京公网安备 11010802034615号
经营许可证编号:京B2-20210330
沪指天量爆表之后何去何从 大数据图解后市走势
昨日,沪市量能首破万亿大关,两市成交更是突破1.8万亿,不仅创出世界资本市场最大成交量,更导致上交所行情系统遭遇了史无前例的爆表尴尬,成交停留在了10000亿。
昨日盘中巨震勾起了市场人士对“5·30”大跌走势的回忆。那么,这次下跌是不是又会重演“5·30”的走势呢?
川财证券分析师吴家麒通过对比分析“5·30”以及目前的市场数据发现,从投资者开户统计代表的情绪来看,目前和2005~2007年牛市非常类似:股票和基金新开户账户数量不断创新高;从投资者心理分析,股民先于基民进入市场,2005~2007牛市中的数据也验证了这一点,股票账户开户数领先基金账户开户数;从本轮的数据来看,股票账户开户数领先基金账户开户数。
从基民认购基金的情绪来看,增量基金类似2005~2007年不断规模增大,存量基金规模会远小于2007年。新基金发行总规模和单只基金发行平均规模都在不断的上升中,2007年单只基金发行平均规模超过100亿元,现在为40亿元。基金十大重仓股的市值规模和基金平均规模高度一致,原因是基金规模决定了投资股票的市值风格。由于基金个数已非2007年能比,因此从整体的基金平均规模不可能再上升到当时的130亿元的规模。
从创新高股票占比来看,之后的调整一定是较大的指数调整。2015年3月和4月,创历史新高个股的占比都超过了40%。从历史上来看类似的情况只发生过6次,持续时间最长为3个月。每次发生以后都迎来了一个指数超过20%以上的巨幅调整,但是未必这个信号就是牛市终结的信号。
从风格上来看,本轮发生的风格转化和事件与2005~2007年牛市非常类似。B股暴涨以至于集体涨停在2007年5月也发生过。金融股为代表的大盘股暴涨在2006年12月也发生过。本轮牛市经历过的大小盘风格转变和2005~2007年牛市中的前半段非常类似。2005~2007牛市中两个值得注意的信号:“5·30”之前B股先于A股指数见顶,第二次大盘股暴涨的2007年10月即是大盘到顶的时间。
从龙头股表现来看,目前可能还有上涨空间。2005~2007年牛市龙头个股板块是券商、有色和船舶,本轮牛市龙头个股板块是互联网+金融和移动互联网。市值风格来看龙头股的市值都在100亿~500亿元之间。从绝对涨幅来看,本轮龙头股上涨并不及上轮龙头股的上涨。“5·30”之后在绝大多数个股下跌的情况下,几乎所有的龙头股都获得了绝对收益。与之前的认识不同,龙头股顶部时间和大盘的顶部时间并没有明确的一致关系。
那么天量之后,市场如何走?海通证券分析了历史天量图之后认为,牛市中,放量大跌并不一定意味着市场会马上见顶。目前市场趋势还未坏,宏观政策偏暖未变,但指数上涨千点后市场波动会加大,投资环境从3月来的“大胆跑”阶段进入“悠着走”阶段,投资者应密切跟踪政策动向。
牛市中的天量图
回顾05-07年、08年底-09年以及本轮牛市,出现大幅放量下跌的有如下几次:
(数据来源:海通策略荀玉根团队)
大数据图解:天量之后“悠着走”
①牛市中,放量大跌并不一定意味着市场会马上见顶,历史上曾多次出现放量大跌后再缩量创新高。
②从宏观政策和股市政策背景看,本次放量下跌与14年12月9日类似,都是宏观政策暖调但股市政策微调。12月9日证监会进证券公司检查两融业务,本次证监会要求券商两融不得参与场外配资和伞形信托。
③市场趋势还未坏,宏观政策偏暖未变,两融新政暂不代表全面调控股市,20日新华社发表“经济转型关键期需要慢牛长牛支持”文章,增量资金入市继续。但是相比3月初,管理层对股市态度微妙变化、资金蜂拥入市后市场热度已大幅上升,指数上涨千点后市场波动会加大,投资环境从3月来的“大胆跑”阶段进入“悠着走”阶段,密切跟踪政策动向。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22