
大数据告诉我们A股将怎么走
投资,关键在于克服情绪,遵守规律。这是银河策略近年来在所有场合最强调的。说起规律,我们留给市场的一个经典是2013年11月的坚定看多,“古今中外百年历史统计表明,无抵抗下跌的极限没有超过23个月的,A股已经无抵抗下跌超过21个月,大反转即将发生。”随后,党的八项规定吹响了A股反转的号角。无论基本面是什么,大数据下的规律没有被突破。
对各国证券历史的大数据扫描,是银河策略的一大研究特色。无独有偶,近期网络中也有对美国百年股市涨跌的梳理,我们结合银河策略的研究,综合整理,很有意思的是,我们的一些常识会被打破,对股市的规律会有更深刻认识。
下跌的时间一般有多长?
那么,通常下跌的频率和持续时间是怎样的呢?Capital Research & ManagementCo.梳理了1900年至2014年美国股市的历次涨跌,幅度为5%的下跌大约每年出现3次;10%或10%以上的调整大约1年发生1次;下跌15%的情况大约2年出现一次;最后,熊市——也就是20%以上的跌幅——每3.5年发生一次。
中国的情况如何呢?幅度为5%的下跌每年多达6.6次。可见,对于A股来说,5%的下跌,是家常便饭,不能当做警戒指标。10%的下跌,每年约为3.9次,仍然比美国人5%下跌的发生频率略高,基本可以当做投资人的回撤警戒线。大于15%的下跌平均每年2.4次;于20%的下跌,竟然每年也达到1.3次之多。
从更国际化的角度来看,CapitalGroup分析了1988至2015年的MSCI世界指数,发现了与美股基本相似的下跌频率。在全球市场上,5%的下跌大约每年发生2次;10%的调整每2年1次;15%的下跌每3.5年一次;跌幅达20%以上的熊市每6年1次。全球市场之所以变得缓和,是因为不同国家的涨跌周期有所不同,MSCI世界指数部分抵消了不同国家的涨跌,从而变得缓和。可见,一个真正意义上的全球配置者,面临的波动风险要小得多。
不同级别的下跌在数量分布上有何规律?
A股25年间164次幅度超过5%的下跌中,66次跌幅不超过10%,占比40.2%;39次跌幅为10%-15%,占比23.8%;26次跌幅为15%-20%,占比15.9%;33次跌幅超过20%,占比20.1%。也就是说,真正跌幅超过20%的下跌约占下跌总次数的五分之一。
哪些年份涨跌切换较为频繁?
根据国外统计的结果,随着人们对经济、财政和货币政策的了解更加深入,大幅下跌和剧烈波动的情况在现代社会发生的频率明显降低了。那么A股又如何呢?A股市场历史上有三个振幅较大的阶段,分别是建立早期、2006到2009年以及2014到2015年,相应年份的股指下跌次数也相对较多,反映了更为频繁的涨跌切换。但总体而言,除了市场疯狂时期之外,A股的震荡频率大体上略有降低趋势。
金融危机之后的情况有什么不一样?
自2009年标普500见底之后的5年半里,美国股市经历了大约17次下跌,其中,有13次的跌幅介于5%至8%之间;2011年末及2012年春天,美股经历了两次大约9.5%的下跌,几乎跌入调整区间;2010年春天和2011年夏天,分别有2次接近熊市的表现,跌幅达到了16%和18.5%。
总体来说,股市下跌5%以上的频率大约为1年2次;跌幅近10%的调整大约为2年半一次;15%以上的跌幅大约也是2年半出现一次。下跌的频率与1900至2014年的总体情况相似,稍有降低。考虑到美国股市处在一个长达6年的牛市中,这样的结果并不让人意外。那么,过去的6年好日子之后,接下来的6年会如何呢?我们倾向于“大波动在所难免”。这或许正是过去几个月美股同样经历较大调整的原因。
A股从2009年初以来,经历了33次上涨和33次下跌。在下跌的次数中,17次跌幅超过10%,其中10次跌幅超过15%,其中2010年2季度的最大跌幅达25.34%,2015年6月的最大跌幅为21.55%,2015年8月的最大跌幅为26.7%。无疑,A股在金融危机后,又上演了一轮惨烈的下跌,在短短一个季度时间里,发生了四次超过10%的下跌,分别为21.55%、18.00%、12.15%、26.7%,9月上旬还发生了一次幅度为7.34%的下跌。
反弹一般持续多久?
虽然股市过去的规律不一定代表未来的走势,但梳理出来的历史数据仍然具有一定的参考意义。投资者一定有这样的感受:下跌总是很快,而反弹却往往是缓慢的。回看2009年以来美股的17次下跌,却发现这个感受并不准确。在这17次下跌中,平均需要26个交易日,股市才会见底,而令人意外的是,回到之前的高位,也需要26个交易日,与下跌周期的比例是1:1。而从统计数据的中值来看,下跌见底需要19个交易日,而反弹只需要15个交易日。
1991年以来的A股涨跌数据,告诉我们,上涨平均持续19.8天,中值9天;而下跌平均持续17.1天,中值也是9天。其中,10%以上的反弹,平均需要25.08天;15%以上的反弹,平均需要32天;20%以上的反转,平均只需要38.21天;30%以上的反转,也只需要45.3天;而50%以上的大反转,平均需要74.73天,1991年以来共11次。而20%以上的下跌,仅32次,平均耗时28.42天。其中30%以上的下跌仅9次,平均耗时32.44天。
那么,问题来了,6月份以来的下跌之后,市场还有多少风险呢?一方面,机会比风险更多了;另一方面,如果不是大级别的上涨,每一轮上涨得时间,也是有限的。20%以上的反转,平均只有38.21天。
全球格局的周期表现要长的多。Wealthfront研究了1965至2014年的下跌反弹时间框架,得出了类似的结论。他们研究了这一时间段内的14次调整,发现从高点跌至最低点平均需要85天,而从低点反弹平均需要107天,下跌与反弹的周期比例为1:1.26。
如何看V型反转?
在几乎每一次小幅度的下跌中,我们都能看到一个V型反弹,这说明筑底的时间非常短。10%以下的下跌几乎都是立即反弹,2次15%以上的下跌情况有所不同,筑底的时间相对较长。这2次大幅度的调整花了大约2个月的时间见底,然后又经历了3个月的剧烈波动行情,在完全反弹之前屡创新低,下跌与反弹周期的比例为1:1.7。
A股下面会不会继续下跌呢?数据显示,市场会在最初的10天里跌至低点,接着在之后的一个月里找到真正的底部。如果本轮下跌也按照之前的走势发展,那么市场已经经过了这样的多重下跌,今后即便继续下跌,新低的底部空间也不会很大。这就是二次探底或三次探底的积极一面,历史数据显示,真正的底部与之前的低点相比并没有相差太多。
底部震荡仍是常态,泡沫退去当深挖价值
目前,市场并没有全面回稳。5%-10%左右的上下震荡仍将维持一个较长的周期。
除了市场的底部在哪里之外,投资者最关心的另一个问题当然就是应该怎么做。长期投资者应该有多样性的资产配置,不需要太关心当前市场发生了什么事。而最错的做法是恐慌,不加选择地抛售。由于底部不再深不可测,银河策略在9月3日大阅兵前夕强烈呼吁,创业板泡沫退去,机构当深挖价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA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