Python数据分析实战——可转债打新能赚钱吗?

2024-01-17 12:50

本文主要是介绍Python数据分析实战——可转债打新能赚钱吗?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

可转债是一种兼具债性和股性的投资品种,其投资风险介于债券和股票之间。可转债的玩法有很多,打新是一种相对比较安全且容易入门的理财方法,那可转债打新真的能赚钱吗?风险大吗?打新收益率受什么因素的影响?笔者调取了2021-2022两年的数据,带你看看可转债打新是否真的能赚钱。

数据来源:Tushare

注:收益率的计算方式为(新债上市第一天的开盘价 – 面值100)/100

收益率分析


1.png

先看一下可转债打新的收益率分布状况,整个收益率呈微右偏分布,峰值大概处于1.5%的位置,说明大多数的可转债打新收益率集中在这附近。图中收益为0处为盈亏分界线,分界线左侧的阴影面积代表了亏损的概率为27.32%(考虑到手续费等因素,这里把亏损的和不亏不赚的都设定为亏损),与之对应的盈利概率为72.68%。总体而言,可转债打新的赢面还是比较大的(当然不同风险接受能力的人会有不同看法)。

大概清楚可转债打新的盈亏分布并综合考虑各方面的风险后,如果想要进一步参与的话,就该研究一下选择哪些可转债可以有更高的胜率和收益率,下面就一些可能的影响因素进行分析。

公司市值与收益率关系

收益率和发债公司的大小(这里用市值来衡量)有什么关系吗?是不是市值越大的公司其可转债打新收益率越高?下面的数据告诉你。


2.png

绘制了收益率和公司市值的散点图后发现,大多数的发债公司的市值较小,位于0-250亿这个区间,当市值大于500亿时,只有两个可转债的打新收益为负,大多数的收益在5%以上,最大的亏损为5%。为了更清楚地看看公司市值在0-500亿这个区间内的收益情况,下面把该区间放大了看。


3.png

把区间放大来看之后,还是可以看到比较明显的正相关性的,尤其是当市值大于200时(图中红线往右),所有可转债的打新收益均为正。所以,从市值的角度来看,虽然并不能得到市值越高收益率越高的结论,但在参与可转债打新时,如果想承担较小的风险,选择200亿以上市值的公司较为安全,相应的胜率更高。

板块与收益率的关系

目前的上市公司所处板块可以划分为主板、中小板以及创业板,主板市场主要是一些大型的蓝筹企业,中小板则包括一些中型稳定发展的企业,创业板则主要是科技成长型企业。不同板块的公司对应的风格有所不同,那这对可转债打新收益有影响吗?


4.png

如果以中位数来代表整体收益率,则不同板块整体收益率创业板>中小板>主板。创业板和主板的公司所对应的收益率下四分位均位于0处,说明这两个板块上,胜率均达到了75%。从最坏的结果来看,创业板的公司最大亏损幅度居首为-10%,其波动率相对其他两个板块也较大。总结来说,位于创业板的公司虽整体收益较高,但需要承担的风险也较大。

行业与收益率的关系

接下来研究一下收益率是否具有行业效应,由于有些行业样本量较小,在这里给予剔除,选取5个样本以上的行业,看看其收益率(中位数)排名。


5.png

从行业的角度来看,软件服务、食品行业的可转债打新收益大幅领先于其他行业。虽受制于样本较少,入选的行业仅有12个,代表性相对较差,但将此处的行业效应和上方的板块效应相结合,在进行可转债的选择时具有一定的参考意义。

收益率的时间效应

上面从市值、行业和板块的角度进行了分析,下面从时间的角度,看看打新收益率是否具有时间效应,如不同月份的打新收益和胜率是否有明显的不同。


6.png

上方的热力图显示了12个月份的收益率的主要统计量。从整体收益来看,不论是用均值还是中位数来表示该月份的整体收益情况,可以比较明显地看出,3月、4月和9月的收益水平较高,同时5月、6月以及8月整体收益水平较低。从本金安全性(最小值)来看,2月、3月、8月、10月和11月的最大亏损均小于1%。综合收益情况和需要承担的风险,如果想要进行可转债的打新,从时间的角度来看,比较适合的时间是2-4月以及10-12月这两个时间段。

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。在这里插入图片描述

二、Python必备开发工具

在这里插入图片描述

这份完整版的Python全套学习资料已经打包好,需要的小伙伴可以戳下方链接免费领取

读者福利《Python全套学习资料》,戳这里免费领取!!!

三、Python视频合集

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。 在这里插入图片描述在这里插入图片描述

四、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。 在这里插入图片描述

五、Python练习题

检查学习结果。 在这里插入图片描述

六、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。 在这里插入图片描述在这里插入图片描述

这份完整版的Python全套学习资料已经打包好,需要的小伙伴可以戳下方链接免费领取

读者福利《Python全套学习资料》,戳这里免费领取!!!

这篇关于Python数据分析实战——可转债打新能赚钱吗?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/616106

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

滚雪球学Java(87):Java事务处理:JDBC的ACID属性与实战技巧!真有两下子!

咦咦咦,各位小可爱,我是你们的好伙伴——bug菌,今天又来给大家普及Java SE啦,别躲起来啊,听我讲干货还不快点赞,赞多了我就有动力讲得更嗨啦!所以呀,养成先点赞后阅读的好习惯,别被干货淹没了哦~ 🏆本文收录于「滚雪球学Java」专栏,专业攻坚指数级提升,助你一臂之力,带你早日登顶🚀,欢迎大家关注&&收藏!持续更新中,up!up!up!! 环境说明:Windows 10

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip