京公网安备 11010802034615号
经营许可证编号:京B2-20210330
11月20日,沪指还在2440点徘徊,而10个交易日之后,指数已经逼近3000点,涨幅超过了20%,这10天沪指日均成交量超过了5000亿元,创造了历史天量。期间券商、保险、地产、银行等大权重股纷纷飙涨,板块涨幅超过了30%,大象起舞,政策重磅利好频繁(沪港通、降息等),资金流动性泛滥,这真的是牛市来了吗?那么来看这一组指标吧。
熊市要素被一一化解
从2009年8月开始,A股重新进入熊市,其实主要原因是以下几点,首先是资金面收紧,通胀预期明确;其次是地方债商业银行坏账高企,管理层的货币政策无法转向;还有房地产泡沫破裂,周期性如有色金属、煤炭、钢铁等行业普遍进入业绩低谷;影子银行风险,资金在虚拟经济空转,钱荒效应危机四伏;最后是新股、再融资量巨大,市场入不敷出,成交低迷。如今来看,笔者认为管理层逐步找到问题的突破口,其中最明显的就是新股要素,通过新股改革,乃至未来可能的注册制,已经通过市场赚钱效应和新财富神话进行了化解。还有央行,开始向美国、欧洲和日本学习,放水提供无尽的流动性,把所有风险先盖住,通过强大的资源控制力,把风险释放到外围,比如民营企业和民间借贷等,保证实体经济的稳定。如今行情的走强,完全是依托资金流动性的突然释放,银行理财等无风险利率下降,将资金赶入股市带来的机会。
数据显示,中国11月汇丰制造业PMI初值由前值50.4回落至50,创半年新低。其中,产出分项指数由上月的50.7大幅回落至49.5,重回收缩领域,创下7个月新低。综合近期数据,显示四季度经济增长依旧不容乐观,1~10月份,全国规模以上工业企业实现利润总额49446.8亿元,同比增长6.7%,增速比1~9月份回落1.2个百分点,创21个月新低,其中煤炭开采和洗选业利润总额同比大降45.2%。“稳增长”压力不断增大,宽松预期持续发酵。笔者认为经济走弱逼迫管理层必须要推行宽松货币政策,随着中国经济通货紧缩状况进一步确立,货币宽松如影随形,流动性泛滥形成股市上涨的强大动力,更由于经济下行趋势进一步确立,而金融市场又一直出现融资成本过高,影响实体企业盈利的情况,未来央行货币必然宽松,信贷将会形成猛烈的供给。但基本面走弱也成为市场最大的硬伤,而牛市行情中,业绩增长乃至超预期增长是主要的动力,仅凭宽松政策难以引发持久的牛市。本波降息类似于2012年,同时从走势来看,也有1949点时大肆启动权重股类似,那么股民可以借鉴相关走势。
政策利好成色良好
由于市场资金流动性充裕,那么具有低估值、低股价与高股息率的蓝筹品种,往往最受场外资金大举追捧,这样指数就会被大权重股推动而持续拉升。笔者认为如今反弹的核心就是政策受益,沪港通、降息乃至未来的注册制、T+0等,都为已经沉寂近5年的蓝筹股提供了机会,随着超跌反弹、政策推动,资金持续流入,行情也就由此而起了。历史上A股的牛市都是政策诱发的,比如说2006~2007年的股改、汇改;2008年四季度的4万亿元救市刺激计划等。今年是全面深化改革元年,对于全面深化改革的部署,2014~2015年是全面启动阶段,2016~2018年是攻坚阶段,2019~2020是收尾阶段。2013年底市场认为2014年各项改革会全面启动,但实际情况(特别是上半年)显著弱于预期。其中原因在于,虽然三中全会制定了全面深化改革的顶层设计方案,但各个领域的改革方案并没制定,需要在2014年制定。因此,2014年本质上是改革方案设计年,2015年是各项改革启动年。从12月份开始,各项改革政策可能会纷至沓来。比如京津冀协同发展规划、“一带一路”长期规划、土地制度改革等。
从近期新入资金行为角度看,2500点下方是券商、游资、私募、大户等持续加杠杆的资金推动,2500点以上才是社保、保险、银行、企业资金全力入市的阶段,这些长线资金建仓体现在盘面上基本就是扫货,照单全收。以金融股为代表的蓝筹股也在资金推动下形成了近乎疯狂的走势。对于目前的股指运行态势,调整就买入,当这种共识越来越强烈的时候,指数反而就跌不下去,而是一路上涨,现在就是这种情况。对于一些确定性的机会,大家都等着好的价格去买,在钱很充裕的情况下,等到好价格是很困难的事情。本文:CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17