证券行业大数据解决方案分析

证券行业大数据解决方案

前言

随着互联网及移动互联网的高速发展，传统证券业也逐步走向市场化和网络化，行业在快速变化中也面临着激烈的竞争，一方面国家监管层面逐步放开管制，加强监督，鼓励创新。另一方面，证券行业内部各公司也在不断的与时俱进，从经纪、资管业务的网络化，到证券版银联的发展，再到个性化、移动化、社交化的客户服务。

证券公司要在这样竞争激烈市场中保持领先地位，需要在满足监管层合规审计的要求下，以客户为中心，对内深化运营和服务，提高现有客户体验和单客户价值；对外实时了解市场和上市企业等信息，加强跨界合作，对潜在客户精准定位和营销。

在这样背景下，数据成为券商提供内外竞争力的关键，只有及时准确地获得客户在内部和外部的交易、行为，媒体偏好，社交内容的信息数据，才能更好的了解客户，做好营销和服务，并不断优化产品设计和运营。

证券行业大数据问题及解决方案

1、哪些数据需要纳入到大数据平台上来？

证券公司内部在经纪业务、资管业务、投行业务和自营业务中存在各个系统，例如股票交易系统、理财交易系统、用户开户系统、客服系统等。同时，在各个业务中又存在各种角色，如用户，上市公司、融资方、出资方、托管行等。这些角色在各个系统每时每刻都在产生着各种结构的数据，这些数据产生的不但数量大，类型多，速度快，而且可能会存在各个系统的不一致。

同时，在互联网高速发展的今天，和证券公司相关的各个角色也在无时无刻不在产生大量的网络数据，例如用户的购物行为、媒体资讯浏览等，上市公司的投融资、并购活动等。各业务形态也都在大的市场环境下受到影响，例如政策法规、国内外金融形势、重大事件等。这些数据中哪些应该被纳入大数据平台呢，是根据最终的业务场景来决定，还是将所有能获取的数据全部纳入，深入挖掘，以数据说话呢？

本方案的大数据理念是数据标准化和分层接入。对目前和将来可获取的数据类型、来源进行充分调研和理解，制定统一的数据接入标准、结构化标准、归一化标准、挖掘标准，以实现很好的系统扩展性。根据业务需求、数据类型、范围、来源、采集技术、实时性要求等进行分层接入，尽量保证原始数据完整性，整合数据一致性和挖掘数据价值度。

2、如何进行跨渠道的用户生命周期运营管理？

移动端、PC端乃至类似Apple Watch等可穿戴设备都已成为用户数据触点。股票、投资理财、投顾服务等各个业务，涉及到交易、风控、清算等系统的数据都是用户在各个触点、场景下的痕迹，对这些数据进行拉通和分析，可以掌握用户在该券商所处的生命周期，从而可以有的放矢的。对用户进行针对性运营。

本方案采用代码潜入的方式，对用户在各个系统、各个触点的行为数据进行采集，分析其浏览、查找、存留、访问路径、事件深度、到达渠道等，进而对用户进行跨屏幕、跨应用、跨系统的生命周期分析。

3、如何通过产品、咨讯、投资建议的个性化推荐，提升用户体验，深挖用户？

面对越来越多的投资选择，用户的选择困难症凸现。如何让用户在最短的时间找到自己需要的产品、资讯乃至可靠的投资建议、选股建议呢？

建立在用户、产品、资讯、服务、市场充分了解的基础上，本方案强大的推荐引擎给用户提供实时的“千人千面”的跨屏、跨站的个性化产品资讯推荐和服务。

4、如何快速精准的定位和营销新用户？

随着各大券商支付系统的对接和完善，其业务不断延伸到生活场景的支付，而且，其与时俱进的产品设计也与用户工作生活等场景密不可分。“把网民变股民”的战役中，用户在互联网的各场景触点成为竞争激烈的战场，只有买股票才被想起的券商将逐渐被淘汰。

本方案帮助证券客户利用第一方DMP平台，探知用户触点和渠道偏好，同时将DMP平台与本方案线上营销平台无缝对接。该平台已成功对接了各几十家DSP、SEM、EDM、SMS 等线上代理渠道，可对其进行统一频控、投放规则、素材管理、监测和效果评估等。该平台的还为客户提供外部数据标签优化投放效果；与DSP数据对接，保护客户信息不泄露；并将潜在客户数据回流到第一方DMP这些数据服务。

5、如何及时准确地感知市场，保持竞争力

市场舆情指数，重大事件预警等对证券公司来说是非常重要的信息。需要实时监控。

本方案有非常专业的舆情监控应用，数据来自于每天实时读取的上万家新闻媒体网站的资讯内容。通过对这样数据的热点分析、敏感词分析、舆情指数、A股新闻热度择时指标NQ等计算，实时提供市场舆论监控。

941大数据服务联盟券商客户案例

1、客户一：某金融集团下属证券公司

对于集团型证券，不仅拥有自己的内部数据，更可以在集团的帮助下共享兄弟公司的数据，例如征信、理财等数据。从而更加完善用户画像，对用户进行更贴心的服务和更精准的营销。通过本方案所提供的用户中心大数据平台，充分采集各渠道用户行为数据、本公司及兄弟公司的系统数据，并补充本方案的外部数据标签，建立自有用户画像体系，进行网络交易行为分析、支付分析、产品分析、市场监控、智能产品推荐等典型大数据应用，实现了用户需求驱动的产品企划，优化产品开发，提升用户服务质量。

2、客户二：某中型证券公司

随着智能移动设备的普及，通过移动APP为客户提供产品和资讯推荐服务已经成为各大券商争相获得用户的主要手段。如何在APP上实现个性化服务，做到不同用户的“千时千人千面”呢？

企业通过搭建大数据底层技术平台，建立统一的数据采集、整合、数据挖掘，完成统一数据视图，打通多渠道、甚至多个交易APP、服务APP的用户、产品和资讯数据，建立用户、产品和资讯事实数据库，从而沉淀完成用户标签数据库，建立包括个性化着陆页、个性化产品和资讯推荐、个性化消息提醒、个性化投顾服务在内的应用场景，快速提高用户的忠诚度与用户粘性，用数据打造券商的用户竞争力。

