载、清洗、指标计算拆成独立函数，放进holding_analyzer.py：
# 文件路径：holding_analyzer.py（核心片段） import pandas as pd def load_data(path: str) -> pd.DataFrame: df = pd.read_csv(path) df["quarter"] = pd.PeriodIndex(df["quarter"], freq="Q") df = df.sort_values("quarter").reset_index(drop=True) return df def calc_mom_yoy(df: pd.DataFrame, value_col: str, freq: int = 4) -> pd.DataFrame: df = df.copy() df[f"{value_col}_mom"] = df[value_col].pct_change() * 100 df[f"{value_col}_yoy"] = df[value_col].pct_change(periods=freq) * 100 return df这样做的好处是，当数据源或指标口径变化时，只需要修改对应的函数，而不需要改动主流程脚本。
8. 总结
这篇文章从一个“机构持仓翻倍”的热点标题出发，拆解了背后的数据口径和分析方法。核心收获有三点：
第一，看到“翻倍”类结论先问口径，是机构数量、持股总量，还是持股比例？是同比还是环比？不搞清口径就下结论，很容易被误导。
第二，掌握了用 pandas 计算绝对变化、环比、同比的方法，尤其是pct_change(periods=4)在季度数据中的用法，这是很多新手容易忽略的细节。
第三，完整的分析流程应该包括数据质量检查、时间排序、指标计算、可视化和结果输出，而不是只贴一张图表就算完成。
如果你接下来想深入，可以继续学习polars加速实践、金融时间序列的复权处理、以及如何使用数据源获取全市场股东数据。这些都是把“一次性分析”升级为“可复用数据分析系统”的必经之路。
最后再说一点：年报里的每一组数字背后都有一套统计口径，拿到数据之后先做口径核对，再谈分析规律。把它当成一次严肃的数据工程任务，你会比大多数只看新闻标题的人走得更远。
)