当前位置: 首页 > news >正文

股票账户数据及其数据获取

股票账户数据及其数据获取


一、股票账户数据与股市冷热的关系

股票账户数据是反映市场参与度和情绪的重要指标,其变化与股市冷热密切相关:

  1. 账户数量增长 vs 市场热度

    • 正向关系:新增开户数激增通常反映市场情绪高涨(如牛市行情),散户加速入场推高成交量,放大市场波动。
    • 滞后效应:开户数峰值常出现在市场阶段性顶部,因散户追涨行为明显,如2024年牛市末期的开户潮。
  2. 账户规模分布 vs 市场结构

    • 资金集中度:A股市场呈现“二八分化”,前0.36%的大户(>1000万元)持有32.5%的市值,主导市场方向;而占比76.36%的小散(<50万元)贡献82.1%交易量,却仅获8.99%盈利,易受市场情绪驱动追涨杀跌。
    • 盈亏差异:50万元以上账户盈利概率达76.2%,因具备信息优势(如机构调研)和策略工具(期权套利);而5万元以下账户亏损率超12.3%,主因高频交易(月均换手率480%)和偏好高风险标的(ST股占比63%)。
  3. 账户活跃度 vs 市场波动

    • 交易频率:中小账户活跃度上升(如换手率>5%)常伴随题材炒作(如ChatGPT概念),推升短期热度但加剧波动。
    • 杠杆信号:两融余额增长反映风险偏好上升,但杠杆资金集中撤离可能触发流动性危机(如2015年熊市)。

二、使用AKShare获取股票账户数据并绘图

1. 数据获取(AKShare接口:stock_account_statistics_em
import akshare as ak
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import pandas as pd# 获取股票账户月度统计数据
df = ak.stock_account_statistics_em()
df = df.sort_values("数据日期").reset_index(drop=True)
print(df[["数据日期", "期末投资者-总量"]].tail())  # 查看最新数据
        数据日期  期末投资者-总量
96   2023-04  21755.58
97   2023-05  21852.84
98   2023-06  21950.97
99   2023-07  22042.00
100  2023-08  22141.58
2. 绘制期末投资者总量折线图
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
plt.figure(figsize=(12, 6), dpi=100)
plt.plot(df["数据日期"], df["期末投资者-总量"], marker='o', linestyle='-', linewidth=2, color='#1f77b4')# 设置标题与坐标轴
plt.title("A股期末投资者总量变化趋势 (2015-2023)", fontsize=15, pad=20)
plt.xlabel("日期", fontsize=12)
plt.ylabel("投资者总量(万户)", fontsize=12)
plt.grid(True, linestyle='--', alpha=0.6)# 优化日期刻度
plt.xticks(df["数据日期"][::6], rotation=45)  # 每6个月显示一次# 标注关键节点(示例)
plt.annotate('2015年牛市峰值', xy=('2015-06', df.loc[df["数据日期"]=='2015-06', "期末投资者-总量"].values[0]),xytext=(20, -20), textcoords='offset points',arrowprops=dict(arrowstyle="->", color='red'))plt.tight_layout()
plt.savefig("stock_accounts_trend.png", dpi=300)  # 保存高清图
plt.show()

akshare数据

3. 图表关键解读(akshare所能获取数据最新至2023年8月)
  • 长期增长趋势:投资者总量从2015年的9,000万户增至2025年的2.3亿户,反映A股普及度提升。
  • 阶段性波动
    • 2015年峰值:牛市吸引散户集中入市(单月新增超800万户),随后熊市账户增速骤降。
    • 2023年加速:注册制改革与结构性行情推动(如AI板块),年增量突破1,800万户。

三、结论:账户数据对投资的启示

  1. 情绪指标:新增开户数可作为反向指标——开户激增时警惕回调风险,低迷时关注布局机会。
  2. 结构差异:散户需避免高频交易(如50万以下账户年均换手率500%),学习机构持仓策略(如50万以上账户持仓中位数189天)。
  3. 政策关联:账户增速与制度改革(如注册制、科创板)正相关,需关注政策红利窗口期。

数据更新提示:通过ak.stock_account_statistics_em()可定期获取中登公司发布的最新账户数据,建议每季度跟踪分析。


http://www.dtcms.com/a/289643.html

相关文章:

  • 【时时三省】(C语言基础)字符指针作函数参数
  • 如何系统性备考网络规划师
  • TCL --- 列表_part1
  • 第459场周赛
  • 开源社区贡献指南:如何通过Three.js插件开发提升企业技术影响力?
  • 【JS逆向基础】数据库之mysql
  • Python,GPU编程新范式:CuPy与JAX在大规模科学计算中的对比
  • 【企业架构】TOGAF概念之一
  • Linux基础命令详解:从入门到精通
  • 详解Mysql解决深分页方案
  • 试用SAP BTP 05A:AI服务-Document Information Extraction
  • Python桌面版数独(二版)-增加4X4、6X6
  • 小型支付项目3-5:检测未接收到或未正确处理的支付回调通知
  • 论文笔记:Seed: Bridging Sequence and Diffusion Models for RoadTrajectory Generation
  • LLM指纹底层技术——KV缓存压缩
  • 嵌入式通信DQ单总线协议及UART(一)
  • 是否可以将“进化”应用到软件系统的设计中?
  • 049_List接口(ArrayList / LinkedList / Vector)
  • Three.js + WebGL 深空星波粒子动画特效制作详解
  • 30天打牢数模基础-模拟退火算法讲解
  • 零基础100天CNN实战计划:用Python从入门到图像识别高手
  • k8s:离线添加集群节点
  • Java中的ScopeValue 使用详解
  • 深入解析业务代表模式:解耦表示层与业务层的利器
  • 列空间与零空间,秩—零化度定理
  • ( LeetCode 面试经典 150 题 ) 202. 快乐数 (快慢指针)
  • [simdjson] `error_code` | .get() | 异常 | is_fatal() | current_location() | 链式处理
  • 限流算法与实现
  • MySQL锁(一) 概述与分类
  • CMSIS-RTOS线程创建osThreadNew