金融大数据行业应用及发展

金融大数据行业应用及发展 在中国经济走向新常态的转型中，在中国经济成为全球第二大经济体的发展中，在中国金融业向支持实体经济、创新驱动的转换中，大数据在金融领域的应用，成为中国金融业的新增长点和新亮点。大数据能够充分利用金融市场形成的海量数据来挖掘用户需求、评价用户信用、管理融资风险等。它改变了金融业的发展取向、释放了被压抑的金融需求，一开始就具有强大的生命力。 国务院颁布的《推进普惠金融发展规划（2016～2020年）》中更是直接提到“鼓励金融机构运用大数据、云计算等新兴信息技术，打造互联网金融服务平台”。国内外各金融与类金融机构、互联网金融企业纷纷开始探索大数据的应用，希望大数据可以带来技术上的突破，实现自动化、着手升级现有风控模型体系、探索新型态基于场景化的消费金融市场、提升催收效率、建设互联网深层次大面积获客能力，从而彻底提升国家金融行业的国际竞争力。 大数据时代的三个重要趋势是：数据成为资产、行业垂直整合、泛互联网化（即技术与行业的跨界穿越与颠覆式发展）。大数据金融的作用机制是通过云计算等智能信息工具对序列之间的联系、动态信息数据序列进行分析，大幅度提高金融风险定价的效率，降低定价成本，有效减少信息不对称问题，使得对单个客户的信用信息、消费倾向、理财习惯分析成为可能。 一、金融大数据应用分析 未来将迎来一个大数据浪潮。随着互联网特别是移动互联网的爆发式增长，全球数据量以几何级数增加。现在全世界新产生的数据量每年增加40%，每两年数据翻一番。2012年、2013年产生数据量总和是人类有历史以来到2011年产生数据量的总和，两年的数据量等于一万年的总和，这个数据规模为1.8ZB。IBM预测，2020年，全球数据总量会达到35ZB，是2000年之前总和的50倍、目前数据总量的8倍。 （1）大数据在金融监管机构中的应用 我国的金融行业正在处于应用大数据的初级阶段，国内的金融机构经过多年的发展与积累，拥有超过百TB的海量数据，而且非结构化的数据量也在不断的增长。金融机构在大数据应用方面具有天然的优势：首先，金融企业在平时的业务开展中积累了大量高价值的数据，

国泰君安证券公司业务经营的调查分析报告

综合实验报告：对国泰君安证券公司业务经营的调查分析 一、基本情况简介 国泰君安证券股份有限公司是国内最大综合类证券公司之一，由国泰证券有限公司和君安证券有限责任公司于1999年8月18日合并新设，注册资本47亿元，2010年底净资本亿元人民币，经营业绩稳居业内前三，经营管理、风险控制、合规体系、信息技术等水平领先，成为国内当时最大证券公司。 公司前身是国泰证券和君安证券两者均于1992年创办，是新中国最早设立的证券公司之一，处于行业领先地位。2001年，公司分立为国泰君安证券股份有限公司和国泰君安投资管理股份有限公司（非证券类资产），注册资本变更为37亿元。2005年，中央汇金投资有限责任公司向公司增资10亿元，注册资本增至47亿元。 1999年起，国泰君安证券经历了三大发展阶段：第一个阶段完成了一个公司的整合。通过整合两家公司的经营管理模式和企业文化，形成了集中统一管理、分级授权经营、条块协同配合的经营管理体制。第二个阶段通过四次战略性财务重组，整体提升了公司质量。通过剥离及置换资产、股权变更、发债及引进注资等，优化了公司资产质量和财务结构。第三个阶段推动改革创新，抓住市场机遇，确立和巩固了行业一流公司地位。从一家传统粗放型综合类券商，成长为一家开拓创新及综合经营能力强、管理模式集约化的一流券商。经过多年努力，国泰君安证券初步成为了“资本充足、业务完备、创新突出、内控严密、运营安全、管理高效、服务优质”创利水平高的现代金融企业。 二、近五年主要业务收入及构成的分析

2006年2007年2008年2009年2010年经纪业务占比 %%%%% 自营业务占比 %%%%% 承销业务占比 %%%%%其他业务占比%%%%%资产管理业务占比 %%%%%

中国证券行业分析报告

目 录 前 言 中国证券行业分析报告 【最新资料，WORD 文档，可编辑修改】

证券市场的不断发展完善，行业持续发展前景看好。2013年证券市场基础制度和法制建设稳步推进，多层资本市场建设取得了重要进展，新三板市场推向全国，证券公司柜台市场平稳起步；证券监管部门进步一放松管制、加强监管，积极保护中小投资者的利益，为资本市场的良好运转提供保障；证券公司整体功能得到扩展，行业的创新和服务能力加强，尤其创新业务发展迅速，资产业务规模继续大幅增长。 互联网金融发展趋势，新制度促进传统业务转型。互联网金融起步，证券公司开始尝试搭建网络综合服务平台，通过网上开户、在线理财等信息技术手段扩展金融服务渠道。即将出台的取消″一人一户″行业政策，低佣金率、高服务质量的企业将会在新的竞争格局中略胜一筹。 国际化竞争加强，行业格局迎来新的调整。行业新一轮并购重组启动，国际化探索取得阶段性成果，随着行业市场不断国际化，外资公司不断加入，行业的竞争格局迎来新的调整良机。 迎合市场需求，发展互联网经纪业务，与大型互联网公司合作是证券公司发展的新方向。对券商板块基本运营而言，传统经纪业务的下行对应着互联网新兴经纪业务的蓬勃发展，互联网与经纪业务的侵蚀与融合将发展到一个更高的层次。 一、中国证券市场的发展概况 证券市场是金融市场的重要组成部分，在金融体系中居于重要地位。证券市场的三大基本功能是筹资、资本定价、资源配置。目前，证券行业已成为我国国民经济中的一个重要行业，对推动国民经济增长作出了重大贡献。 作为金融市场的重要组成部分，证券市场在金融市场体系中占据着重要的地位，其资源配置与资本定价两大基本职能在推动中国国民经济的快速发展过程中发挥了重要作用。 1990年，上海证券交易所、深圳证券交易所的成立标志着中国证券市场正式诞生。1999年《证券法》的实施及2006年《证券法》和《公司法》的修订，使中国证券市场在法制化建设方面迈出了重要步伐。2004年1月国务院《关于推进资本市场改革开放和稳定发展的若干意见》的出台标志着中央政府对证券市场发展的高度重视。此后中国证券市场进行了一系列重大制度变革，主要包括实施股权分置改革、提高上市

