股价走势

股价走势（精选四篇）

股价走势 篇1

股票市场是一个高风险高收益场所, 在能给投资者提供高收益预期的同时, 其风险也不容忽视。为降低股市风险, 提高收益率, 有必要对影响股价的因素进行研究分析。

前人对于国内证券市场股价影响因素的研究大致分为三类:一类是股价指数与宏观经济变量的关联性研究;一类是个股股价与其会计信息的关联性研究;还有一类则是其它因素对股价影响的探讨。但这些研究均从某一类影响因素入手, 缺乏对更广泛因素的综合考虑, 难以指导投资实践。本文的研究对象落脚于微观股价, 从个股层面、市场层面、宏观层面三个层面入手, 找出我国证券市场中影响股价长期走势的主要因素, 以期指导投资实践。

二、研究体系的建立

(一) 样本股票选择

本文从1994年以前上市的上海证券综合指数成份股中随机抽取30支股票, 对股价的长期影响因素进行实证研究。在统计学中, 将样本容量不小于30的样本称之为大样本, 大样本具有良好的统计特性, 可以较好地代表总体, 从而通过样本特性可以较准确地估计总体特性。

(二) 影响因素选择

1. 个股层面

每股收益 (X2) 。每股收益即每股盈利 (EPS) , 又称每股税后利润, 每股盈余, 指税后利润与股本总数的比率。一般认为每股收益对股价有较大影响, 每股收益越高, 反映企业的盈利能力越强, 股价便应该给予越高估值。

每股净资产 (X3) 。每股净资产是指股东股东权益 (净资产) 与总股数的比率, 它反映了每股股票所拥有的资产现值, 是支撑股票价格的重要基础。

营业收入 (X4) 。营业收入是指企业在从事销售商品, 提供劳务和让渡资产使用权等日常经营业务过程中所形成的经济利益的总流入。营业收入是企业的主要经营成果, 是企业取得利润的重要保障。

2. 市场层面

上海证券综合指数 (X5) 。上证综指是上海证券交易所编制的, 反映了上海证券交易市场的总体走势。研究发现, 在一定时期内, 指数与个股有正向相关关系, 因而将其作为股价的影响因素之一。

3. 宏观层面

国内生产总值 (X6) 。国内生产总值简称GDP, 是指在一定时期内一个国家或地区的经济中所生产出的全部最终产品和劳务的价值。股市是经济的晴雨表, GDP的变化会对股市长期走势产生重要影响, 将GDP列为影响因素之一也是理所当然。

居民消费价格指数 (X7) 。居民消费价格指数简称CPI, 用于度量居民生活消费品和服务价格水平随着时间变动的相对数, 综合反映居民购买的生活消费品和服务价格水平的变动情况。

货币供应量M1 (X8) 。货币供应量是指一国在某一时点上为社会经济运转服务的货币存量, 它衡量了一国货币流动量的大小。M1也称狭义货币供应量, 代表流通中的现金加上企事业单位活期存款, 流动性较强, 可以轻易进出股票二级市场, 从而有可能推动股价的上涨或下跌。

美元汇率 (X9) 。美元汇率是指美元相对于人民币汇率, 即1美元能兑换多少元人民币。由于美元是世界货币, 大部分国家的货币均可与美元自由兑换, 因此美元汇率是衡量人民币在国际上购买力的重要指标, 它的涨跌对我国国际收支中的经常账户和资本账户产生影响, 进而可能影响股价走势。

(三) 样本时期选择

对于30只股票及其与其各自相关的9个变量 (1个因变量和8个自变量) , 本文选取的时期为1994年至2011年。中国的股市自产生以来只经历了短短22年, 本文力求在现有条件下选取尽可能多的横向及纵向数据, 以准确反映年轻中国股市股价长期走势的影响因素。

(四) 数据说明

股票价格、每股收益、每股净资产、营业收入属于个股自身变量, 每只股票、每个指标及每年数据均不相同, 共有30×4×18=2160个数据, 均来源于上海证券交易所及各家公司历年财务报表。数据均经过前复权处理以保持连续性。

上证综指、GDP、CPI、M1、人民币汇率均属个股以外变量, 每只股票价格分析将共用这些变量。上证综指来源于上海证券交易所, 以每年收盘价为准。GDP、CPI、M1、美元汇率均来源于《2012年中国统计年鉴》。

(五) 计量模型的设定

根据以上数据特征, 使用面板数据模型 (Panel Data Model) 来进行因素分析。面板数据的回归模型有两种:固定效应模型 (FEM) 和随机效应模型 (REM) 。

