未明学院学员报告:A股市场举牌案例频现,大数据揭秘资本收益布局

本文主要是介绍未明学院学员报告:A股市场举牌案例频现,大数据揭秘资本收益布局,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!

报告作者:贺钰淇 王泉力   

未明学院量化训练营8月班学员

报告名称:《我国A股市场举牌事件效应分析》

近年来,随着我国经济平稳增长,市场逐渐成熟,上市公司的举牌增持事件逐年增加,也越发频繁地挑动着A股市场的神经。

举牌增持行为,指的是投资人在二级市场所持有的股份达到该股票总股本的一定比例时,必须按照相关法律法规对信息进行及时地公开披露。

在我国举牌的最低比例为5%,即投资者在二级市场持有股票份额达到公司股权的5%时,需要进行及时声明公告。随着持有比例的增大,还可能后续触发要约收购等事件。

2011年-2017年A股市场举牌增持事件次数

2015年,宝能系掌门人姚振华曾多次高调举牌万科A股,导致万科股票短时间内经历5个涨停,一时引人关注。由此开始的围绕着万科股权的争夺,也是跌宕起伏,备受瞩目,甚至成为了中国公司商战的经典案例。

由于举牌增持行为往往涉及多方利益博弈,不仅会对股票价格产生影响,也可能会对整个经济市场,甚至是社会生活产生影响。

为了更好地解析我国资本市场的举牌事件,揭示出资本背后隐藏规律,未明学院的学员统计分析了2015年到2017年A股市场举牌增持事件的数据,对举牌事件可能产生的超额收益及其正收益概率进行了测度,在增强自身未来投资管理技能的同时,也为广大投资者提供了有益参考。我们一起来看他们有哪些有用的发现。

数据说明

样本个股的股价数据来自于WIND(万得)金融终端,沪市A股(股票代码:000001.SH)

与深市A股(股票代码:399106.SZ)大盘日涨跌幅作为市场收益率,数据来自WIND金融终端。

从2010-2017年选取了2015-2017年最近三年间A股上市公司的338次举牌事件作为样本,并以此为基础进行筛选:

(1)若同一家公司在一年中发生两次或多次举牌行为,则一般取首次事件作为研究对象。由于所选的时间跨度不大,故筛去几次举牌事件之间时间间隔较短的样本。

(2)考虑到ST与ST*股公司连续亏损且日涨跌幅受限,剔除ST股与ST*股。

(3)考虑到创业板股波动性较大,较不稳定,剔除A股中的创业板股。

(4)考虑到在事件估计窗口长期停牌无法有效估计市场模型参数,剔除事件窗口内长期停牌的事件。

A股市场举牌事件总体数据特征

1、事件发生次数

自2010年11月以来的截止至2017年12月26日,共发生338次举牌事件。

其中,在2015年之前,举牌事件发生的次数较少,2015年后举牌事件显著增加。

当大盘处于相对低位时,举牌事件发生的次数也相对增多。

2、企业属性分布

举牌对象中所占比重最大的为民营企业,比重达48%;其次为地方国有企业,占比为23%;公众企业的占比达到了20%;而外资企业和集体企业占比相对较小,仅为2%。

3、版块属性分布

举牌事件绝大多数发生在主板领域,尤其以上海主板居多,几乎占据一半;创业中小板发生的举牌事件相对较少。

4、行业属性分布

以申万一级行业标准划分举牌对象。房地产和商业贸易的企业被举牌次数偏多,而国防军工、家用电器、汽车、纺织服装等行业被举牌的次数较少。

5、盈利能力--ROE(加权)

ROE(加权)在5%以下占比60%左右,而超过10%的占比共为23%左右;

平均值及中位数都没有超过5%,另外,还有22%左右的的举牌对象ROE(加权)处于负值,最小值达到了近-71%。

以上数据表明,举牌对象的盈利能力普遍不强。

6、成长能力--归属母公司股东净利润

 归属母公司股东净利润同比增长率小于0的样本占比超过40%。

虽然平均值较高,但是由于存在15%左右(100,500]以及5%增长率在500%以上的极大数值,对样本数据产生了较大的影响。

总体来看,举牌对象的成长能力并不乐观。

7、市值分布

▲ 总市值低于100亿元的样本占比约为70%,自由流通市值低于100亿元的样本占比超过80%,举牌对象皆偏小盘。

小市值的公司在二级市场举牌所需的资金压力更小,所以面临着更高被举牌的可能性。

8、股权集中度分布

▲ 第一大股东持股比例小于30%的样本占比为83%,相应的平均数和中位数都在20%左右;

