京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据为你揭开A股的十个秘密规律
1、收盘前上涨概率较高
统计数据表明,2009年1月至2015年9月期间,指数日内呈现上涨趋势,低开高走:午前的市场基本呈现下跌现象,午后市场好转,尾盘拉升较为明显。尤其是,尾盘前几分钟,市场会有较为明显的上涨,其上涨的概率也急速提升。
对比指数每五分钟的涨跌幅发现,午盘收盘前和全天收盘前,市场呈现较高概率的上涨,上涨概率高达60.3%和79.1%。
结论:尾盘上涨现象与市场交易机制有较大关系,例如尾盘市场资金情况、机构集中建仓、以及大宗交易的影响。但综合而言,对该现象的产生,目前尚没有完美的解释。
2、周一上涨概率大
统计每周的交易时间发现,周一上涨的概率和幅度最大。分段统计后发现,牛市期间,股市在周一上涨的幅度较大,而熊市中这种现象不明显。
“周一更容易上涨现象”在美国等成熟市场则并不明显,这很可能是由于成熟市场投资者情绪化不明显造成的。但是,在当前情绪化仍然爆棚的A股,牛市的情绪显然更容易在假期被点燃。
周一出现极端涨跌幅的概率较高,这也与市场预期有关。例如投资者未预期到的周末市场数据和突发事件出现,或者预期落空带来的市场波动,在我国以散户为主的市场中,这种市场情绪波动更大。
统计月度数据发现,我国资本市场的上半月效应明显。而这种现象,与SHIBOR短端利率上半月较低的统计规律遥相呼应。
3、四月份要卖
“SellInmayandgoaway”是一句广为流传的股市谚语,指的是股市在经过5月份后,市场就开始疲软,投资者在5月就可以获利了结。
通过随机测算上证综指的投资收益率:在每年任意时间买入指数,在之后任意时间卖出获利。发现年初买入、四月卖出获得正收益的概率最大。同时对比美国标普500指数,此期间交易带来的正收益概率也是最大的。
同时,美国的长期投资价值凸显,从年度随机投资收益的分布来看,均显示最长时间的持股,投资收益最高。对比标普500的指数的长期走势,发现标普500指数的价值是通过时间来检验的,持有时间越长,收益越高。
如果从月度涨跌幅的角度去看市场,上证综指和标普500指数均在上半年取得比较好的正收益,上涨的概率较高,而进入6月份后,市场的回报率和上涨概率均下行。
4、牛市波动增强
用两种方法来表示股票市场的波动,日内分钟收益率的标准差和开盘收盘价格波幅。
从日内分钟数据的标准差来看,在上证综指的阶段性顶点时,市场的波动显著增强,而这种现象在市场趋势性上涨的尾端更为明显。
从开盘收盘价格的波幅来看,波动带来的规律并不如上一种方式明显。
但对开盘收盘的价格进行了策略化处理后,回测其效果即:高开买进、低开卖出的双向操作。
回测结果显示,这样的策略长期表现要好于指数,但其效果存在失效期。用同样的方法测试了沪深300股指期货主力合约,策略失效同样存在,其长期效果尚可,年化回报率为12.2%。
对波动的日历效应的检测数据表明,其分钟数据收益率的标准差并无明显的日历效应,而开盘收盘价个波幅表现出与指数类似的分布规律。
5、春节前后上涨概率大
每当长假来临,持币过节还是持股过节的问题,都会备受投资者关注。
研究结果表明,在节前五个交易日,节后七个交易日里,上证综指表现较好。在迄今为止的22个春节前后,上证综指上涨次数为18次,上涨概率高达81.81%,涨跌幅的中值为3.19%,均值为3.72%。春节效应比十一效应更加明显,持续时间更长、平均上涨幅度更大。
在十一长假之前的三个交易日和假日之后的两个交易日,上证综指表现较好。在16次十一长假前后,上证综指有11次上涨,上涨概率为68.75%,指数涨跌幅的中值为1.87%,均值为1.05%。由此可见,在十一假日前后,指数上涨的概率较大,十一效应在A股市场中较为明显。
整体而言,我国的假期效应明显,尤其是春节效应,其持续时间和涨幅都比较高。
统计标普500指数的圣诞节效应,发现同样存在节日效应,尤其是在圣诞节之后,市场表现相对较好。
6、均线系统仍有效
技术分析在我国股票市场应用依然较为广泛,而技术分析的有效性,也是广大投资者争论不休的事情。
用均线交易策略,来检验全球主要资本市场的综合指数,寻找技术分析是否有效。
回测结果显示,在多数发展比较完善的资本市场,例如美国,日本、英国、法国,均线系统下的技术分析已经失效,而新兴市场国家和地区依然有效,而且德国DAX30指数有效性也较强。
结论:技术分析存在有效期,随着市场的发展,其有效性逐步减弱。因为,技术分析这种“想让所有人通过简单技术指标来挣钱”的策略,肯定不会让所有人都挣钱。如果某种指标一旦给市场全面接受,那么它带来的超额收益将会被削弱。
值得一提的是,双均线系统的有效期,比单均线有效期要长久一些,或许这暗示着技术分析也要进行不断的演化,以适应市场的发展。
7、7倍PE肯定见底
资本市场有其自身规律,也有着估值的上下限。“树不会长到天上去”,脱离资本市场规律的事情不可能长久。
8、低价股收益率最高
对比A股的不同市场风格指数发现,在A股中,低估值个股,包括低市盈率和低市净率指数,长期走势均好于中、高估值品种,且其长期收益率要高于上证综指。在资本市场的长线低估值走势较好。
小盘股相对较高的成长性带来的收益,使得小市值公司整体超过大市值公司。
活跃股指数是所有风格指数中收益率最差的风格,热门个股或许不是一个好的投资策略。
低价股指数是所有风格指数中收益率最高的,这与我国投资者机构中,散户占比较多、且金融素养相对较差有关。
亏损指数的牛市中弹性高,但整体收益小于绩优股。
9、新股上市第一年收益欠佳
由于我国资本市场的结构和上市制度,导致上市公司在上市前报表的盈利能力较高,而一旦上市A股,其整体盈利能力开始下滑。
统计前五年上市公司的RoE分布表明,随着上市时间的延长,低盈利能力的公司开始增加,收益率的众数开始向较低的RoE水平倾斜。
对比上市公司不同年限的投资价值,上市第一年的投资收益并不好,其后明显好转。
10、金融板块行情独立
从行业的月度收益率出发,寻找行业之间的联动性。
数据显示,金融行业与其他行业的相关性最小,而在每个月上涨前五名的行业中,银行业出现的次数最多。
如果对比市场整体收益率,“综合”行业出现较高超越市场整体涨幅的概率较高。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05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