第五章 证券投资答案范文

第五章证券投资 一、单选题 1．一般而言，下列证券中，流动性风险相对较小的是（C）。 A．公司债券B．优先股股票C．普通股股票D．国库券 2．相对于债券投资而言，下列关于股票投资的说法不正确的是（A）。 A.收益率低 B.收益不稳定 C.价格波动性大 D.风险大 3．下列关于债券投资的说法不正确的是（ A ）。 A.由于到期会收回本金，因此不必考虑期限的影响 B.投资风险较小 C.投资者权利最小 D.收益率通常不及股票高4．证券按收益状况的不同，可以分为（C ）。 A.短期证券和长期证券 B.政府证券、金融证券和企业证券 C.固定收益证券和变动收益证券 D.权益性证券和债权性证券 5．某人以40元的价格购入一张股票，该股票目前的股利为每股1元，股利增长率为2%，一年后以50元的价格出售，则该股票的投资收益率应为（D ）。 A．2% B．20% C．21% D．27.55% 6．某公司发行的股票，预期报酬率为20%，最近刚支付的股利为每股2元，估计股利年增长率为10%，则该种股票的价值（C ）。 A．20 B．24 C．22 D．18 7．下列各种证券中，一般情况下属于变动收益证券的是（C ）。 A．国库券B．债券C．普通股股票D．优先股股票 8．股票投资和债券投资相比（A ）。 A．风险高B．收益小C．价格波动小D．变现能力差 9．债券投资者购买证券时，可以接受的最高价格是（B ）。 A．出卖市价B．到期价值C．投资价值D．票面价值 10．下列证券持有者具有参与企业经营管理的权利的有（B ）。 A．优先股股东B．普通股股东C．债券持有者D．国库券持有者11．根据变现方式不同，投资基金可分为（B）。 A．契约型基金和公司型基金B．封闭式基金和开放式基金 C．资本基金和货币基金D．期权基金和期货基金

证券行业大数据可视化平台建设方案

证券行业大数据解决方案 前言 随着互联网及移动互联网的高速发展，传统证券业也逐步走向市场化和网络化，行业在快速变化中也面临着激烈的竞争，一方面国家监管层面逐步放开管制，加强监督，鼓励创新。另一方面，证券行业内部各公司也在不断的与时俱进，从经纪、资管业务的网络化，到证券版银联的发展，再到个性化、移动化、社交化的客户服务。 证券公司要在这样竞争激烈市场中保持领先地位，需要在满足监管层合规审计的要求下，以客户为中心，对内深化运营和服务，提高现有客户体验和单客户价值；对外实时了解市场和上市企业等信息，加强跨界合作，对潜在客户精准定位和营销。 在这样背景下，数据成为券商提供内外竞争力的关键，只有及时准确地获得客户在内部和外部的交易、行为，媒体偏好，社交内容的信息数据，才能更好的了解客户，做好营销和服务，并不断优化产品设计和运营。 证券行业大数据问题及解决方案 1、哪些数据需要纳入到大数据平台上来？ 证券公司内部在经纪业务、资管业务、投行业务和自营业务中存在各个系统，例如股票交易系统、理财交易系统、用户开户系统、客服系统等。同时，在各个业务中又存在各种角色，如用户，上市公司、融资方、出资方、托管行等。这些角色在各个系统每时每刻都在产生着各种结构的数据，这些数据产生的不但数量大，类型多，速度快，而且可能会存在各个系统的不一致。

同时，在互联网高速发展的今天，和证券公司相关的各个角色也在无时无刻不在产生大量的网络数据，例如用户的购物行为、媒体资讯浏览等，上市公司的投融资、并购活动等。各业务形态也都在大的市场环境下受到影响，例如政策法规、国内外金融形势、重大事件等。这些数据中哪些应该被纳入大数据平台呢，是根据最终的业务场景来决定，还是将所有能获取的数据全部纳入，深入挖掘，以数据说话呢？ 本方案的大数据理念是数据标准化和分层接入。对目前和将来可获取的数据类型、来源进行充分调研和理解，制定统一的数据接入标准、结构化标准、归一化标准、挖掘标准，以实现很好的系统扩展性。根据业务需求、数据类型、范围、来源、采集技术、实时性要求等进行分层接入，尽量保证原始数据完整性，整合数据一致性和挖掘数据价值度。 2、如何进行跨渠道的用户生命周期运营管理？ 移动端、PC端乃至类似Apple Watch等可穿戴设备都已成为用户数据触点。股票、投资理财、投顾服务等各个业务，涉及到交易、风控、清算等系统的数据都是用户在各个触点、场景下的痕迹，对这些数据进行拉通和分析，可以掌握用户在该券商所处的生命周期，从而可以有的放矢的。对用户进行针对性运营。

《证券投资分析》第5章 客观题答案

第五章公司分析 一、单项选择题 1.( )是确保股东充分行使权力的最基础的制度安排。 A.股东大会制度 B.董事会制度 C.独立董事制度 D.监事会制度 2.中国证券监督管理委员会发布了《关于在上市公司建立独立董事制度的指导意见》，要求上市公司在( )之前建立独立董事制度。 A.2001年6月30日 B.2001年12月31日 C.2002年6月30日 D.2002年12月31日 3.某公司上年度和本年度的流动资产年均占用额分别为l00万元和120万元，流动资产周转率分别为6次和8次，则本年比上年营业收入增加( )万元。 A.180 B.360 C.320 D.80 4.某企业2009年流动资产平均余额为l00万元，流动资产周转率为7次。若企业2009年净利润为210万元，则2009年销售净利率为( )。 A.30％ B.50％ C.40％ D.15％ 5.某公司2009年税后利润201万元，所得税税率为25％，利息费用为40万元，则该公司2009年已获利息倍数为( )。 A.7.70 B.8.25 C.6.45 D.6.70 6.某公司年末会计报表上部分数据为：流动负债80万元，流动比率为3，速动比率为1.6，营业成本150万元，年初存货为60万元，则本年度存货周转率为( )。 A.1.60次 B.2.5次 C.3.03次 D.1.74次 7.计算EVA@时，股权成本的真实成本等于股东同一笔投资转投于其他风险程度相似的公司所获利的综合，也就是经济学上的( )。 A.会计成本 B.投资成本 C.机会成本 D.利息成本

