Läsa mellan skärmarna: Institutionella distributionsmönster

Volym berättar halva historien – relativ styrka berättar resten

Inom forex hade vi ett talesätt på JPMorgan: "De stora pengarna lämnar fotspår, men de har mjuka skor på sig." När jag övergick till aktier 2018 upptäckte jag att dessa fotspår var ännu tydligare – om man visste vilka aktiescreenerfilter man skulle använda.

Skillnaden mellan institutionella valutaströmmar och aktiers distributionsmönster chockerade mig. I FX kunde en miljarddollarposition försvinna in i den dagliga volymen på 7 biljoner dollar. I aktier? Även ett utflöde på 50 miljoner dollar lämnar spår över flera datapunkter.

Efter att ha analyserat över 3 000 institutionella distributionsevenemang har jag identifierat fem screenerfilter som konsekvent fångar smarta pengar på väg mot utgången. Det här är inte dina typiska "hög volym"- eller "nytt 52-veckorslåg"-filter. De är de subtila mönster institutioner skapar när de försöker INTE bli upptäckta.

Filter #1: Volymdivergensfällan

De flesta privata handlare söker efter "hög volym" och tror att det visar intresse. Men institutionell försäljning gömmer sig i ett specifikt mönster: fallande genomsnittlig volym under uppåtgående trender.

Här är filterkriterierna: - 20-dagars genomsnittlig volym minskar med 15 %+ under den senaste månaden - Pris inom 5 % av 52-veckors högsta - Daglig volymvariation överstiger 40 %

Varför detta fungerar: Institutioner distribuerar till privatköp. De behöver prisstyrka för att lämna stora positioner, men deras försäljning minskar faktiskt den genomsnittliga volymen när de tillfredsställer organisk efterfrågan snarare än att skapa nya volymtoppar.

Jag märkte detta mönster först när jag analyserade PELOTON i augusti 2021. Aktien var nära sina historiska toppar, men 20-dagars genomsnittlig volym hade minskat med 23 % trots prisstyrkan. Smarta pengar matade ut aktier till privat eufori. Tre månader senare: -76 %.

Filter #2: Relativ styrkeförsämringsmatris

Detta filter fångar något vackert: institutioner kan inte dölja sektorrotation. När stora pengar lämnar, dumpar de sällan allt på en gång. De roterar kapital, vilket skapar mätbar relativ svaghet.

Sökkriterierna: - RS-betyg mot sektor minskar med 10+ poäng på 2 veckor - RS-betyg mot marknaden minskar med 15+ poäng på 4 veckor - Aktien fortfarande inom 10 % av topparna

Den viktiga insikten från min FX-bakgrund: relativ prestation är viktigare än absolut pris. Precis som EUR/USD-styrka inte betyder något utan att beakta USD-indexrörelse, betyder aktiestyrka inget utan sektorskontext.

Filter #3: Optionsflödesvändsignaler

Här kommer min erfarenhet med institutionellt optionsflöde till nytta. Smarta pengar säkrar sig innan de säljer – men inte som privatpersoner tror.

Filterspecifikationen: - Put/Call-kvot ökar med 30 %+ över 10 dagar - MEN: Implierad volatilitet minskar eller är oförändrad - Öppet intresse i puts växer snabbare vid 10-15 % OTM-strike

Denna kombination är dödlig. Stigande put-intresse med fallande IV betyder att institutioner köper skydd billigt innan de skapar volatiliteten. De satsar inte på en krasch – de förbereder sig för att orsaka en.

Netflix januari 2022: Put/call-kvoten steg från 0,65 till 0,91 över två veckor. IV sjönk faktiskt med 8 %. Aktien var på $590. Sex veckor senare? $340. Optionsmarknaden telegraferade distributionen innan ett enda varningsmeddelande om resultat.

Filter #4: Ackumulerings-/Distributionsoscillatordivergens

A/D-linjen kan vara den mest missförstådda indikatorn inom teknisk analys. Men när den används som screenerfilter med specifika parametrar, är den institutionell kryptonit.

Filterparametrar: - A/D-linjen gör lägre toppar medan priset gör högre toppar - Divergens kvarstår i minst 15 handelsdagar - Chaikin Money Flow bekräftar med negativa värden

Varför 15 dagar? Min backtesting över 500 distributionsevenemang visade att kortare divergenser hade en 58 % falsk positiv frekvens. Förlängda divergenser? 78 % noggrannhet. Institutioner behöver tid att distribuera stora positioner – de kan inte gömma sig i två veckor i sträck.

Förhållandet mellan A/D-linjens mönster och faktiskt institutionellt flöde blev tydligt under min övergång från FX. I valutor är flödet svårare att spåra. I aktier lämnar varje transaktion ett spår.

Filter #5: Smart Money Confidence Index

Detta är min proprietära kombination – som slår ihop flera datapunkter till ett screenerfilter. Det fångar den subtila förskjutningen i institutionell sentiment innan distributionen accelererar.

Det sammansatta filtret: - Stora blockaffärer (>10 000 aktier) minskar med 20 % vecka-för-vecka - Genomsnittlig affärsstorlek minskar medan frekvensen ökar - Bud/erbjudande-spreaden vidgas under marknadstid (inte före/efter) - 13F-inlämnare minskar positioner i 2+ kvartal i följd

Varje komponent berättar en del av historien. Tillsammans skriker de "distribution." När Goldmans blockdesk ser 20 % färre stora order medan genomsnittlig affärsstorlek sjunker, ackumulerar inte institutioner – de delar ut positioner för att minimera marknadspåverkan.

