
何时抄底?大数据教你“别着急”
6月19日,A股三大指数创新低千股跌停。20日,沪指全天触底缩量反弹,创业板成反弹先锋,市场基本仍属于震荡状态,当天三大指数收盘均翻红。央行行长易纲针对股市波动发表讲话指出,既然是市场,就会有涨有跌,投资者应该保持冷静,理性看待。扬子晚报记者梳理Wind智能预测系统发现,大幅调整之后先不着急买。
扬子晚报记者 范晓林
A股跌出机会,北上资金积极加仓
据Wind统计显示,截至目前,北上资金持仓A股个股数量达1647只,其中17只个股持股比例超过10%,主要集中在家用电气、电子、汽车、食品饮料等行业。而3个月前北上资金持仓中,个股持仓比例超10%的仅有9只。过去3个月,共有869只个股获得北上资金增仓,其中共有28只个股的增持比例超2%。行业分布上,获得北上资金增持的个股中,医药生物、化工、电子、房地产、计算机五行业占比最多,分别达81、55、52、50、48只,合计占比32.91%。
多家公司发布增持公告
6月19日晚间,多家上市公司发布公告称,控股股东增持公司股份。以下为部分增持公告:天银机电实控人拟增持不低于1亿元;荣丰控股股东盛世达投资计划十二个月内增持不低于1%股份;金麒麟实控人拟增持不超过200万股;三棵树控股股东计划增持3000万元-1亿元,增持比例不超2%;江南水务大股东一致人拟6个月内合计增持1600万元-2000万元;新朋股份:实际控制人拟增持不超过1000万元。
机构看后市先抑后扬
前海开源董事总经理杨德龙表示,大盘跌破3000点之后,市场在加速探底,一些优质个股有望逐渐企稳回升。在调整中,消费白马股表现相对强劲。现阶段,一是要控制仓位,二是持有消费白马股等防御性板块,来应对市场波动。安信证券认为,估算当前平仓线以下市值规模约为9351亿元,较年初的4593亿元增加103.6%。东北证券认为,利空相继兑现,左侧底部特征明显。长期来看,市场估值结构再度大幅修复,目前已经十分接近2012年12月时市场估值分布高度集中的状态,估值泡沫出清得十分充分。而且长线资金充足,偏配置型的北上资金近三月流入额已超过1200亿。
后市该买什么?
海通策略分析师荀玉根分析指出,A股近期走弱源于事件性因素而非基本面。目前,A股大震荡格局不变,低估值对抗干扰事件,市场进入熬底阶段,以稳为先,如确定性强的消费类行业,战略性看好科技类行业,等待中报业绩。中欧基金建议均衡配置,淡化风格,短期情绪对股市的影响大于经济因素本身,中长期A股公司整体盈利增速仍将继续改善,市场上永远不乏好的投资机会。对投资者而言,建议均衡配置,淡化风格,大市值消费白马、低估值周期龙头,以及具备较强防御属性的公用事业标的均值得关注。
大数据说“不急抄底”
“精准抄底”是很多投资者梦寐以求的事情。若能在股市大级别底部附近买进并长期持有,无疑能积累重要的赚钱砝码。从2008年6月20日以来,每当上证综指单日跌幅超过3%,就在该事件发生之后10日买进,持有至该事件发生后20日卖出。扬子晚报记者梳理Wind智能预测系统,A股近十年上证综指单日跌幅超过3%的事件共有82起,算上今年6月19日就是83起。如果交易策略为:在事件日的10个交易日之后买入,在事件日的20个交易日之后卖出,可以取得理论上“稳稳的收益”。
回测结果显示,大幅调整之后先不着急买。如果暴跌后第二天马上抄底,结果如何?也就是说,将交易条件改为,上证综指单日下跌3%,事件后1日买进,持有至事件后10日卖出。Wind智能预测系统显示结果是:满盘皆输!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10