今日股市大盘点数(大盘点数怎么算的)

2023-04-22 18:51分类：止损技巧阅读：

点蓝字关注，不迷路~

A股市场前三季度收官，总体表现平稳，其中创业板领跑，科创板和创业板期间上蹿下跳，波动相对较大。

凭借着相关产品价格上涨增厚业绩的预期，资源类周期性股票成前三季度最大赢家。相较于去年白酒、医药等消费股领涨的情形，A股市场在周期和消费之间的“跷跷板”效应再度展现。

个股方面，股价翻了数倍的股票再次批量涌现，与此同时，也出现数十只腰斩的股票，个股的两级分化仍旧明显。

A股前三季度总体平稳创业板领跑

数据显示，今年前三季度A股市场一波三折，但总体表现平稳，创业板指数涨幅达到9.39%。同期上证指数涨幅为2.74%，深证成指和科创50指数分别下跌1.12%和1.75%。

从各个单季表现来看，今年第一季度上述四大指数均有不同程度下跌，其中科创50指数跌幅超过10%。

第二季度各大指数均大幅反弹，其中科创50指数涨幅高达27.23%，完全收复一季度失地。上证指数、深证成指、创业板指数分别上涨4.34%、10.04%和26.05%。

第三季度主要指数再度迎来调整，其中创业板指数和科创50指数调整幅度相对较大。

从波动幅度来看，创业板指数和科创50指数波动幅度明显要高于上证指数和深证成指。

资源类周期性板块全面跑赢煤炭、钢铁股回报率居前

从行业板块表现来看，周期性板块今年前三季度全面领先。

申万一级行业分类下，煤炭股集中的采掘板块表现最为亮眼，前三季度涨幅超过60%。

钢铁板块表现也较好，前三季度涨幅超过40%，有色金属板块前三季度涨幅超过30%。

股市上周期性板块大幅上涨的背景是，资源性产品价格的持续上行，大幅提升了相关板块上市公司的业绩。

根据国家统计局工业司高级统计师朱虹对8月份工业企业利润数据的解读，受大宗商品价格总体高位运行推动，8月份煤炭行业利润同比增长2.41倍，增速较上月加快30.0个百分点；油气开采行业利润同比增长2.57倍；有色、化工行业利润分别增长98.9%、66.5%。

川财证券的研究观点认为，按照当前数据来看，第三季度、第四季度煤价环比上涨是大概率事件，行业利润的增速加快，意味着板块的业绩预期还存在上调的可能。总体上继续看好年内煤炭板块行情。

与资源类周期性板块形成鲜明对比的是农林牧渔、银行等板块，这类板块前三季度均不同程度下跌。非银金融、计算机、国防军工、传媒前三季度也小幅下跌。

白酒股集中的食品饮料板块期间上蹿下跳，波动较大，前三季度整体小幅下跌。

个股分化明显逾200股股价翻倍

从前三季度情况来看，在剔除今年以来上市的次新股后，仍有576股涨幅超过50%，其中233股前三季度股价翻倍。

前三季度甚至出现多只股价翻了数倍的股票，其中联创股份涨超600%，江特电机、石大胜华涨超500%。湖北宜化、合盛硅业、*ST赫美涨超400%。总的来看，涨幅居前的股票中，锂电等新能源赛道股票就有多只。

另外，在剔除今年以来上市的次新股后，有328股跌幅超过30%，其中44股跌幅超过50%，即股价遭遇腰斩。跌幅居前的股票主要是一些通信、房地产行业的爆雷股，以及教培等行业的一些股票。

中金网4月3日讯，在一季度末资金阶段性紧张，美国股市跌势加速的背景下，A股市场一波三折。一季度股市已经收官，沪指一季度上涨3.83%，深成指上涨2.47%，创业板则下跌多达2.79%.

回顾一季度，各指数表现如何。哪些公司最受关注。哪些营业部最活跃。带你回顾市场全貌，以飨读者。

一季度全球主要股市多数上涨

Choice数据显示，一季度全球主要股市多数上涨。孟买，纳斯达克，恒生指数涨幅居前。仅日经225和俄罗斯RTS出现下跌。

最牛次新股至纯科技涨了891%

Choice数据统计显示，2017年1月13日上市的至纯科技成为一季度最牛个股，一季度累计上涨891.16%。排名第二，第三的次新股也斩获了5倍的涨幅，立昂技术上涨570.08%，万里马上涨562.67%。一季度最牛次新股前20排名如下：

数据来源：Choice数据

本文章通过真实案例讲述传统数仓实施的方案及需要注意的问题。在讲述具体案例前，首先回答以下几个问题。数仓为什么要分层，一般怎么分层？

分层目的

数仓分层是经过无数数据人多年经验总结出来的一套行之有效的数据组织和管理方法，使得数据结构层次分明，传承有序。首先数据分层，使得数据结构更清晰，每一层都有对应的作用和职责，使用时更方便定位和理解。其次，清晰的数据结构，规范的数据开发标准，可以开发中间层数据，能极大减少重复计算。再次，通过数据分层，可以统一数仓数据出口，提供统一且标准的数据口径，减轻下游数据核对工作。最后，数据分层，可以将复杂的计算简化，分步完成，每一层解决特定问题，使复杂问题简单化。

