京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05