我们先做这样一个假设:
某公司有16股股票，这16股被3个不同的投资者持有。股东A曾在10元价位上买过3股，而后又在11元价位上买了6股，而股东B则在12元的持仓成本上.买进了4股:股东C,在13元上买了1股，在14元上持有2股。把这3位股民的股票加起来，IE好是 16股。
我们来做一张图。
在这张图上，我们向大家展示的就是一个筹码分布的模型。在这个模型中，我们把股票换成像麻将牌一样的筹码。在图的右边，我们标清楚了这只股票在流通盘上的所有价位。当然这是一只虚拟的股票,因为如果选用真止的上市i公司的股票，会因为其流通盘太大而无法把筹码分布的模型表达得简洁易懂。而在这只虚拟的股票中，为了方便起见，我们把股价从10元一直标到14元，共5个价位。然后，我们把这些筹码按照当时股东们买它的成本摆放到它相应的价位上。
从这张图上:我们可以清楚的看到:这只股票在11元价位上，投资者的筹码比较重一些，12元至10元次之，13元以E筹码量就不多了。此外，除了上面所说的股东A、B、C以外，曾经还有一位投资者D,在9元左右买过这只股票，后来又以11心转卖给了股东A，于是D先生提出了一个问题，“我9元钱的历史交易怎么没有在这张筹码分布图上得到反映?”其实这个问题不难讲清楚，大家注意到图上的筹码总典只有16股，而这只股票的流通盘也是16股，筹码分布只去表现这一大所有!在册股东的建仓成本，由于D已经卖掉了自己的股票，所以他的筹码在筹码分布上就看不见了。这是筹码分布的一个重要特征:即它反映一只股票的全体投资者在全部流通盘上的建仓成本和持仓量，它所表明的是盘面上最真实的仓位状况。
随着交易的继续，筹码会在投资者之间进行流动，因而筹码分布也不是一成不变的。 假定随后发生了一个交易:股东B把他的12元价位建仓的4股股票卖掉了3股，成交价是14元。
事实上,筹码分布并不关心盘面中的筹码到底是属于股东A的还是股东B的，上面的两张模拟图之所以标注股东的持股状态，仅仅是为了让大家看得更清楚一些。
如果换成真正的上市公司，问题就没那么简单了，因为一个公司的流通盘最少也有1000 万股，其价位分布是相当广阔的。图3是一张真正的筹码分布图，它被放在K线图的右边，在价位上它和K线图使用同一个坐标系。当大量的筹码堆积在一起的时候，筹码分布看上去像一个侧置的群山图案。这些山峰实际上是由一条条自右向左的线堆积而成,每个价位区间拥有一条代表持仓量的横线。持仓量越大则线越长，这些长短不一的线堆在一起就形成了高矮不齐的山峰状态，也就形成了筹码分布的形态。
由于证券交易所不向公众提供投资者的帐目信息,所以各类软件中的筹码分布状况均是通过历史交易计算出来的近似值。假定筹码的抛出概率与浮动盈利及持股时间有关，可以在一定数量的投资群体中进行抽样检测，以获得这个抛出概率的函数，然后再根据这个抛出概率，认定每口交易中哪些原先的老筹码被冲销，并由现在的新筹码来代替。
我们把问题说得再简单一点:根据相当多的投资者的获利了结的习惯，尤其就散户而言，在获利10%至20%之间最容易把股票卖掉;而对主力而言.很难在盈利30%以下时卖出他的大部分仓位。那么，获利15%o的获利盘对当H成交的贡献就比获利250要大些。这是较为精确的计算筹码分布的方法，有时候出于计算量的考虑，也可以用相等的抛出概率来代替真实的抛出概率统计，这样会引发一定的误差，不过这个误差是可以承受的。因为在实际的投资分析中，某个价位的筹码量多一些或少一些不会影响最终的结论。
在“指南针”的CYQ推出后，几乎所有的国内软件厂家都模仿了一个筹码分布图，有一些做得还是很不错的，但有一些算法误差过大，建议这些软件厂商予以修改。这类不准确的算法是把历史成交，按时间加权，时间越久占筹码分布的比重越低.这样做表面上似乎也可以得到一个很像筹码分布的东西，但实际上是不能用的。因为各股的活跃程度差异很大，人为的确定历史筹码的挥发速度很难反映这个差异。
由于涉及商业机密，“指南针”筹码分布的算法暂时还不能予以公开，这里仅仅可以讲.些原理性的东西，还望读者朋友们见谅。
