京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据统计告诉你 暴跌中的股民在忙什么_数据分析师考试
2015年的这次A股暴跌与之前的的区别是什么?除了暴跌的幅度、持续时长均超过历史同期以外,还有一点也很重要:那就是操作的媒介发生了变化。在01年的大跌中,大部分股民还是在证券大厅中紧盯股票走势。07年的大跌中,PC端股票网站及软件已经逐渐普及,而在现在,移动端的证券内应用则成为了主要的炒股工具。
正因如此,移动端的大数据也精确的记录下了每一个股灾中的股民的真实行为。由TalkingData移动数据研究中心出具的一组数据,为我们留下了这些珍贵的记录。
1.股市波动越剧烈,证券APP越活跃
伴随近期股市的大幅震荡,证券类应用用户活跃度也出现波动,每逢沪指大幅下跌或重大利好政策出台次日,证券类应用的用户活跃次数均出现显著增长。
证券类应用用户活跃度
可以看到,在央行和证监会公布利好之后的第一个开市日,股票APP均会有较大的活跃增长(例如6月29日、7月6日)。此外,剧烈的波动也会影响股民的活跃度,例如在7月1日,沪指大跌5.23%之后,第二天的股票APP的活跃程度就达到近段时间的峰值。
2.股民选择的证券应用不同,但心理状况和应用习惯近似。
各证券类应用的日活跃用户量的变化也与股市在工作日与周末的开市规律一致,并随近期股市震荡出现相应波动。
应用活跃度
图中,应用活跃度从上至下排序分别为:同花顺、大智慧、东方财富通、涨乐财付通和自选股。可以看到,无论用户使用哪家的证券类应用,趋势增长幅度都是类似的。但用户较多的同花顺与大智慧,在一些重大时间点上,用户活跃程度会产生更大的波动。
3.早晨、开盘时和晚间消息公布时为证券类应用的活跃高峰期
在看过了周期分析之后,我们来看看单日分析。
证券类应用的活跃高峰期
6月29日,经历了前一周周五的股市重挫与周末的降准利好消息,用户对周一股市开盘的走势高度关注,证券类应用的活跃度也在股市一开盘便抵达高峰。
从整体局势上看,在开盘前的7点钟(也是许多股民起床的时间)即开始活跃度激增。这不仅仅是因为暴跌中的股民已经养成了起床后关注证券类应用的习惯,也因为6月29日是央行降息后的第一个开市日,因此多数股民会对股票走势产生更高的期待。
9点开盘之后,证券应用的活跃度迅速增长在1小时内达到最高点。甚至在中午收盘,证券应用的活跃度仍没有明显的减少。这体现出股民在中午休市期间的股票查询及操作仍然很频繁。下午随着股指继续振荡,证券类应用的活跃度持续维持在高水平,一直到闭市。
在收盘之后,证券应用的活跃度开始逐渐下降。但晚上十九点活跃度又提升。这说明《基本养老保险基金投资管理办法》公开征询意见等消息出台,使得高度敏感的股民在利好消息出现后立即打开证券应用,筹划明天的操作。
4.看盘交易类应用活跃高峰为开盘时间,资讯社交类应用活跃高峰为早晨、收盘后与晚间。
7月2日,沪指高开低收,证券类应用用户活跃度也呈现上午增长后下午持续低迷的特点,与看盘交易类的同花顺、大智慧等不同;注重资讯社交功能的雪球;在收盘后及晚间的用户活跃度较盘间时段更高。
证券类应用用户活跃度
具体而言,7点应用高峰时段,活跃度最高的是雪球。而在上午和下午开盘时期,则是自选股和涨乐财付通及其他看盘操作类应用的活跃期。但看盘操作类应用在收盘后活跃度便开始下降,而雪球则走势更为平稳。最终在晚上21点,随着晚间利好消息的出台,由于股民需要对消息进行及时的讨论、分析,因而注重社交的雪球的活跃度再次上升达到一天第二个顶点。
5.股票走势与股民活跃度成正向关系。
7月6日,在经历了周末证监会暂缓IPO与要求券商增持的利好消息后,市场情绪振奋,开盘证券应用出现活跃度高峰,下午沪指一路走低收盘前出现反弹,证券应用用户活跃度也在收盘前出现小高峰。
上证走势图与应用活跃走势图
将上证走势图与应用活跃走势图两相对比可以看出,大盘走势与证券应用的活跃程度出现的正向相关关系。7月6日早上9点,随着沪指高开7.82%,开盘后证券类应用活跃度迅速达到全天峰值.但随着股市之后逐渐下跌振荡,股民的活跃度开始减退。但在14:30后大盘走势尾部突然拉升,使得股民的注意力重新集中起来,证券应用的活跃度也开始上升。
6.不同地域城市均用股票应用,安卓设备中三星、华为和小米最多。
证券应用用户的地域
从证券应用用户的地域来看,证券类应用已经在一、二、三线城市同时普及开来,因此一、二、三线城市的股民分配非常平均。甚至一线城市的城市股民的证券应用还要少于二线及三线以下城市,仅占25.6%。而三线城市的反而占比最多,占39.5%。
而另外一方面,如果从安卓用户的手机来看,约七成是三星、华为和小米用户。其中30.8%的用户使用三星手机,比例为安卓手机品牌最高。华为和小米是第二梯队,均为20%左右。此后则是魅族(4.4%)、酷派(3.4%)、OPPO(2.8%)、联想(2.2%)和HTC(2.0%)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11