(1990-2024年)个股交易活跃度、个股换手率

(1990-2024年)个股交易活跃度、个股换手率

https://download.csdn.net/download/2401_84585615/91148822

数据统计了1990年至2024年间A股市场个股的交易活跃度及换手率指标,涵盖成交量、换手率、涨跌幅、成交笔数等核心字段,并细分了不同市场阶段(如牛市、熊市)和行业板块的表现差异。数据通过量化个股流通性与市场参与热度,揭示了资金动向与股价波动的关系,例如高换手率个股多集中于中小盘股或热门行业(如电子、计算机)。此外,部分统计还结合了成交额、市值等辅助指标,以更全面反映市场动态。

数据来源

数据主要整合自证券交易平台公开的日频或周频交易数据,包括沪深交易所的个股成交明细及流通股本信息。例如,换手率计算采用公式:换手率=(成交量/流通股本)×100%,并剔除了非流通股的影响以提升准确性。部分研究还引入了技术分析工具(如通达信、大智慧)的指标公式,例如通过VOL_RATE函数计算动态换手率,或结合MACD金叉等信号验证主力资金行为。数据样本覆盖了主板、创业板及科创板,尤其关注了新股上市初期的异常换手现象。

应用价值

该数据对投资者识别短期热点、判断主力意图具有重要参考价值。例如,底部持续高换手(>7%)可能预示建仓机会,而高位放量换手则需警惕出货风险。此外,数据还可用于量化策略开发,如筛选换手率突增3倍且流通盘较小的个股作为潜在领涨标的。对监管层而言,异常换手率监测有助于识别市场操纵行为,维护交易公平性。研究层面,长期数据为分析A股市场流动性演变提供了实证基础,尤其在政策调整(如注册制改革)前后的对比研究中作用显著。

相关推荐
明志数科3 小时前
具身智能数据工程观察:“数据筑基“时代的数据底座建设路径
人工智能·机器人
m0_614523554 小时前
普通视频怎么做多场景一镜到底:路线设计、逐段衔接与整体验收
人工智能·音视频
海宇服务4 小时前
零信任架构实战:基于海宇对外投资历史查询服务构建自动化供应商准入网关
运维·人工智能·架构·自动化
东风破_5 小时前
别急着上 Agentic RAG:先用 LangGraph 把最小 RAG 跑明白
人工智能
LaughingZhu5 小时前
Product Hunt 每日热榜 | 2026-09-12
人工智能·深度学习·神经网络·搜索引擎·百度
天真小巫5 小时前
2026.9.13总结(工作量日益繁重的当下,AI如何提效)
人工智能
Zguigo5 小时前
【CUDA1】GPUvsCPU,CUDA Kernel
人工智能·pytorch·深度学习
thesky1234565 小时前
用 ONNX Runtime 把 PyTorch 模型变成跨平台极速推理引擎:导出、优化、量化完整实
人工智能·深度学习·模型部署
米小虾5 小时前
把 KV Cache 从 3514 字节压到 890 字节:DeepSeek V4.1-Flash 动了什么,又没动什么
人工智能
锋行天下5 小时前
LangGraph 进阶:Command + Send 动态控制流、并行 Map-Reduce 实战与踩坑
人工智能