
变局:从数据分析一年前后A股
回忆总是美好的。1年前的7月,A股结束了长达6年的“漫漫熊途”,2014年11月央行2年多以来首次降息,促发了A股此后7个月的大牛行情。现在A股已经从最高点回落了近40%或2000点。那么在牛市一周年后,A股究竟发生了怎样的变化?为回答这个问题,不妨把这一年以来A股的各类数据直接比较。结果会怎样?
先看指数涨跌这个核心数据:去年A股上涨52.87%,而今年以来,A股已经由高峰时的涨56%变为目前下跌1%。全球股市来看,美英也是先扬后抑,2014年,美、德、法、英、日股市分别涨7.52%、2.65%、-0.54%、-2.71%、7.12%。2015年以来是-8.37%、4.75%、8.06%、-6.06%、4.66%。和股市涨跌密切相关的是市值比较。2014年末,沪深两市的总市值为37万亿元,在今年5月升至历史高位62.7万亿元。而到了8月末这数值已经下降到43.8万亿元。
再看股票市场各类数据的比较。2014年末,沪深300、中小板、创业板的市盈率分别为12.91、42.59和63.76倍,到今年5月末是16.83、83.12和140.92倍,目前是12.15、48.41和75.89倍。融资余额来看,变化更直观。2014年末沪深两融余额刚突破1万亿大关,今年5月末该数据已突破2万亿,但随后却是断崖式的下跌,仅仅3个月过后,两融余额已跌破万亿.
从个股来看,2014年末,两市只有贵州茅台一只百元股,到了今年5月末,百元股大军已经扩充到79只,当中还有个股(全通教育)达到逾400元的历史高价。而目前百元股的数量为11只,最高价为停牌的迅游科技,报218.89元.
可以说大部分股票数据与股市先扬后抑基本吻合,但也有例外。AH溢价指数从去年中以来开始持续攀升,就算A股经历了两轮大跌,也仍能创出阶段新高,或许这与香港股市今年表现不佳有关。香港恒生指数今年以来下跌了近9%,恒生国企指数跌幅更达到18.9%。
股市回落,结果可能和人们想象的并不完全一样。1年前和1年后,既有很多不同,也有很多相似。而比结果更重要的,是这过程带来的启示。
其一,金融产品去杠杆应受到重视。回顾今年以来股市的大起大落,资金杠杆的过度使用以及随后的快速收缩,无疑是起到了很大的作用。也因为这样,制定合理的杠杆使用规则,确立与市场实际情况相符合的杠杆比例,就成为人们重点关注的事情。申万宏源分析师桂浩明认为,资本市场是需要杠杆的,但杠杆的使用又必须是符合中国资本市场实际。信用交易也好,带杠杆的金融产品也好,如何把握好它们的“度”至为关键。在这里,作为主导方的金融机构,的确应该有所担当,从稳定市场,有利可持续发展的角度出发,认真审视金融产品的降杠杆问题,从制度层面解决这个问题。
其二,股市波动有“危”有“机”。上半年努力上涨燃起火爆行情的A股,在最近的两个月里损耗殆尽,涨幅全部“回吐”。诺亚财富东北区域CEO徐珂强认为这次波动对中国资本市场来说,是一个机会,让个人投资者为主导的市场变成机构投资者为主导的市场。其次,互联网金融的发展很快,从业者大多是互联网出身的人。无论是做什么金融,只要涉及到金融,风险控制的能力才是核心。所以这次的股市波动是必须要经历的,而且越早经历越好。
其三,股票市场的运行逻辑未变。国泰君安表示,改革和创新依旧是中国经济内生性转变的核心逻辑,国企央企的改革,万众创新与万众创业的理念的深入人心,中国的新增长动力依旧充沛,这就隐含着一条核心逻辑,创新改革逻辑与经济逐步企稳的核心逻辑不变。
回到股市上,近期投资者对于后期的预期有所看淡,今年经济如呈现L形走势,改革预期加强是给予市场信心恢复的重中之重。比如近期央企国企整合改革方案的逐步出台便是较为明显的信号。
综上所述,对于后期市场依旧可以积极展望与期待,中国转型后的未来与中国资本市场的蓬勃发展是一对密不可分的双生子,国家政策层面的稳定,已经开始逐步唤回市场的信心。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25