从大盘数据看A股是否为政策市

我国股市一向有“政策市”、“消息市”的美誉。A股小道消息满天飞，各种概念层出不穷，只要站在消息、概念的台风口，落汤鸡也能变成金凤凰，即使是ST股也能连续拉升30多个涨停，还不带喘气的。如果我们能够在大盘趋势图或者个股趋势图上，标注出这些消息，来个众山一览小，是否能有助于我们把握大趋势，喝少少肉汤昵？

证监会对于“政策市”的说法予以断然否认，称这只是与当前我国资本市场结构还不够合理、优化资源配置的功能没有充分发挥、市场约束机制不强、市场运行的体制和机制还存在一些问题有关。但股市的涨跌经常与政府出台政策相关联，因此，很多投资者会形成“证监会对股市涨跌负责”的印象。中国证监会指出，“股市有其内在的运行规律。作为监管部门，证监会的职责是维护市场公开、公平、公正原则，建立良好的竞争秩序。除了人民利益、国家利益、广大投资者的利益之外，证监会没有任何自己的利益。”

　　事实上A股的部分涨跌情况也能证明前述情况，比如国有股减持、股权分置改革等，都曾引发市场的大涨或大跌。

　　但A股市场也有不少政策失效的例子，比如证券交易印花税的调整，牛市提高印花税未能起到降温的作用，而熊市降低印花税也未能刺激股市上涨。

那么A股到底是否为政策市？在通常情况下，股市调控传说中的有几大神器有：①宏观调控；②证券交易印花税；③存贷款利率以及存款准备金率。

首先从宏观调控政策来看，如图1. 宏观调控政策对于A股的影响所示，1999年7月2日《证券法》实施，有了近两年的牛市表现，A股上证指数近乎翻了一倍还多；但从2001年7月26日以来，国有股开始减持，A股进入了三年半的漫漫熊途，达到历史最低点998.23点；2005年4月29日，股权分置改革正式拉开帷幕，开启了近两年半的牛气冲天，更是在2007年10月19日达到历史最高点6124.04点；2008年1年10日，次贷危机爆发，A股也未能独善其身，至今仍笼罩在其阴影中，楚楚可怜；2010年3月31日，试点融资融券，A股第一次引入了卖空机制，在次贷危机后稍有起色的股市应声而落，至今仍未能恢复元气。

其次从股票交易印花税的历次调整来看，如图2. 证券交易印花税对历次调整对A股的影响，牛市提高印花税未能起到降温的作用，而熊市降低印花税也未能刺激股市上涨。但传说中的919行情又该怎么解读昵？2008年9月19日，印花税调整为单边征收，A股大盘涨9.45%，近乎涨停！并从此又开始了一年多的小牛行情。

对于存贷款利率以及存款准备金率的历次调整，或者我没有提到的传说中的股市调控神器，也可以采用上述方法，很形象的将调整时间在A股大盘上标注出来，从此一图在手，A股我有。由此，对证监会的“A股不是政策市”的表态，我们深表遗憾，并保留进一步数据分析的权力！

那么分析A股神器的工具是什么昵？请看大屏幕！那就是大名鼎鼎的金融工具分析包quantmod，R中的战斗机！以及图形包ggplot2，R中的太极剑，招无定式、潜力无穷同时又容易学习！

分析A股大盘，标注关键事件，只需要做两件事：

1、收集关键事件，并整理到文本文件中，文件名称在这里命名为stock1.txt，结构如下：

date keyevent
1999-07-02 证券法实施
2001-07-26 国有股减持
2005-04-29 股权分置改革
2008-01-10 次贷危机爆发
2010-03-31 融资融券试点

2、执行如下R代码：

stocktools<-function(datafile) {
getSymbols('^SSEC',src='yahoo',from = '1997-01-01')
close <- (Cl(SSEC))
time <- index(close)
value <- as.vector(close)
yrng <- range(value)
xrng <- range(time)
data <- data.frame(start=as.Date(c('1997-01-01','2003-01-01')),end=as.Date(c('2002-12-30','2012-09-21')),core=c('jiang','hu'))
stockevent=read.table(datafile,header=TRUE)
stockevent2=stockevent[order(stockevent[,1]),]
timepoint<-as.Date(stockevent2$date)

n=length(timepoint)
for ( xx in 1:n) {
if (weekdays(timepoint[xx])=="星期六") timepoint[xx]<-timepoint[xx]-1
else if (weekdays(timepoint[xx])=="星期日") timepoint[xx]<-timepoint[xx]-2

timepoint[timepoint==as.Date('2008-09-15')]<-timepoint[xx]+1
}

#for (i in 1:n){print(value[time %in% timepoint])}

events<-stockevent2$keyevent
data2 <- data.frame(timepoint,events,stock=value[time %in% timepoint])

p <- ggplot(data.frame(time,value),aes(time,value))
p + geom_line(size=1,colour='turquoise4')+
geom_rect(alpha=0.2,aes(NULL,NULL,xmin = start, xmax = end, fill = core),ymin = yrng[1],ymax=yrng[2],data = data)+
scale_fill_manual(values = c('blue','red'))+
geom_text(aes(timepoint, stock, label = events),data = data2,vjust = -2,size = 3)+
geom_point(aes(timepoint, stock),data = data2,size = 5,colour = 'red',alpha=0.5)
}

library(quantmod)
library(ggplot2)
stocktools('stock1.txt')

