京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据告诉你A股牛市才刚开始_数据分析师
上周突破2009年时高点3478点之后,上证指数近来的上涨速率明显开始加快,本周一上证指数再度大涨近2%,创出3688.25点的反弹新高,两市成交量也随之攀升至1.2万亿元以上,由居民资产再配置催生的A股牛市正在起航。
对于近来股指的持续上涨,国金证券策略分析师徐炜认为,居民资产再配置仍在发生,实物类资产转向权益类资产趋势不变:若大致将6个月票据转贴利率视为无风险利率的一个参考指标来看,无风险利率自2014年初至今仍处于一个趋势下降的通道,6个月票据转贴利率(月息)由前期高点的6.95%。回落至当前的4.4%。,下降幅度高达37%,由于市场预期接下来宽松货币窗口已经开启,由此可以大致预判无风险利率进一步下降的空间仍将存在。
此外,由于无风险利率的快速下降,居民资产再配置逐步发生变化,由前期的投资大宗商品、收藏品、商品住宅等实物类的资产逐步转移到了投资权益类资产,由此可以看到自2014年至今,整体呈现“股债双牛”的局面。
从A股的流动性方面来看,沪深两市新增股票账户数(单周)高达72.0822万户,接近2014年年底高点,存量账户更是创出历史新高。同样的,基金开户数方面,单周新增开户数高达44.8277万户,接近2014年年底高点。融资融券业务方面,截至3月20日,融资余额高达1.378万亿元,创出历史新高,是去年同期的3.5倍,资金面十分充裕。
A股市场存在“赚钱效应”的背后,本质上是居民资产再配置发生了变化。另外,随着养老金入市门槛的降低、深港通开通、券商代客理财办法的拟议实施,一系列制度红利的释放也为A股的上涨注入了动力。
在A股市场出现九连阳之后,徐炜认为市场的波动会有所增加,获利盘压力有所增加,但站在这个时点,“树欲静而风不止”,市场“有钱任性”的态势仍难以改变。从历史行业轮动的一般性规律来看,当风险偏好持续提升时,风险溢价会由集中的单一板块逐步向外溢出,形成普涨的格局。
与此同时,海通证券通过对大数据的研究发现,资金入市才开始。
一方面,增量资金入市的趋势已经确立。几个代表性的指标可以测算到底多少资金流入,证券市场交易结算资金银证转账(代表散户资金)、融资余额(代表杠杆资金)、股票和混合型基金份额(代表机构资金)、沪股通流入额(代表外资)2014年7月以来净增长分别为20147亿、9329亿、468亿、1223亿元,总计31167亿元,同期A股自由流通市值增长82921亿元,比值为37.6%。2015年以来各数据分别为13680亿、3397亿、1412亿、477亿,总计18966亿元,比自由流通市值增54%。
另一方面,市场热情仍在早中期,资金入市才开始。现阶段的增量资金主要是个人投资者中的大户、超级大户(账户规模1亿以上),代表中小投资者的“大妈”(账户规模50万以下)才开始慢慢入场。对比当前市场与2009年8月4日、2007年10月16日上证指数高点时,全部A股PE(TTM)分别为19.9倍、36.1倍、53.5倍,年化换手率分别为387%、489%、903%,交易活跃度分别为12.5%、19.2%(2007年无此数据)。市场面数据可见市场的热情还处于早中期。
海通证券策略分析师荀玉根等建议积极拥抱牛市。上证50、中证500股指期货交易合约不会改变市场原有运行趋势。历史数据显示,牛市中基金收益率低于上证综指,而熊市、震荡市中基金收益率战胜指数。专业投资者选股能力强,而牛市中因市场情绪高涨,个股之间涨幅差异小,过于注重基本面反而容易错失机遇。价值成长将轮涨,短期略偏价值股。考虑到前期成长股表现更为醒目,预计短期价值股略占优,主题仍看大上海、大环保。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27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