8.下列指标不反映企业偿付长期债务能力的是( )。 A.速动比率 B.已获利息倍数 C.有形资产净值债务率 D.资产负债率 9.计算存货周转率，不需要用到的财务数据是( )。 A.年末存货 B.营业成本 C.营业收入 D.年初存货 10.( )指标的计算不需要使用现金流量表。 A.现金到期债务比 B.每股净资产 C.每股经营现金流量 D.全部资金现金回报率 11.关于存货周转率，以下说法错误的是( )。 A.只有应用个别计价法计算出来的存货周转率才是“标准的”存货周转率 B.通货膨胀条件下，采用先进先出法计算出的存货周转率偏低 C.上市公司期末存货按成本与可变现净值孰低法计价且在计提存货跌价准备的情况下，存货周转率必然变大 D.存货周转率=营业收入/平均存货 12.在现金流量分析中，下列不属于流动性分析的财务指标是( )。 A.现金到期债务比 B.现金流动负债比 C.现金债务总额比 D.现金股利保障倍数 13.属于试探性的多元化经营的开始和策略性投资的资产重组方式是( )。 A.收购公司 B.收购股份 C.公司合并 D.购买资产 14.为了实现战略伙伴之间的一体化的资产重组形式是( )。 A.收购公司 B.收购股份 C.公司合并 D.购买资产 15.为了引入战略投资者而进行资产重组的是( )。 A.股权置换 B.资产置换 C.股权回购 D.交叉持股 16.实质性重组一般要将被并购企业( )以上的资产与并购企业的资产进行置换，或双方资产合并。 A.30％

银行行业大数据解决方案

银行行业大数据解决方案 银行大数据时代面临的挑战 1、银行离客户越来越远。在互联网交易链条中，银行所占比重越来越低，这使得银行越来越难以知道客户的消费行为；互联网金融的出现，在未来可能会超过以银行为中心的间接融资和以交易所为中心的直接融资模式，这会使得银行逐渐被边缘化。本质上是因为银行对于客户的了解程度，相对越来越弱。 For personal use only in study and research; not for commercial use 2、客户不断流失难以挽回。市场竞争越来越激烈，银行意识到客户满意度的重要性，并将提升服务作为工作目标。在具体的操作过程中，银行关注产品特点，从服务质量、客户感知进行调查，试图找到解决办法。但是客户满意度却一直停留在原有水平。客户流失率也在不断上升。本质上是因为银行服务同质化。 3、客户维系成本不断攀升。随着互联网金融各类“宝宝”们冲击银行存款，抬升融资成本，银行越来越难以找到低价优质的资金，客户维系成本也不断攀升。银行客户维系陷入“理财收益高，客户多，收益下降，客户跑”的怪圈。本质上是由于银行无法对客户需求进行及时响应，只能通过价格这一唯一工具进行营销。

银行越来越意识到数据作为核心资产的地位，希望借助大数据的技术，聚合客户在银行内外的种种信息，深入洞察每个客户在银行内外的方方面面，以了解其兴趣、偏好、诉求，从而提供每一个客户个性化的产品与服务。 941大数据服务联盟银行大数据解决方案 941大数据服务联盟基于六年来专注于大数据的应用实践，为银行业提供端到端的整体解决方案，帮助银行实现海量多源异构数据的采集、整合，并运用大数据文本分析和数据挖掘技术，深入挖掘客户特征、需求，从而为银行向客户提供差异化服务和个性化产品、产品创新等提供数据支撑。整体解决方案如下： 银行业大数据应用 1、用户实时行为分析 互联网金融及第三方支付的出现，让银行用户流失严重，同时也更加不了解用户的需求。通过在银行官网、APP上部署采集访问用户实时行为的代码，让银行可了解用户在网上的行为特征、需求，拉近银行和用户的距离，从而为更精细化的服务提供数据依据。

证券行业大数据应用

证券大数据应用 一、可能获得的数据源 1.投资者信息（实名认证信息、联系方式、证券账户、理财账户等） 2.投资者个人交易数据（股票交易、基金交易、互联网证券交易等） 3.投资者个人行为数据 4.股市交易数据/实时行情等 5.上市公司/准备上市公司数据（基本资料、财报等） 6.宏观经济数据 7.政策法规 8.行业投资案例库 9.行业分析报告 10.互联网金融相关媒体数据 11.互联网金融垂直社区数据（例如雪球投资组合） 12.各行业垂直门户网站数据 13.社会化媒体数据（微博、微信公众号、论坛、新闻资讯门户等） 14.各行业电力运行数据 以上数据有些可直接由券商系统（门店数据、终端APP等）即可获取，有些需要从合作机构获取，有些只能通过垂直爬虫爬取聚合。 二、有了大数据能干什么 对投资者（2C）： 投资建议：例如券商官方推荐，类雪球投资组合、京东财谜的去中心化推荐 投资社区：雪球、天厚投资社交等 在线证券交易 在线投资理财 财富管理 量化投资分析 对公司（2B）： 公司投资理财 公司投资并购 股权众筹 公司舆情监控分析 竞争分析/竞争情报 行业分析报告 对券商本身： 用户获取/盘活：大券商盘活存量用户、中小券商获取增量用户 用户账户的建立与持续运营：通过有粘性的服务（例如雪球投资组合），引导用

户绑定互联网证券理财账户、证券账户，打通用户账户体系，持续运营。 综合金融服务：股票、投资、理财、众筹、投行、财富管理 投资报告：行业分析报告、投资建议 平台基础设施：大数据风控等 线上线下渠道一体化 客户流失跟踪 潜在客户挖掘 三、运营体系 目标用户群分析（2B、2C，线上目标用户群、线下目标用户群） 建立有粘性的互联网产品及服务 线上+线下获取用户/盘活用户 基于大数据，持续完善产品、持续运营用户 《数据挖掘技术在证券行业中的应用》姚毓才 1.客户关系管理 用客户交易数据统计出每个客户的交易情况，根据客户行为进行聚类。建立数据仓库来存放对全体客户、预定义客户群、某个客户的信息和交易数据，并通过对这些数据进行挖掘和关联分析，实现面向主题的信息抽取。对客户的需求模式和盈利价值进行分类，找出最有价值和盈利潜力的客户群，以及他们最需要的服务，更好地配置资源，改进服务，牢牢抓住最有价值的客户。通过对客户资源信息进行多角度挖掘，了解客户各项指标（如资产贡献、忠诚度、盈利率、持仓比率等），掌握客户投诉、客户流失等信息，通过对客户数据聚类，将客户进行分群，考察每类客户对证券公司的贡献情况，这样可以根据客户的产生类别的交易行为等其他特点知道该类用户是否对公司具有价值，并且证券公司根据客户行为的特点对贡献度大的客户类采取相应的政策照顾，并且还能吸引某些行为类似的贡献度较低类的客户发展为较高贡献的客户。 2.股市基本分析 任何金融资产的“真实”价值等于这项资产的所有者的所有预期收益流量的现值。具体地说，分析家不仅需要预测折现率，而且还必须预测这种证券的每股平均收益和派息率。证券的真实价值一经确定，就可以用来与这种证券的市场价格进行比较，从而鉴别这种证券的定价是否恰当。如果真实价值低于市场当前价格，那么该证券价值是被高估了，应该卖出；如果证券的真实价值高于市场当前价格，那么该证券价值是被低估了，应该买进。具体的分析策略包括宏观经济信息、产业分析、区域分析和公司分析几类。 3.股市技术分析 利用时间序列预测股票价格。数据挖掘是对大量的历史数据进行处理和分析，提炼出有价值的信息（表现为规则、模型等模式信息），其中的时间序列模型，可以用于股票价格的预测。 4.经营状况分析 通过数据挖掘，可以及时了解营业状况、资金情况、利润情况、客户群分布等重要的信息。并结合大盘走势，提供不同行情条件下的最大收益经营方式。同

