京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据告诉你 并购重组指数为何那么牛
近2700家A股上市公司,并购或重组频现,如何才能把握住A股并购重组的投资机遇,金融大数据来说话。
以金融大数据为基础的中证万得并购重组指数设立以来,跑赢沪深300和上证指数收益率120个百分点以上。国内领先的综合型资产管理公司易方达设计出国内首只并购重组指数基金,跟踪的就是该指数,易方达并购重组分级(代码161123)5月18日起在银行、券商、易方达官网等渠道发行。
Wind统计数据显示,2014年年初以来披露重大重组事件的上市公司数量达488家,每家公司披露的并购重组事件类型不同、进程不同、涉及资产金额差异巨大、对上市公司盈利和股价的影响差异更大。
国内领先的金融数据资讯机构万得拥有对这些金融大数据的整理和分析能力,能及时从上市公司公告中获取并购重组数据信息,并进行统计分析。
易方达联合万得向中证指数公司定制了中证万得并购重组指数,该指数编制比一般指数复杂,每月会根据上市公司的并购重组进程进行一次成分股调整,需金融大数据的支持。上市公司并购重组事项首次公告披露后,并满足股票日均成交量、日均总市值等指标,然后列入并购重组指数备选股,将备选样本股票按照并购或资产重组涉及交易资产总价值降序排列,从大到小确定100只指数成分股。
同时,为了减少每次调整成份股数量和调整幅度,采取缓冲区规则,排名在前80 名的候选新样本优先进入指数,排名在前120 名的老样本优先保留。既要根据新公告及时调整入并购重组股,又要确保每月调整幅度不会太大,有利于指数基金的平稳运作。
此外,该指数还设定了成分股权重上线,单只个股的权重上线为5%,让指数基金投资股票的分布更均衡。并购重组指数成分股虽不是每只股票都能成功并购重组,但整体表现突出,设定单只个股5%最高权重,也是为了减少单只个股重组可能不成功对指数的影响。
从指数表现来看,2011年年底为1000点基点,并购重组指数2015年5月14日的收盘达到了3238.78点,累计上涨223.88%,同期上证指数和沪深300指数涨幅分别为99.04%和100.4%,分别跑赢124.84和123.48个百分点。
惊呆基金小伙伴们的是,并购重组指数成立以来业绩表现不仅远超过大盘指数,而且超过了中小盘成长股的代表指数中证500。中证500指数2012年以来到2015年5月14日的累计涨幅为167.09%,并购重组指数同期表现超越该指数56.79个百分点。
为何并购重组指数能有这么牛的表现?业内专家分析,这个金融大数据统计分析有一定的关系,上市公司在并购重组中和并购重组后,资产质量提升,市场占比提升,利润率提升,对上市公司盈利能力和股价表现都有利,指数化投资于并购重组股的长期表现因此较为突出。
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