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
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31