分层方法

一般怎么分层呢？这个问题需要根据数仓实施的行业，具体分析。一般通用的数仓分层为三层。ODS贴源层，DW整合层，APP下游应用层。但实际实施中，DW整合层又可再分层细化，ODS贴源层前也会衍生出临时存放数据的缓冲层。

通用数仓分层

案例分析

接下来我们以某银行数仓架构为列，讲解数仓分层架构及设计原理。银行数仓架构图如下：

数仓分层架构

传统银行业务中，准实时接入，流式计算是很少有场景需要用到的。所以不在这篇文章中介绍。

TDM临时层

临时层也可以称为缓冲层，最靠近源系统的一层。通过Sqoop直接抽取或者通过ETL文本入库，一般保留最近七天的数据，最多不超过一个月。以TEXT文本格式保存数据。

ODS贴源层：

贴源层数据大多是按照源系统数据分类方式分类，原封不动的接入源数据。保留最原始的数据内容，方便数据追溯查询。数据一般永久保留。以ORCFILE的文件格式存储数据。一般按日分区。数据量较大或特定业务数据，可多级分区。

设计原则：

表名的设计一般是ODS_业务系统_表名_标记。这样设计表名，有清晰的层次结构，方便区分数据来源，还可识别源系统表名。而标记一般是数仓的特有属性。用于区分增量、全量或者处理时间天级或小时级。

SDM标准层：

标准层数据按业务主题分类，对数据进行清洗加工，建立各种主题模型。一般需要进行去重、去噪、异常值处理、值标准化、清洗脏数据垃圾数据、半结构化数据解析等操作。层内主题一般划分事件主题、协议主题、客户主题、财务主题、公共参数等主题。以ORCFILE的文件格式存储数据。一般按日分区。

设计原则：

表名的设计一般是SDM_主题名称_业务含义。在本层需要进行字段名归一，字段类型统一，字段值的标准化等。不同的表中，相同属性字段，字段名称、数据类型、数据内容必须保持一致，这样可以减少犯错概率，降低下游编码难度。标准层必须定义一致的指标和维度，按统一的规范进行设计，可以保证所有的数据按照统一的规范进行存储。

GDM整合层：

整合层数据按业务主题和维度进行分类，从业务理解或业务分析的角度组织数据。这一层数据在标准层的基础上，进行大量的整合汇总，形成分析业务主题的维度数据。以ORCFILE的文件格式存储数据。一般按日分区。

设计原则：

表名的设计一般是GDM_维度_业务含义。整合层设计的核心是维度建模。而维度是维度建模的基础和灵魂。所谓维度，是指观察事物的某一个角度。如‘谁，什么时候，什么地点，为了什么’而做了某一件事。具体而言，‘小王早上在食堂购买5元钱包子’。人物维度—小王，时间维度--早上，地点维度—食堂，商品维度—包子，而5元是事实的度量。以上可以看出，在维度建模时，设计维表，其核心是确定事物的维度。维度字段是查询约束条件(where)、分组条件(group)、排序(order)，与报表标签的基本来源。注意：整合层设计时，隐含有一巨大工作量的任务，整分核对。

APP应用层：

应用层是面向业务定制的应用数据，主要提供给下游应用产品和业务数据分析。一般会将数据推送到关系型数据库。应用层直接面向需求，所以并没有太多规范，只需参照基本的命名规范即可。以ORCFILE的文件格式存储数据，一般按日分区或不分区。

设计原则：

表名的设计一般是APP_应用名称_需求名称。应用层主要面向需求，设计时需要了解需求所需数据、使用方式、使用频率，性能要求等。然后盘点数仓现有数据能否满足需求，有没有可复用的数据或接口。

数仓分层建模写到这，欢迎留言探索。

精益生产管理

所谓盘点，是指定期或临时对库存商品的实际数量进行清查、清点的作业，即为了掌握货物的流动情况 (入库、在库、出库的流动状况)，对仓库现有物品的实际数量与保管账上记录的数量相核对，以便准确地掌握库存数量。

先简单介绍几种盘点方法

动态盘点法所谓动态盘点法，就是入库的时候就盘点。

入库的时候把每一种货品数量清点清楚，注意存放的位置，然后将数目和库位信息记录到系统。此点对于对库存要求较高的电商来说是必不可少的一环，这是确保一开始信息源准确的基础。

循环盘点法循环盘点是指在每天或每周盘点一部分商品，一个循环周期将每种商品至少清点一次的方法。

循环盘点通常对价值高或重要的商品检查的次数多，而且监督也严密一些，而对价值低或不太重要的商品盘点的次数可以尽量少。