大数据:A股存在“换手率魔咒” 成交异动要警惕
从跌停到涨停，日换手率高达83%，海欣食品是9月22日当仁不让的明星股。不过，海通证券最新的研究表明，这种出现高换手异动的股票，之后的走势往往跑输大盘，即“换手率魔咒”，没有明确消息的投资者最好应规避此类个股。
海通证券分析师高道德、郑雅斌的统计显示，高换手股票在A股中每天都会多次出现。从2012年4月6日到2015年9月17日共计842个交易日，5分钟内换手率超过5%的异动共出现3694次，平均每个交易日4.4次。
从板块分布来看，高换手异动板块主要集中在中小板和创业板。在3694次异动中，中小创就占了2512次，占比高达68%。
高换手异动股板块分别
| 所属板块 | 异动股票 | 异动次数 |
| 创业板 | 204 | 1236 |
| 中小板 | 302 | 1276 |
| 沪市主板 | 264 | 750 |
| 深市主板 | 158 | 432 |
| 合计 | 928 | 3694 |
(数据来源：海通证券)
统计显示，股票高换手异动后，跑输沪深300指数是大概率事件。这些异动股票的5日平均收益低于沪深300指数1.13个百分点，10日平均收益低1.60个百分点。
异动股票主要集中在创业板和中小板，以沪深300指数作为基准存在风格偏离。不过，即使与全A指数相比，这些股票异动后，跑输全A指数同样是大概率事件，而且持有时间越长，负收益越高。
如果将换手率异动的阈值由5%换为1%，异动个股个数将大幅增加，但上述结论仍然成立。
海通证券将这种情况称为“换手率魔咒”——无论从“日内”还是“日均”维度考察，高换手率股票大概率贡献负的超额收益。
至于“换手率魔咒”的原因，海通证券认为，这可能与A股市场的投资者结构有关。研究发现，以个人投资者为主的A股市场，高曝光个股(高换手，高涨幅，分析师持续推荐)存在股价反应过度的现象。当个股高度曝光，并进入个人投资者关注的阶段，股价将会大概率出现反转，并贡献显著的负超额收益。
因此，海通证券建议，对于没有明确信息优势的投资者，应规避短期“高换手”“高曝光”的个股。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
写在开头 老板在微信上甩来一句： "帮我看下为什么销量跌了。" ” 你回工位，打开 SQL，开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者：李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时，PySpark的groupBy()确实能完成统计，这也是它的本职工作。但它有一个根本性局限：每一组数据，最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表，结合地理空间维度与数据密度特征，通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图，画过按天的流量折线图，但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”，在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司，工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中，数据往往不是独立存在的，不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读：大多数人只把 dataclasses 当成偷懒工具，用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系，但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中，行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中，千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者：李诗怡 1. 5W1H 分析法 定义：经典系统性思维框架，通过六个核心维度对问题进行全方位拆解与剖析，确 ...
2026-09-28 很多分析师在设计标签时思路清晰，但真到落地环节却面临“数据在手，不知如何转化为可用标签”的困境：或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者：李诗怡 1. 用户标签体系 定义： 通过一系列高度精炼的特征标识，对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库，广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展，数据已成为核心生产要素，各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道，但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时，却常常答不上来。 ...
2026-09-24在时序数据分析中，大部分业务数据并非持续平稳变化，而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象， ...
2026-09-23在统计学与数据分析中，研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能，认 ...
2026-09-23 很多数据分析师每天都在写 SQL，但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询，但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
