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
数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20