Kombinera filter: Den sekventiella screeningsprocessen

Här misslyckas de flesta handlare: de tillämpar alla filter samtidigt och får noll resultat. Institutionell distribution är en process, inte ett evenemang. Din screening måste vara sekventiell.

Vecka 1-2: Börja med Filter #2 (Relativ styrka) - Kasta brett nät för RS-försämring - Skapa bevakningslista med 50-100 namn

Vecka 3-4: Tillämpa Filter #1 (Volymdivergens) - Begränsa listan till aktier som visar båda mönstren - Minskar vanligtvis listan med 70 %

Vecka 4-5: Lägg till Filter #3 och #4 - Leta efter optionsflödesbekräftelse - Kontrollera A/D-divergensutveckling

Vecka 5-6: Bekräfta med Filter #5 - Slutlig smart money confidence-kontroll - Positionera för distributionsacceleration

Detta speglar hur institutioner faktiskt distribuerar. De dumpar inte allt dag ett. De testar likviditet, bedömer efterfrågan, justerar takt. Din screeningsprocess måste matcha deras distributionstidslinje.

Plattformsspecifik implementering

TradingView: Bygg anpassade screeners med Pine Script för Filter #1, #2 och #4. Volymmönster och RS-beräkningar fungerar utmärkt här. För optionsflöde behöver du komplettera med extern data.

Finviz Elite: Utmärkt för Filter #2 (relativ styrka) och grundläggande Filter #1-parametrar. Förändringarna i institutionellt ägande under Filter #5 uppdateras varje vecka – perfekt timing för vår sekventiella process.

Bloomberg Terminal: Om du har tillgång, hanterar funktionen FSRC kombinerat med VWAP-analys alla fem filter. Bygg anpassade poängfunktioner som väger varje filter baserat på din backtesting.

Falska signaler och filterfel

Låt mig vara tydlig: dessa filter misslyckas ibland. Ungefär 22 % av gångerna i mina tester. Misslyckandena lärde mig mer än framgångarna.

Vanliga felmoder: - Äkta institutionell rotation (inte utträde) mellan fonder - Indexomviktning som skapar tillfälliga distorsioner - Optionssäkring för evenemang, inte distribution - Säsongsbundna volymmönster i aktier med många privatpersoner

Lösningen är inte perfekta filter – det är korrekt positionsstorlek när filter stämmer överens. Jag riskerar aldrig mer än 0,5 % per signal, även när alla fem filter skriker "distribution." Marknadens förmåga att förbli irrationell överskrider din förmåga att förbli solvent.

Aktuell marknadstillämpning: Mars 2026

När jag skriver detta utlöser flera megacap-tekniknamn Filter #1 och #2 samtidigt. Försämringen i relativ styrka inom halvledare fångar särskilt mitt öga – klassiskt institutionellt rotationsmönster.

Men här är nyansen: med Fear & Greed Index på 12, kanske vi ser kapitulation snarare än distribution. Det är därför kontext spelar roll. Filter identifierar mönster, men marknadsregimen avgör tolkningen.

Under extrem rädsla kan institutionell "försäljning" faktiskt vara tvångslikvidation eller inlösen – inte strategisk distribution. Mönstren ser likadana ut men konsekvenserna skiljer sig mycket.

Utvecklingen av institutionell detektering

När jag började handla 2012 var institutionell aktivitet svårare att upptäcka. Decimalisering, algoritmisk exekvering och dark pools har faktiskt gjort vissa mönster MER synliga, inte mindre. Spelet har utvecklats – så måste dina filter också.

Moderna tillägg att överväga: - Social sentimentdivergens från prisrörelse - ETF-skapande/inlösningsmönster - Korsstillingskorrelationssammanbrott - Förändringar i Dark pool-procent

Kärnkonceptet kvarstår: institutioner kan inte dölja flermiljondollarpositioner. De kan förkläda dem, fördröja upptäckt och minimera påverkan. Men fotspåren finns kvar för dem som vet vilka filter de ska använda.

Din screeningshandlingsplan

Börja enkelt. Försök inte implementera alla fem filter imorgon. Börja med Filter #2 (relativ styrkeförsämring) eftersom det kräver minst specialiserad data.

Bygg din screener denna helg. Kör den dagligen i två veckor. Dokumentera varje flagga – oavsett om de fungerar eller misslyckas. Efter två veckor, lägg till Filter #1. Upprepa processen.

Inom sex veckor har du ett fungerande system för institutionell detektering. Ännu viktigare, du kommer att förstå VARFÖR varje filter fungerar och NÄR det misslyckas.

Det vackra med systematisk screening? Den tar bort känslor. När dina filter flaggar distribution i ditt favorithåll, agerar du på data, inte hopp. Den fördelen – det emotionella avståndet – kan vara mer värdefullt än filtren själva.

Börja screena. Börja smått. Men börja idag. För medan privata handlare debatterar om marknaden kommer att krascha, är institutionerna redan på väg mot utgången. Dessa filter hjälper dig att följa deras fotspår – även när de har de där mjuka skorna på sig.