公需课考试答案：第三节：大数据金融行业应用

第三章：大数据金融行业应用 第1 题 强大的客户信息数据仓库及数据库是良好实施数据分析的基础。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第2 题 2011年5月美国对冲基金Derwent Capical Markets通过分析Twitter的数据来感知市场营销，在首月的收益率为1.85%，让平均为0.76%的其他对冲基金相形见绌。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第3 题 摩根大通银行可以利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第4 题 没有好的数据基础，可能建模过程就会中途夭折，但是建模成功的话，就能得到如意的结果。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A 第5 题 中国大数据IT应用投资规模中，金融领域占的比例最。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A

第6 题 2012年海通证券自主开发的“给予数挖掘算法的证券客户行为特征分析技术”主要应用在客户深度画像以及基于画像的用户流失概率预测。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第7 题 客户画像指的是个人客户画像，包括人口统计写特征、消费能力数据、兴趣数据、分险偏好等。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A 第8 题 客户生命周期管理包括新客户获取、客户防流失和客户赢回等。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第9 题 数据分析在处理客户关系管理上只是流失客户的预测。（3分） A. 是 B. 否 答题情况：正确选项：B 你答对了! 第10 题 大数据是依托新的数据处理技术，对海量、高速增长、多样性的结构和非数据结构数据进行加工挖掘，找寻数据背后的规律，以提高分析决策能力，优化流程和科学配置资源的管理工具。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了!

大数据在金融行业的应用

【编者按】本文作者傅志华先生（公众号：傅志华）曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前，曾就职于艾瑞市场咨询、易观国际、中国互联网协会，并任DCCI互联网数据中心副总裁。 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。 不同行业应用大数据技术潜在价值评估

数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告 可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。由于上一篇《BAT互联网企业大数据应用》（关注微信公众号：傅志华，即可通过历史文章查阅）已经重点介绍了互联网行业的大数据应用情况，本文将讲点介绍行金融行业大数据应用情况，下一篇文章将重点介绍电信行业的大数据应用情况。 金融行业大数据应用投资分布

从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二和第三位。接下来，我们将分别介绍银行、保险和证券行业的大数据应用情况。 Part1 银行大数据应用 国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面：

中国证券行业分析报告

中国证券行业分析报告 【最新资料，WORD文档，可编辑修改】

目录 一、中国证券市场的发展概况 (3) 二、我国证券行业的监管 (4) 1、行业监管体制 (4) （1）中国证监会的集中统一监督管理 (4) 三、我国证券行业的基本情况 (7) 1、行业发展概况 (7) 2、进入本行业的主要障碍 (8) 3、行业竞争格局 (9) 4、行业利润水平的变动趋势及变动原因 (12) 四、影响中国证券业发展的主要因素 (13) 1、有利因素 (13) 2、不利因素 (16) 五、中国证券业的经营模式及周期性、地域性特征 (17) 1、中国证券业的经营模式 (17) 2、中国证券业的周期性特征 (17) 3、中国证券业的区域性特征 (17) 六、中国证券业的发展趋势 (18) 1、业务多元化 (18) 2、经营规范化、革新化 (20) 3、竞争白热化 (21) 七、投资建议 (21)

前言 证券市场的不断发展完善，行业持续发展前景看好。2013年证券市场基础制度和法制建设稳步推进，多层资本市场建设取得了重要进展，新三板市场推向全国，证券公司柜台市场平稳起步；证券监管部门进步一放松管制、加强监管，积极保护中小投资者的利益，为资本市场的良好运转提供保障；证券公司整体功能得到扩展，行业的创新和服务能力加强，尤其创新业务发展迅速，资产业务规模继续大幅增长。 互联网金融发展趋势，新制度促进传统业务转型。互联网金融起步，证券公司开始尝试搭建网络综合服务平台，通过网上开户、在线理财等信息技术手段扩展金融服务渠道。即将出台的取消″一人一户″行业政策，低佣金率、高服务质量的企业将会在新的竞争格局中略胜一筹。 国际化竞争加强，行业格局迎来新的调整。行业新一轮并购重组启动，国际化探索取得阶段性成果，随着行业市场不断国际化，外资公司不断加入，行业的竞争格局迎来新的调整良机。 迎合市场需求，发展互联网经纪业务，与大型互联网公司合作是证券公司发展的新方向。对券商板块基本运营而言，传统经纪业务的下行对应着互联网新兴经纪业务的蓬勃发展，互联网与经纪业务的侵蚀与融合将发展到一个更高的层次。 一、中国证券市场的发展概况 证券市场是金融市场的重要组成部分，在金融体系中居于重要地位。证券市场的三大

Aleiye证券行业大数据解决方案

ALEIYE & 1.! # 1.1.! o & 5 2 0 2 A 7 3 ! 1.2.! & 2 1 i I AI3 A1 T 0 2 A

! 1.3.! & 0 2 1P! P a V 2P! CSV V 3P! P VPN V ! 1.4.!Aleiye & , 3 !

! 1.4.1.! # P P bP P L DC .4P1 * P S MC GMJ P P P Tr 842 1.4. 2.! # T a P T a T Aleiye a T sT ! !! ! ! ! !

!@timestamp!! !account!! customername!! b!useraction! bP bP b ! L DC .4!publicip!! 1 * !mac! W mac ! client!Mobile EXE ! IP @nodeip! P IP ! 1.4.3.! VPN # Windows sP Windows sP Windows sP Windows!AD sP VPN sV! ! 1.5.!Aleiye & 1.5.1.! s # Aleiye s T s U! & ! ! CPU!Inter!E5A2420!V2!2.20GHZ!2! !16G!2! !2T!SAS!!4! IO!7.2K!! ! 1.5. 2.! s # Linux CentOS!6.2!