另外还要注意，由于关键事件我们要与具体的A股点位对应，因此在代码中对于关键时间点做了处理，时间点是周末的，均将其前推到上个交易日。不过，对于农历的节假日还不支持，此类数据可以进行如下处理，执行如下代码：

for (i in 1:n){print(value[time %in% timepoint])}

如果某个时间未能取到正确的A股点位，那么该时间点不是A股的交易日，需要手工调整。

R代码中的关键技术如下：

1、从网络获取股票数据

上证指数的符号是SSEC，获取上证指数的代码如下：

getSymbols("^SSEC")

上证指数的代码为000001.ss，其中.ss代表该指数从属于上交所：

getSymbols(“000001.ss”)

万科A股的代码为000002.sz，其中.sz代表该指数从属于深交所：

getSymbols(“000002.sz”)

提取收盘价：

Cl(x)

提取上交所A股上证指数自1997年1月1日的收盘价，数据源于yahoo，其代码如下：

getSymbols('^SSEC',src='yahoo',from ='1997-01-01')

close <- (Cl(SSEC))

2、使用ggplot2绘制A股大盘折线图，同时在其上面标注关键事件：

ggplot 绘制散点图

geom_line 线段

geom_rect 绘制矩形区域

scale_fill_manual填充区域

geom_text 绘制文字描述

geom_point 点

详细用法可参照ggplot2相关文档，在此不在赘述。

用到的参考资料如下：
ggplot2 Elegant Graphics for Data Analysis (use R)
quantmod-R中的金融分析包

从大盘数据看A股是否为政策市相关推荐

【日常篇】003_利用b站数据看《博人传》口碑变化
利用b站数据看<博人传>口碑变化背景小丑社的经费都去哪了故事要追溯到2018年年底,当时正值<东京喰种:re>最终季的放映. 我是在那年暑假才开始一口气从第一季一 ...
从上半年智能驾驶前装量产数据看市场走势，你的机会在哪里？
日前,高工智能汽车研究院发布<2022年上半年智能驾驶供应链数据报告>,对产业格局.市场发展趋势.细分赛道机会风险等进行了多层次解读. 在智能驾驶板块,2022年上半年的市场态势可以说是调 ...
数据库测试数据生成_我们的测试数据生成器如何使假数据看起来真实
数据库测试数据生成 by Tom Winter 汤姆·温特(Tom Winter) 我们的测试数据生成器如何使假数据看起来真实 (How our test data generator makes ...
【报告分享】转变与机遇：从京东大数据看2020消费市场与品牌成长.pdf（附下载链接）...
大家好,我是文文(微信:sscbg2020),今天给大家分享京东大数据研究院于2020年10月发布的报告<转变与机遇:从京东大数据看2020消费市场与品牌成长.pdf>. 本报告共25页, ...
阿根廷夺冠！梅西圆梦！历届世界杯还有哪些数据看点？
从1930年到2022年,世界杯已走过92年的光辉岁月,从马拉多纳的"上帝之手".贝利的"四两拨千斤".罗纳尔迪尼奥的"诡异吊射".范佩西的 ...
物联网与大数据（三）从大数据看物联网
关于物联网与大数据的分享,我们已经发布过两期:物联网与大数据(一)介绍了物联网与大数据的含义.背景:从物联网看大数据讨论了物联网形成大数据的主要环节.那么,到底什么是大数据,大数据真正的价值在哪里,如 ...
python可视化丨从1896年说起，用数据看 120 年奥运变迁
作者 | 小科出品 | 科赛Kesci 可视化丨从1896年说起,用数据看 120 年奥运变迁 1896年,雅典首次举办奥运会.一直到今天,奥运记录一遍遍被刷新,也从一度被嘲讽的比赛摇身变成国际最大 ...
数据看NeurIPS2020，谷歌排名第一，国内清华第一
小脉带你数据看NeurIPS2020,AMiner已经上线了NeurIPS2020会议详情页,根据论文主题.论文作者.引用数等进行分类,并且上线了详细的论文数据,欢迎大家关注AMiner-NeurIP ...
从2018年以太坊统计数据看区块链发展趋势
今年6月,我们发布了"以太坊网络状态",重点介绍了整个网络的一些关键数据和统计数据.六个月后,即将在2018年结束时,我们处于长期"加密货币冬天"的尾声,201 ...

从大盘数据看A股是否为政策市

从大盘数据看A股是否为政策市相关推荐

最新文章

热门文章