京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09