▲ 前十大股东持股比例之和小于50%的样本占比为60%左右,相应的平均数和中位数都在50%以下。

综合来看,举牌对象的股权结构比较分散。

9、财务风险--权益指数

▲ 78%的被举牌对象的权益乘数都在3以下,平均值及中位数也都保持在较低的水平

▲ 被举牌对象负债程度一般较低,财务风险较小。

收益统计分析

1、事件窗口内样本超额收益统计

▲ 事件窗口期前5天的样本单日平均收益率大部分为负,且有缓慢增长的趋势。

▲ 事件在公告日附近有强烈的反应,主要表现于,在距离公告日附近的天数均有较为明显的正向异常收益波动,且在事件公告日附近个股单日收益上升,并伴随着小幅震动。

2、事件窗口内样本累积超额收益统计

▲ 绝大部分的个股收益均为正。

▲ 对样本整体在事件窗口期内作累积超额收益率回归,得到t值为7.58,通过查表可知我们有99.9%以上的把握说明样本整体在事件窗口期内????(累积超额收益率)不为0。

▲ 结合回归结果,我们可以得知正式的举牌行为在短期内会引起市场异常波动,且短期内具有明显的正向效应。

3、AAR & CAAR

▲ 市场在公告日前3日出现负向波动,随后在波动中上涨,在t=7时,单日平均超额收益率为负值,并达到单日最大的负效应,次日恢复正值,可能是由于前几天的股价上涨已经充分吸纳了举牌增持效应的利好消息,但投资者晚于公告日购入股票,延缓回落趋势。

▲ CAAR一直在[0.09,0.12]间波动,这与事件窗大部分事件均有正收益相关,进一步佐证了举牌效应对股价波动有正向影响。

▲ 平均超额收益率的显著性从举牌公告日附近向事件窗口期两侧递减,T值大多不显著。在t=-5日,单日的平均超额收益率为0.8947%,在1%的置信水平上显著;

▲ 当距离公告日?天(? ∈ −?, −? ),T值不显著;? ∈ −?, ? 这一时期均在1%的置信水平上显著,特别地,在t=0日即举牌公告日当日,平均超额收益率和累积平均超额收益率均达到整个事件窗口的最大值,之后举牌公告效应开始部分消退,甚至基本消失。

▲ 在t=2时,平均累积超额收益率达到8.11%,这说明正式的举牌效应集中于公告日前后1-2天的时间内。

在整个事件窗口期内CAAR的T值均显著,这说明举牌增持效应先于时间信号做出相应的市场反应。

4、绝对胜率和相对胜率

▲ 胜率反映了持有举牌股票期间盈利(即收益为正)的概率。计算事件窗口的绝对胜率和相对胜率,得到如左图所示。

▲ 绝对胜率维持着50%-60%的区间内,相对胜率则在80%区间内上下波动。

▲ 在事件窗口期持有举牌股票获取正收益的正收益可能性较大。

投资建议

经过上述一系列的数据分析显示出,我国A股市场举牌行为产生正的异常收益,并且具有一定的持续期。

举牌增持行为多发生在小盘股、股权比较分散、财务风险较小的公司,其更具备增值潜力。

市场对于A股市场举牌行为具有积极反应,并且市场在事件公告前提前反应,也显示出我国A股市场的有效性。

研究表明,根据之前的研究及持股习惯,在选择的特定的事件窗口内,跟随举牌公告信号购入标的股票可能会获得超额收益。

举牌增持行为在短期内对于投资者来说的确是一个利好信号。投资者在举牌公告日前后持有股票获得正收益的可能性较大。

除此以外,我们的学员还在数据分析的基础上,提出了自己的思考与展望。比如,可以通过对不同特征举牌标财富效应的分类研究,得到超额收益率报更优的特征组合,进一步优化投资建议等等。

以上就是本次汇报的全部内容,通过我们的行业热点项目,小伙伴们不但通过数据分析的手段去探索商业模式、业务问题,学会了券商投资领域的数据分析硬技能,而且积累了行业实战项目经历,也对未来的职业方向有了更加深入的认识。这段项目经历和报告,都将成为他们简历上浓墨重彩的一笔。期待见到更多小伙伴的优秀作品哦~~

这篇关于未明学院学员报告:A股市场举牌案例频现,大数据揭秘资本收益布局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/649714

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

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

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于