固定效应模型的一般形式为:

随机效应模型的一般形式为:

其中

(1) 式与 (2) 式的区别在于: (1) 式中的β1it反映了每个横截面单元的截距值是不同的, N个横截面就有N个自己固定的截距值, 而 (2) 式中的每个横截面单元都有一个相同的均值β1, 并且每个横截面单元截距值的个别差异都反映在εit中。若var (uit) =su2, 则var (wit) =se2, 除非su2=0, 否则两式误差项方差不相同。这表明了it与is (i≠s) 是相关的, 即一个给定横截面单元的误差项在不同的两个时点是相关的。

在对固定效应模型和随机效应模型进行选择时, 可以使用豪斯曼检验 (Hausman Test) 帮助判断哪个模型为最优。使用EViews7对以上数据进行豪斯曼检验, 检验结果显示Hausman值为0, 其对应P值为1, 接受原假设, 建立随机效应模型:

其中it (28) uit (10) it, 且X5t、X6t、X7t、X8t、X9t在同一截面中对每个样本均无不同。

(六) 估计方法的选择

对于面板数据回归的参数估计应使用最小二乘法 (LS) 。

使用普通最小二乘法 (OLS) 的前提假设是随机干扰项之间没有相关性, 否则得到的估计量将不具有最小方差, 因而不是最有效的。而广义最小二乘法 (GLS) 能够消除随机干扰项中的自相关性, 使得估计的参数具有最优线性无偏 (BLUE) 性质。由于随机效应模型中wit与wis (i≠s) 的相关性, 故应使用广义最小二乘法进行估计。

三、实证分析

使用Eviews7对 (3) 式用广义最小二乘法 (GLS) 进行估计, 所得结果如下:

其中Yit代表18年30只股票样本股价的横截面识别名, 同理可推知X2it、X3it、X4it的含义, 表示30只股票估计截距项差异 (在研究中非必要, 故不给出估计值) 。由于使用广义最小二乘法 (GLS) 对模型进行估计, 因此R2、AdjustR2、F统计量结果均为加权后数据。

为了找到对Yit影响最显著的变量, 建立最优回归模型, 因此对 (4) 式使用逐步剔除法 (Step Wise) 。

由 (4) 式可见, X4it及X7t的偏回归系数的t统计量2.77e-11和3.915e-3均不显著, 但X4it的t值更小, 故剔除X4it这个自变量, 直接用其余自变量对Yit回归如下:

由 (5) 式可以看出, X7t的偏回归系数的t统计量仍过小, 故剔除X7t这个自变量, 用其余自变量再次对Yit进行回归:

(6) 式表明, 所有自变量的偏相关系数均为统计显著, 因此X2it、X3it、X5t、X6t、X8t、X9t是显著影响Yit的变量。

四、结论

长期中, 对股价产生影响的重要因素之一是个股自身的盈利情况, 即每股收益 (X2) 的大小。每股收益反映了每股股份所能产生的税后利润, 所产生的利润越高, 股票的分红预期则越大, 投资者都是逐利型的理性人, 因此股票受到追捧的程度必然越高, 股价自然高涨。

每股净资产 (X3) 对股价有显著的正向影响。每股净资产代表了每股股票所包含所有者权益大小, 代表了企业资产扣除负债后所有者享有的剩余权益, 每股股票含有的权益越高, 其价值必然越大, 股价也必然越高。

营业收入 (X4) 的大小对股价没有影响。营业收入反映了企业在日常经营活动中形成的经济利益流入, 它是影响企业最终利润的重要指标。但同时费用、成本、税费等也会影响最终利润, 因此最终利润的大小受多方因素影响, 营业收入的增长并不能保证利润的增长, 更不能保证股价的上涨。

上证综指 (X5) 的涨跌对股价涨跌影响显著。它是由所有在上海市场上市的股票股价加权计算编制而成, 其反映的是整个市场的股价的平均水平。一方面, 若上证综指上涨, 表示构成它的成份股票大部分上涨, 具体的某只股票上涨的概率就较大。另一方面, 指数的大幅上涨能够提振投资者信心, 使市场能给予股票更高的估值, 从而推动股价上涨。

从我国股市18年来运行的实际情况来看, 国内生产总值 (X6) 与股价呈负相关关系, 但程度微弱 (偏相关系数为-7.73e-5) 。有研究表明, 在国外的成熟股票市场, 中长时期内GDP与股市走势呈现显著正相关, 因为国家经济越发展, 企业的盈利水平也就越高, 最终结果是股价随之上涨。我国股市与国外成熟股市的差异性可能来源于我国证券市场法规的不完善、IPO准入机制不健全、缺乏必要退市制度、市场投机性较重等。

