研究中进行市场底部特征分析

前言

前几天看到一篇市场底部特征研究的文章——【华创金工】，觉得有点意思，下面就将这些衡量市场底部特征的内容在研究里进行实现。

文章的核心逻辑如下所述：

1. 低价股比例：逻辑是牛市消灭仙股，熊市产生仙股；

2. 破净股比例：打折促销，领先指标；

3. M2/总市值中位数：相当于每一元的市值，有多少M2支撑和刺激？可以理解为“施肥率”；

4. PE中位数和十年国债收益率倒数：比较股票和国债收益率的高低，经典的股债轮动指标；

5. 全市交易额有没有触底？全市场人气；

6. 个股流动性有没有触底？大底中大部分个股流动性枯竭；

7. 区间最大跌幅的中位数： 大底是跌出来的，大底的水准是高点腰斩，再腰斩。

8. 人气指标：次新股的破发率；

9. 除了全市场的估值低，各个行业也一片惨淡，几无例外。

大底的九个衡量维度具体介绍

熊市时泥沙俱下，牛市时鸡犬升天，市场总是在恐惧和疯狂的情绪中起起落落落落落......大家都知道高抛低吸，低买高卖是股市操作的致胜秘籍，问题就在于市场什么时候会迎来转折的时机。

低价股比例

牛市消灭仙股，熊市产生仙股，仙股原意是指价格已经低于1元的股票。这里放大了仙股价格区间，设定为小于2元的股票，统计了从07年开始，低价股数量占比的时间序列。可是，考虑到时间跨度超过10年，那是当年可以买碗牛肉拉面的两块钱，为了抵消通货膨胀的影响，所以这里做了些改动，将条件按每年4%的无风险收益进行增长，到目前，这个低价格的阈值已经是3.2元。

目前看到的几个拐点基本上都是和市场的拐点同步，这里讲最近一次的拐点放大看到如下情况：

#返回股价低于2元的股票个数占比
  def f1(self,date_list):
      bei = len(date_list)//13
      se_price_2 = []
      for i in range(1,13):
          e = date_list[i*bei]
          s = date_list[(i-1)*bei]
          if i == 0:
              s = date_list[0]
          elif i == 12:
              e = date_list[-1]
          all_stock = list(get_all_securities(types='stock',date=e).index)
          def f1_1(x):
              x=x.dropna(axis=0)
              return sum(x)
          df = get_price(all_stock,start_date=s,end_date=e,fields=['close'],fq=None)['close']
          df_1 = df<=2*(1.04)**i
          #print(2*(1.04)**i)
          se1 = df_1.apply(f1_1,axis=1)
          l2 = [len(get_all_securities(types='stock',date=i)) for i in se1.index ]
          se2 = pd.Series(l2,index=se1.index)
          #se2 = df_1.apply(f1_1[1],axis=1)
          se_price_2.append(se1/se2)
      return pd.concat(se_price_2)

破净股比例

破净是指股价跌破净资产值，破净股具体就是指股票的每股市场价格低于它每股净资产价格，破净的特点和逻辑，和低价股类似。

这一点从下面的图中看确实如此，从历史走势来看，破净股数据的变化情况，与股票市场的顶底区域是同步的。针对这个问题，我们找出市场中对应的几个位置特别位置和该指标数据进行对比，这里是2018年2月9号的具体表现：

具体来看，2017年年底以来该比例骤然上升，从0.57%到目前达到6.1%的水平,接近2014年底部的比例。