原文（持续更新、可复算）：https://findatacity.com/articles/a-share-liquidity-quintiles/
一句话结论：按成交额从低到高分五组，近一年（2025-11-07 起）收益中位数依次为 -31% → -25% → -21% → -14% → -0%，流动性最高组收益更高；全样本收益中位数 -21.5%、正收益占比 21%。成交额排名与收益的秩相关为 +0.43——高流动性组占优。
五分层收益（近一年）
| 组 | 日均成交额区间 | 只数 | 收益中位数 | 收益均值 | 正收益占比 |
|---|---|---|---|---|---|
| Q1 | 0.03～0 亿 | 1107 | -30.7% | -31.1% | 3% |
| Q2 | 0.43～1 亿 | 1107 | -25.2% | -23.9% | 8% |
| Q3 | 0.81～2 亿 | 1107 | -21.3% | -17.9% | 16% |
| Q4 | 1.54～3 亿 | 1107 | -13.8% | -9.7% | 28% |
| Q5 | 3.37～208 亿 | 1107 | -0.1% | +10.0% | 50% |
Q1 是成交额最低的 20%，Q5 最高。中位数看方向，均值看尾部（低流动性组均值与中位数差距越大，说明少数暴涨股拉高了组均值）。
口径与数据边界
① 样本为 data/stocks/ 中最后交易日不早于 2026-10-01 的活跃个股（不含退市股，存在幸存者偏差），剔除历史污染文件后共 5,535 只有完整一年数据参与分组。② 流动性用最近 20 个交易日日均成交额（元），收益用 2025-11-07 起首个正收盘价到最后收盘价的区间涨跌幅（前复权）。③ 一年窗口只覆盖单一市场状态（下跌为主），结论不能外推到其他市场阶段——这是横截面研究的通病，本文如实披露。④ 未剔除 ST/新股/停牌复牌股，极端值保留在组内均值。
怎么读
① 若低流动性组中位数更高，说明“流动性溢价”存在——但代价是冲击成本与无法容量，纸面收益不等于可实现收益（大资金买不进 Q1）。② 中位数与均值同时看：均值被少数极端股主导时，中位数才是“典型个股”的收益。③ 对研究者的用法：做选股因子时必须做流动性中性化，否则因子收益里混着容量不可实现的低流动性溢价。
广告广告位（每页仅此一个）
数据与复算：个股级数据见商店全A个股包（5,923只全历史，含修复记录）；指数对照见 上证指数 CSV（CC BY 4.0）。复算：活跃过滤 → 近20日均成交额排序 → 五分位 → 区间收益中位数/均值/正收益占比 + 秩相关。
常见问题
A股有流动性溢价吗？
本文近一年样本的秩相关为 +0.43，单调关系很弱，不能简单说存在；且低流动性组的收益难以大资金实现。
为什么用中位数和均值一起看？
低流动性组常有少数暴涨股，均值被尾部拉高；中位数反映典型个股，两者并列才能看清分布形状。
这些数据可以用于 AI 学习/训练吗？
可以。本站全部数据与文章按 CC BY 4.0 授权用于 AI 学习、训练与检索增强，注明来源即可。