1.5.3.! # Aleiye bU! 1P! ALeiye!DE V!! 2P! HDFS V!! 3P! Collector V! 4P! Syslog T Syslog ! ! 1.6.! w & 。 s n Y T r ! !! P P P uP P !! d W s s W U U s s V U s s !! W b s t W U U bm s V e U b e s s V U b s !! W

证券行业调查报告

证券行业调查报告 证券市场是资本市场的基石，股市是国民经济的晴雨表。以下是证券行业调查报告，欢迎阅读。 随着中国特色社会主义市场经济的深入发展和经济改 革的深化，我国的资本市场发展到目前具有三十多万亿市值，具有完善的投资品种(股票、债券、基金、股指期货、商品期货等)和较为合理的市场结构庞大的资本市场。未来资本市场规模将更加壮大，层次更加多级，证券市场与国际市场联动将趋强，证券品种将更加丰富，在优化社会资源配置中发挥重要作用。证券投资与管理专业是适应资本市场发展要求新兴的专业。因此，证券投资与管理专业的建设成为现阶段我国专业建设的一个重要的方向，证券投资与管理专业人才的培养对于资本市场发展至关重要。而对于高等职业学校来说，需要充分考虑到学生的知识水平及特点，本文通过充分的调研对高等职业学校证券投资与管理专业的发展提出 了相关建议，得出了高职证券投资与管理专业建设及其人才培养方案优化的相关结论。 (一) 调研的背景 职业教育肩负着培养高素质技能型人才的重任，职业教育的发展水平关系到技能型人才的质量。党中央、国务院和江苏省委、省高度重视职业教育改革与发展，为推动职业教育又好又快发展，建设一支数量足够、结构合理、素质优良

的教师队伍。定期组织专业教师培训，以带动我省职业教育 的教学改革和课程改革，更新专业教师的教学观念，共同探 索构建适应岗位需要的以职业能力为核心的教学体系，进而 提升高等职业学校的办学水平，提升高等职业学校毕业生的 就业能力和就业竞争力。 调研的本专业建设中存在的主要问题; 1、校企合作的深度和广度还不够。目前与企业的合作 办学很多还停留在纸面上、协议中，很多情况下仍局限在短 期利益和短期合作，浅层次、低水平的合作较多;长期共赢合作、企业家进课堂、教师与学生走进企业都没有深入的开 展起来;顶岗实习、跟岗训练等有待进一步落实和深化。 2、校企合作的形式和内涵还应有所创新和突破。 3、面对资本市场的新工具(如股指期货)、新形式对证券人才培养提出新要求反应较慢。 4、师资队伍还需加强，教科研能力整体不高，教师的 素质结构、专业知识结构和研判市场趋势行情的反应、判断 能力还有待进一步提高。 同时，面对企业用人难、学生择业难的尴尬局面，目前 证券投资与管理专业高等职业教育显得滞后，与社会需求存 在一定的差距，造成教学与市场需求脱节。在这种形势下， 我们需要了解社会、了解市场，因此，结合高职学生实际， 进行一次全面彻底的具有一定开拓性的市场调研很有必要

证券投资分析与智慧人生参考答案有答案

证券投资分析与智慧人生参考答案 选择题只留了正确答案在题目后面 判断题正确为T错误为X 绪论 1.本课程的宗旨 全面理解 基本掌握 开拓视野 提升智慧 2.本课程的理念有 全面拓展观察世界的视野 全面提升选择得失的智慧 全面掌握博弈竞争的技能 3.和人打交道涉及到的是EQ X 4.素养不会随着失去记忆而忘掉T 5.本课程旨在于帮助同学们提高视野高度，掌握人生技巧，学会舍得，学会生存技巧T 第一章 1.证券投资技术分析的目的是预测证券价

格涨跌的趋势，即解决（）的问题。 何时买卖证券 2.“市场永远是对的”是哪个投资分析流派的观点 技术分析流派 3.我们把根据证券市场本身的变化规律得出的分析方法称为 技术分析 4.一般来说，可以将技术分析方法分为 指标类 切线类 形态类 K线类 5.在关于量价关系分析的一些总结性描述中，正确的有。 价涨量增顺势推动 价涨量跌呈现背离 6.证券投资分析是通过各种专业性的分析方法和分析手段对来自于各个渠道的、能够对证券价格产生影响的各种信息进行综合分析，并判断其对证券价格发生作用的方向和力度T

7.证券投资分析中，技术分析解决的是“买卖何种证券”的问题X 8.证券投资分析是能否降低投资风险，获得投资成功的关键T 第二章 1.进行证券投资技术分析的假设中，从人的心理因素方面考虑的假设是 历史会重演 2.在进行证券投资技术分析的假设中，最根本、最核心的条件是 证券价格沿趋势移动 3.技术分析的理论基础是基于( )市场假设。 价格沿趋势移动# 市场行为涵盖一切信息 4.下列论述，正确的有 应该适当进行一些基本分析和别的方面的分析，以弥补技术分析的不足 市场行为是千变万化的，不可能有完全相同的情况重复出现 市场行为反映的信息同原始的信息毕竟有差异，损失信息是必然的

从应用视角看大数据对证券公司的影响

从应用视角看大数据对证券公司的影响 孟庆江 作者简介：孟庆江，澳门大学博士，现就职于中投证券博士后站。 随着移动互联网、物联网、云计算技术的快速发展和社会对于大数据的逐渐重视，大数据从概念逐渐走向应用。互联网金融企业在过去的一年里快速发展壮大，对传统金融行业造成严重冲击，很大程度上就依赖于大数据和云计算技术，能够动态了解客户的多样化需求，改善传统金融的信息不对称问题，推出满足客户需求的个性化金融产品。 随着A股市场全面放开一人一户限制，以及券商牌照即将向互联网公司放开，面对居民财富迅速增长和其对理财产品多样化的需求，券商受到来自行业内外部的双重压力。传统IT基础设施环境逐渐无法满足证券公司对转型和创新战略的要求，建立大数据驱动的创新平台，为即将到来的业务差异化竞争提供强有力的技术支持，将是证券公司抢占市场先机的必备条件。 一、证券公司大数据的实际应用 相对于其它行业的数据，证券行业数据具有质量高、价值大、可定位性好等特点。证券公司拥有大量的客户交易数据，通过对这些数据的分析，可以细分客户类别，并据此为客户提供差异化服务。此外，公司可以对实时行情、财务报告、经济信息、新闻等衍生数据进行分析，也可以对产品/投资品信息、头寸/交易信息、交易对手数据、评级数据等参考数据进行分析，还可以分析曲线、差价、波动信息、相关性分析等经过加工后产生的数据。 （一）证券公司大数据的应用概括 定量分析是在基于产品的几十个甚至上百个独立变量之间寻找定义数以千计的客户细分。从深度历史数据中找到隐含相关性，从而使公司可以做出更加正确的决策，在寻找有针对性的销售、市场和定价策略方面更可能成功，这意味着带给证券公司更多的收入和更快的销售周期。图1给出了大数据在证券公司的主要应用流程图，详细描述了大数据在量化研究、风险管理及客户管理等方面的应用。 图1：大数据在证券公司的主要应用流程图 未来证券公司需要分析的数据量、复杂度和语义深度都将大幅增加。而数据管理能力涵盖数据的获取、清洗、存储、分析和发布，帮助证券公司在客户管理、产品创新、风险管理和业务运营上提高水平。证券公司作为多牌照的金融机构，不同牌照间通过对客户行为数据、客户交易数据的分析，可以开发设计出新的产品。 （二）大数据在风险控制中的应用 证券公司在风险控制时需要最新的风险敞口信息，在特定时间和所处头寸期间由市场波动来计算风险度量，而风险系统依赖于每天的交易输入和市场数据，这带来了累积式风险的不完整性和不同步性。为做出正确决定，风险管理系统必须通过各种累积式层次来展示累积式风

