
深交所大数据揭秘:4月大户出逃小散接盘
上周沪指走进暴跌漩涡,5月5日~5月7日累计跌幅高达8.22%,连续三天的大幅下跌让许多接盘者大惊失色。
事实上,任何质变都需要足够的量的积累,大盘下跌风险的酝酿或许从4月份就开始了。5月11日,深交所发布4月深市个人投资者行为分析,深交所大数据显示,4月份中小散户与新股民买入积极,大户与老股民则净卖出。
深交所在昨日发布的4月个人投资者行为分析中表示,4月份主要有三个特点:第一,成交量加大,主要指数日波动率上升, 反映投资者预期分歧较大;第二,中小散户与新股民买入积极,大户与老股民更趋谨慎;第三,高市盈率股票投资收益率下降,波动率加大。 首先来看成交量和振幅,4月份深市日均成交5743.87亿元,相对3月份(4337.33亿元)增加32.43%,成交量的放大推动深市主要指数持续上涨,深成指、中小板指和创业板指分别上涨12.6%、9.63%和22.38%,震荡加剧。
以指数每日振幅相对收盘价的比例衡量波动率,4月份深成指、中小板指和创业板指的平均日波动率分别为2.3%、2.8%和3.3%,相对3月份 (平均日波动率分别为1.9%、2.1%和2.7%)波动风险显著上升,在市场震荡加大的环境下交投空前活跃,反映出目前投资者对市场未来的涨跌预期分歧较大。
另外,高市盈率股票投资收益率下降,波动率加大。选取3月底市盈率最高和最低的前100只股票,分别代表高市盈率和低市盈率股票组合,可以发现,4月份高市盈率股票的收益率(2.72%)远低于低市盈率股票(9.04%),但波动率(5.81%) 却高于低市盈率股票(4.63%),高市盈率、高波动率股票的主要净买入群体是中小散户和新股民,而个人大户和老股民主要为净卖出。
《每日经济新闻》记者注意到,深交所大数据显示,个人投资者4月以来持续增持深市股票,净买入金额(1313.12亿元)比3月份增加105.60%。其中,个人小户、中户净买入积极,分别净买入1329.66亿元和545.57亿元,比3月份分别增加133.13%和99.86%,而大户净卖出562.10亿元,净卖出金额比3月增加174.65%。新老股民投资热情出现分化,新股民积极净买入(1504.60亿元),比3月份增加25.37%,而老股民主要为净卖出(-191.48亿元)。
深交所表示,在这份统计中,将开户年限为5年以上的称为老股民,开户年限5年以下的称为新股民;按年均每天持流通股市值,个人投资者分为个人小户(小于10万元)、个人中户(10万-100万元)和个人大户(大于100万元)。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23