
A股暴跌大数据:六成个股跌幅超过40%_数据分析
万众抗击“瀑布跌”
6月29日下午,金牌分析师张忆东给他的策略报告写下的标题是“A股开始‘抗洪救灾’”,当天,A股市场超过2000只个股跌停,由此开始了A股的“瀑布跌”模式,直至7月3日收盘,“瀑布”仍在坠落。面对已经接近创造A股历史的下跌,上至监管部门,下至市场各参与主体——公募、私募、保险、券商、上市公司实际控制人等等,都在为如何让A股止泻奔走呐喊,甚至掏出真金白银,这“万众一心”的一幕,终将要被历史记住了吧!
统计数据显示,在本轮杀跌过程中,跌幅超过50%的个股达到490家,跌幅在40%至50%的个股为965只,跌幅在30%至40%的个股为470只,跌幅在30%以内个股为438只。
眼看他起朱楼,眼看他宴宾客,眼看他楼塌了。
6月12日,沪指创出本轮牛市新高5178点。出乎意料的是,自此A股风格突变,一轮暴力程度足以载入历史的杀跌突然而至。
6月15日至7月3日期间,沪指从最高5178.19点一路最低杀至3629.56点,区间最大跌幅达29.9%;6月12日,创业板指数报收3899.7点,到7月3日收盘时则已经下跌至2605.28点,在短短十多个交易日的时间里,指数下跌达33%。
“本轮杀跌最恐怖之处在于,市场下跌速率很快,多个交易日指数跌幅超过5%,个股跌幅超过50%的更比比皆是”,一位曾经历多次牛熊转换的资深投资者如此形容本轮杀跌,同时下跌过程中没有出现像样的反弹,很多个股连续跌停,投资者连卖出的机会都没有。
市场哀嚎四起的同时,监管层寄希望于政策利好来稳定股市,“一行三会”更是轮番上场,但是始终未能止住跌势。虽然7月3日盘中,各主要指数均曾经出现大幅反弹,但是截至收盘,沪指仍然重挫5.77%。
21世纪经济报道记者通过梳理数据,就个股、板块在本轮暴跌中的表现,以及逆势上涨、破发类个股进行统计,希望能够客观地反映本轮暴跌过程中投资者的亏损情况。
六成个股跌幅超过40%
考虑到沪指6月15日开始本轮急速下跌,所以数据选取的时间段为6月12日至7月3日,价格依据为复权后的收盘价,样本范围涵盖了沪深两市的2781只个股。
统计数据显示,在本轮杀跌过程中,跌幅超过50%的个股达到490家,跌幅在40%至50%的个股为965只,跌幅在30%至40%的个股为470只,跌幅在30%以内个股为438只。而能够逆势上涨的股票仅有103只,并主要以近期上市的新股为主。
如剔除同期因停牌而幸免的341只个股,那么本轮杀跌中跌幅超过4成以上的个股达到59.63%,杀跌幅度之强历史罕见。
从个股跌幅榜上看,全信股份以65.23%的跌幅熊冠两市,而华鹏飞、雪峰科技、全筑股份等5只个股跌幅也超过60%。
跌幅榜前5名的个股中,今年上市的次新股占据了三个名额。回顾股价走势可以看出,这类个股上市后连续一字涨停,随后在本轮杀跌过程中股价腰斩。此外,康斯特、金海环境等新股均走势类似。
跌幅榜前50名的个股中,上海和深圳主板个股均为9只,而中小板、创业板个股分别为17只、15只,合计占比达到64%,市场杀跌主力以前期涨幅过高的小盘股为主。
“以创业板为主的中小盘个股,高估值的问题始终被市场诟病。同时,多数小盘股上半年已积累2倍以上的涨幅,当市场出现调整后,资金出于避险需求,率先逃离的便是这类个股”,中投证券投资顾问蒋竞松指出。
而近期上市的新股则在资金的推动作用下,仍然任性连续走高。以6月11日上市的新股信息发展为例,6月12日以来,阶段涨幅已达到264.89%。
申万一级行业全线下挫
与今年2月初,以及5月份的两次调整不同,本轮A股杀跌持续时间和强度远远超出市场预估。从数据可以看出,本轮杀跌的强度远远高出于“530股灾”。
泥沙俱下的市场,使得各行业板块均未能独善其身。按照申万一级行业划分,所有行业板块自6月12日以来全部下跌,即使按市盈率算最低估值的银行板块跌幅也达到12.3%。
Wind数据显示,跌幅最大的一级行业依次为建筑装饰(-38.97%)、计算机(-38.24%)、有色金属(-38.02%)、国防军工(37.94%)、机械设备(-37.6%)。
若进一步细分至二级行业,运输设备(-47.77%)、农业(-45.63%)、专业工程(-44.07%)、基础建设(-43.96%)、稀有金属(-42.96%)等行业跌幅居前。
与上述行业相比,航空、银行、保险行业明显抗跌,这从相关个股的走势亦可看出,南方航空和东方航空跌幅分别只有14.65%和23.24%,相对跌幅远小于其他个股。
国金证券分析师吴彦丰指出,航空股是唯一有业绩有绝对价值的蓝筹板块,其基本面来源于周期景气成本下降和商业模式创新带来的ROE提升,不来源于牛市的估值溢价和故事题材,因此能走出独立行情。
此外,消费类行业也较为抗跌,餐饮和饮料行业近20日跌幅只有15.89%和17.52%。以五粮液为例,区间跌幅仅17.05%。
“白酒股今年一季度业绩开始止跌,而下半年又将迎来金九银十的消费旺季,目前行业拐点预期较高,尤其是部分高端品牌今年业绩有望实现增长”,四川本土一位白酒行业人士指出,在指数暴跌的背景下,防御类的消费品板块无疑成为仅有的选择。
84只个股破发
覆巢之下无完卵,被套的并不只有中小投资者,在市场的暴力下杀过程中,通过定增市场获得筹码的机构同样难以逃脱,多只个股跌破了2015年度的增发价格。
“机构通过定增市场获得筹码,本身就有一定的折价率,从而作为其股价的缓冲区域”,上海某私募人士介绍道,但是今年定增市场十分火爆,如一年期的定增以9折的价格也很难获得,这使得今年机构通过定增市场获得筹码成本要远高于往年。
不过,虽然有折价部分作为安全垫,但是其承受能力毕竟有限,面对本轮史上罕见的暴跌,各家机构同样难以摆脱被套的命运。
统计数据显示,截至7月3日,沪深两市共有623家公司发布2015年定增预案,如果不考虑除权因素,其中有84只个股跌破增发价格,如杭电股份、国睿科技均属于股价跌破增发价格的个股。
值得一提的是,破发个股并不仅仅局限于涨幅巨大的中小盘股票,券商、银行等大盘蓝筹竟然也出现在了破发名单中。
以平安银行为例,5月20日发布公告,公司大股东中国平安以及财通基金、易方达资产等机构参与定增,募资99.99亿元,增发价格为16.7元/股。但是在市场发生系统性风险的背景下,平安银行亦跟随下跌。
直至7月3日收盘,平安银行已下跌至13.07元/股,这意味着此前参与定增的财通基金等机构账面浮亏已达到21.74%。
今年玩命“补血”的券商亦难逃破发噩运。国金证券今年5月完成的定增价格为24元/股,6月新发布的定增预案价格为不低于26.85元/股,而7月3日收盘,国金证券报收于17.79元。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14