券商行业分析报告

券商行业分析报告 一、业务结构 （一）券商四大业务结构： 1.收别人的钱-经纪业务：相当于麻将馆老板，你们自娱自乐我来抽成。行话叫“通道”，各大券商的主要财源； 2.帮别人借钱-投资银行业务（盘活资产）。包括IPO，承销股票债券，以及做并购交易的掮客。 3.管别人的钱-资产管理：一个是设计，发行理财产品。二是通过基金子公司来管理。 4.向市场提供钱-交易：这里分两部分，一个是借本钱给人玩（资本中介），包括融资融券，约定式回购和股票质押，以及做市商应该也算。二是用自己本钱下注，包括股票，股指期货，ETF以及分级基金，对冲基金等。 下面统计为总资产排名前六位券商的业务结构 制表(截止2014年年报) （二）国外同行的业务结构

1、摩根士丹利和高盛 高盛44%的收入来自对机构客户的服务部门，除交易外，高盛在直接投资方面也十分活跃，该部门现在被称为商业银行部门。其财富管理部门与摩根士丹利无法比拟，摩 根士丹利仅靠财富管理部门收益便有45亿美元收入，而高盛的相应部门收入仅为15.8亿美元，是摩根士丹利的三分之一。摩根士丹利CEO James Gorman在财报发布后向 摩根士丹利分析员表示，“关键就是不为取得盈利而加大风险。”高盛首席财务官Harvey Schwartz上周强调了高盛致力于复杂交易的决心，交易包括大宗商品、衍生品、和债券交易，并认为交易结果决定了高盛第一季度的成功。可见国外同行与国内不同 之处在于盈利模式的个性化，这也将是未来国内券商的发展方向。 2、高盛10k报告解析

高盛四块业务： 1、投资银行，包括金融咨询，承销服务，又分股票承销和债券承销； 2、机构客户服务，这部分貌似提供做市商功能，在股票、固定收益、货币和大宗商品市场提供做市商功能和专业建议。客户中大部分为个人打理退休金、闲置资金和存款等。通过高盛全球买卖系统接收交易指令，发布投资研究，交易建议，搜集市场信息 和进行深度分析。发布分为固定收益，货币和商品客户交易指令执行（代客户交易），股票，又分股票客户执行，佣金和手续费，证券服务收入。收入的四个来源：流动性 高的市场：如sp500，抵押证券等，执行大量交易指令；低流动性市场：如中型企业 基金，成长初期的货币和抵押证券等；指定交易，如客户的风险敞口或者一些复杂的 需求；剩下的就是类似于国内的融资融券。总体分为现金和衍生品两部分，收取手续 费和佣金。总体感觉，执行交易、做市商、融资融券等，收取手续费。3、投资和借款。长期投资，在不同资产间切换，首选是债券。可能直接投资，也可能通过自己管理的 基金来投资。高盛管理了很多资产组合，在资产置换，带杠杆的并购基金，并购和投 资基金，被外部部门管理。投资管理，通过全球资产配置，投资组合来管理，手段包 括对冲基金，信用基金，私人股权基金，不动产，现金，衍生品等。给客户理财。根 据客户需求定制资产组合，进行资产配合和投资变现。4、其他就是管理和咨询费用，从管理的高净值客户资产中产生。 （三）国内券商与高盛的比较

论大数据在金融行业中的应用

龙源期刊网 https://www.sodocs.net/doc/808368058.html, 论大数据在金融行业中的应用 作者：王语然 来源：《中国经贸》2017年第16期 【摘要】科技创新为主导、万物互联为基础，是拉动人类社会经济发展的引擎。以“云计算” 、“大数据”为显著特征的万物互联，引领人类社会迈入了新型社会型态，使人类的地平线上出现了解决问题的新方法——云、软件和大数据，这些新方法，未来必定成为产业、公司和组织发展壮大的依托，成为社会发展的命脉。而阿里巴巴创始人马云也曾精辟的论述：未来的时代是大数据科技时代。大数据作为高科技时代应运而生的产物，使信息沟通畅通无阻，使人与人之间的交流更为方便密切。纵观当今社会，大数据已渗透到各个产业，如制造业、农业、金融业等等。笔者就大数据的概念及其在各金融行业的应用进行详细阐述。 【关键词】大数据；金融；应用 作为海量信息的集合，大数据是信息化时代发展的必然产物，亦是推动世界快速发展的动力之源。随着大数据的快速推广和应用，迫使越来越多的金融企业义无反顾的投身大数据应用实践中。大数据带给金融行业的不仅有理性化的战略制定，前瞻性的决策，更有资源的优化分配。现笔者就大数据的概念及其在各金融行业的应用进行详细阐述。 一、什么是大数据 所谓大数据，简而言之，就是采用多元化形式，收集多方数据源从而整合成庞大数据组。大量、时效、多样、价值、准确性是大数据独有的5V特性。但大数据整合功能的达成，必须依托云计算分布式的处理、公布式的数据库、云存储或虚拟化的技术，方能实现对海量数据的挖掘。 二、银行应用大数据，应对被边缘化危机 大数据能力将是未来银行的核心竞争力之一。是否拥有超强的“大数据”处理能力，成为银行能否实现价值最大化的关键所在。总体来说，银行大数据应用主要表现为如下几方面： 1.构建客户全景图像 客户信息分散且不全面，彼此之间既有联系又相互独立，但整合难度大且不易实现。这是传统客户图像的显著特征。而大数据技术的应用，不仅可以将之前难以处理的客户反馈、票据影像等内部数据以结构化的方式解析，而且可以将客户数据、金融数据及社交数据三者有机整合，以真实完整的方式展现客户全景图像，提升银行了解客户的透彻度。 2.实现精准营销

