(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
IT新视界9 小时前
大数据开发工具-Transwarp Data Studio
大数据
CS创新实验室9 小时前
算法、齿轮与硅基大脑:数值计算发展简史
人工智能·算法·数值计算
能有时光9 小时前
PyTorch KernelAgent 源码解读 ---(4)--- ExtractorAgent
人工智能·pytorch·python
donoot9 小时前
Linux系统下图书馆级电子书全自动标准化分类整理完整实施方案
大数据·linux·运维·电子书管理
fthux9 小时前
GitZip Pro 源码解析:一个 GitHub 文件/文件夹下载扩展是如何工作的(一)整体架构与扩展入口
人工智能·ai·开源·github·open source
aqi0010 小时前
15天学会AI应用开发(十七)使用LangGraph实现会话记忆功能
人工智能·python·大模型·ai编程·ai应用
Elastic 中国社区官方博客10 小时前
如何比较两个 Elasticsearch 索引并找出缺失的文档
大数据·运维·数据库·elasticsearch·搜索引擎
xixixi7777710 小时前
三大 AI 安全里程碑:Akamai 高危风险预警、智能体水印强制落地、PQC 量子安全全产业链统一
大数据·人工智能·安全·ai·大模型·智能体·政策
风流 少年10 小时前
数据可视化:matplotlib、pyecharts、panda、seaborn
数据挖掘·数据分析·matplotlib
AI小码11 小时前
LLM 应用的缓存工程:当每次 API 调用都在燃烧成本
java·人工智能·spring·计算机·llm·编程·api