京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据告诉你A股的秘密规律
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,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%。
尾盘上涨现象与市场交易机制有较大关系,例如尾盘机构集中建仓、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。
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
“Sell In may and goaway”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%。
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。
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。
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。
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,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。
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