第五章证券投资分析测试题

第五章证券投资分析测试题 单项选择题 1. 下面哪一种资产组合不属于马克维茨描述的有效率边界？( ) (答案：D) A.资产组合W 期望收益15% 标准差36% B.资产组合X 期望收益12% 标准差15% C.资产组合Z 期望收益5% 标准差7% D.资产组合Y 期望收益9% 标准差21% 2. 下面对资产组合分散化的说法哪些是正确的？( ) (答案：C) A.适当的分散化可以减少或消除系统风险 B.分散化减少资产组合的期望收益，因为它减少了资产组合的总体风险 C.当把越来越多的证券加入到资产组合当中时，总体风险一般会以递减的速率下降 D.除非资产组合包含了至少30只以上的个股，否则分散化降低风险的好处不会充分地发挥出来 3. 测度分散化资产组合中某一证券的风险用的是( ) (答案：D) A.特有风险B.收益的标准差C.再投资风险D.贝塔值 4. 马克维茨描述的资产组合理论主要着眼于( ) (答案：B) A.系统风险的减少 B.分散化对于资产组合的风险的影响 C.非系统风险的确认 D.积极的资产管理以扩大收益

5. 如果红利增长率( )，运用固定增长的红利贴现模型就无法获得股票的价值 (答案：B) A.高于它的历史平均水平 B.高于市场资本化率 C.低于它的历史平均水平 D.低于市场资本化率 6. 从理论上来说，一家公司要想使股票价值最大化，如 果它相信( )，就应该把它的所有收益用来发放红利 (答案：D) A.投资者不在乎他们得到的回报的形式 B.公司未来的增长率 将低于它们的历史平均水平C.公司仍有现金流入D.公司未来的股权收益率将低于它的资本化率 7. 根据固定增长的红利贴现模型，公司资本化率的降低 将导致股票内在价值( ) (答案：B) A.降低 B.升高 C.不变 D.或升或降，取决于其他的因素 8. 投资者打算买一只普通股并持有一年，在年末投资者 预期得到的红利为1.50美元，预期股票那时可以26美元的价格 售出。如果投资者想得到1 5%的回报率，现在投资者愿意支付的 最高价格为( ) (答案：B) A.22.61美元 B.23.91美元 C.24.50美元 D.27.50美元 9. 在红利贴现模型中，不影响贴现率k的因素是( ) (答案：C) A.真实无风险回报率B.股票风险溢价C.资产回报率D.预期通胀率 10. 如果一家公司的股权收益率为15%，留存比率为40%，则红利的持续增长率为( ) (答案：A)

2020年证券行业分析报告

2020年证券行业分析报告 2020年7月

目录 MSCI 中国和沪深300 指数年初至今表现良好 (3) 行业表现 (4) 医疗保健电商7 8 媒体与娱乐消费 9 12 15 16 19 20 21 22 24 26 27 28 30 32 交通运输原材料资本货物汽车汽配公用事业房地产技术硬件电信 保险 多元金融银行 能源

MSCI 中国和沪深300 指数年初至今表现良好 MSCI 中国指数年初至今上涨1.1%。1 月13 日至3 月19 日新冠疫情最严重的时期，该指数下跌22.6%，自3 月19 日至今反弹24.4%，是全球表现最好的股票市场之一（如图1 所示）。MSCI 中国指数估值为15.2 倍前瞻市盈率和1.7 倍前瞻市净率，比过去三年中值水平12.3 倍和1.6 倍分别高出23%和11%。 沪深300 指数年初至今下跌1.9%。1 月13 日至3 月23 日新冠疫情最严重的时期，该指数下跌16.0%，自3 月23 日起至今反弹13.8%，是全球表现最好的股票市场之一（如图1 所示）。沪深300 指数估值为13.3 倍前瞻市盈率和1.7 倍前瞻市净率，比过去三年中值水平12.5 倍和1.6 倍分别高出6%和2%。 恒生指数年初至今下跌13.2%。1 月17 日至3 月23 日新冠疫情最严重的时期，该指数下跌25.3%，自3 月23 日起至今反弹12.8%。恒生指数估值为11.3 倍前瞻市盈率和1.0 倍前瞻市净率，与过去三年中值水平的前瞻市盈率相若，比过去三年中值水平1.2 倍前瞻市净率低21%。 图表1：主要股指本币计价回报（根据年初至今回报排序） 股指回报- 本币计价 一周两周 2.2% 0.9% -0.3% -0.3% 1.9% -0.8% 1.3% -0.7% -3.2% 0.7% -0.8% 0.1% 0.6% -1.1% 2.7% -1.8% 0.6% 0.9% 1 个月 6.8% 2.7% 11.1% 8.7% 6.7% 8.8% 9.6% 9.2% 5.6% 10.4% 11.5% 7.5% 2.9% 5.8% 23.2% 7.8% 13.4% 10.7% 3 个月 18.0% 8.3% 年初至今 1.1% 6 个月 2.7% 12 个月 14.9% 9.9% MSCI 中国0.0% 沪深300 -0.5% -2.5% -2.4% -1.6% -3.1% -1.9% -2.3% -1.6% -1.8% -0.6% -3.0% -2.3% -4.7% 0.9% -1.9% -0.6% -2.5% -2.5% -4.6% -3.2% -6.9% -9.2% -9.1% -9.8% -11.8% -11.1% -12.1% -16.6% -15.2% -19.0% -18.7% -20.1% 韩国KOSPI 美国标普500 台湾TWSE 马来西亚KLCI MSCI 亚太区除日本外日本Topix 28.0% 23.1% 22.2% 21.5% 19.7% 25.1% 23.2% 20.3% 25.7% 32.9% 5.2% -2.6% 2.4% -3.6% 7.7% -3.9% 9.5% -3.9% -6.8% 1.4% -7.4% -7.8% 3.1% 俄罗斯MOEX MSCI 新兴市场欧洲STOXX 泰国SET -10.0% -10.8% -12.0% -12.9% -13.2% -17.2% -17.4% -18.8% -19.6% -20.8% 0.2% -1.6% -3.3% -17.5% -10.1% -16.8% -2.1% -14.0% -20.6% -19.4% 香港恒生 新加坡海峡时报巴西IBOV 8.8% 28.0% 9.6% 印度Sensex 菲律宾PSEi 印尼JCI -2.2% -2.4% 1.4% 17.7% 11.9% 资料来源彭博、市场研究部；数据截至2020 年 6 月17 日