居民消费价格指数 (X7) 对股价长期走势影响不明显。CPI对经济发展的影响具有两面性, 一方面温和通胀 (3%左右) 会刺激经济发展, 一方面恶性通胀 (10%以上) 可能导致衰退。CPI对经济的影响具有不确定性, 而我国股市走势与GDP甚至为负相关, 因此CPI并不影响股价长期走势。

货币供应量M1 (X8) 的增加对股价有助推作用。M1包括流通中的现金和企事业单位存款, 能随时变现, 因此其流动性较强。当央行增加M1供应量时, 通胀上升, 市场利率却下降, 居民或企业存放在银行中的存款所能得到的利息减少, 这刺激人们进行其他方面的投资以期超过银行利息收益, 这就加大了股票二级市场货币供给, 产生资金推动型的股价上涨。

美元汇率 (X9) 对股价的影响呈负相关关系。在18年的样本期间内, 美元汇率一直处于下跌状态, 人民币汇率不断上涨并有继续上涨的预期。人民币的不断升值导致国际资本的流入, 从而国内货币供应量增加, 利率下跌, 股价上涨。

参考文献

[1]达摩达尔·N·古扎拉蒂, 唐·C·波特.费剑平译.《计量经济学基础》[M].第五版.北京:中国人民大学出版社, 2011.

[2]付德印, 张旭东.《EXCEL与多元统计分析》[M].第一版.北京:中国统计出版社, 2007 (05) .

[3]高铁梅, 王金明, 粱云芳等.《计量经济分析方法与建模》[M].第二版.北京:清华大学出版社, 2012 (05) .

[4]郭海明, 王永瑜, 杨盛菁等.《应用统计学》[M].第一版.兰州:兰州大学出版社, 2011 (03) .

个股股价走势影响因素分析 篇2

在本文中，主要研究采用的个股是“鞍钢股份（000898）”。鞍钢股份有限公司成立于1997年5月8日。1997年7月22日在香港发行8.9亿股H股，1997年11月16日在国内发行3亿股A股，并在深圳证券交易所挂牌交易。

“鞍钢股份”作为我国钢铁企业的优秀代表，在大盘中占有较大权重，“宝钢股份”作为钢铁股的龙头股，扮演着领头羊的角色。目前宝钢后期走势仍然充满变数，而鞍钢目前股价处于低位时期，两只股票具有一定的联动性，而这之间他们是否具有一定的内在联系？如果存在内在的联系，那么根据宝钢的变化能否判断鞍钢的变动趋势？大盘的变动又会怎样影响鞍钢股份的股价？

研究思路

总体思路是：首先，收集相关样本数据并进行预处理；其次，利用相关性分析选择确定影响鞍钢股份股票价格的主要因素；再次，运用SPSS软件进行回归分析，建立线性和非线性模型。线性回归模型的建立，本文运用回归分析中的多元线性回归模型（multivariable linear regression model）：假定从理论上或经验上已经知道输出变量y是输入变量x1，x2，…，xm的线性函数，但表达其线性关系的系数是未知的，要根据输入输出的n次观察结果来确定系数的值，按最小二乘法原理来求出系数值，所得到的模型即为多元线性回归模型。

分析过程

样本数据收集说明

研究采用的数据是以2012年1月4日至2012年5月9日（除去周末和节假日停盘）共81天的“鞍钢股份”的收盘价为因变量，“上证指数”和“宝钢股份”的收盘价，“鞍钢股份”的交易量，板块指数为自变量来分析对“鞍钢股份”的影响因素。

实证分析

利用相关性分析选择确定主要影响因素

用SPSS分析的过程中，将鞍钢的股价作为因变量，将上证指数，宝钢股价，鞍钢交易量作为自变量，进行相关性的比较，从中选出与鞍钢股价相关性最明显的因素。

从相关性这张表可以看出：鞍钢的股价与宝钢股价，上证指数，以及其自身的交易量存在着正相关的关系，而与钢铁板块的指数存在着负相关关系。从相关系数的绝对值大小可以看出：鞍钢的股价与上证指数的相关程度最大，其次为宝钢。

并且从上表可以看到，钢铁板块与鞍钢的相关系数为-0.050，同时，钢铁板块与宝钢的相关系数为-0.022，因此可以看出，钢铁板块的指数与钢铁类个股股价之间线性关系不显著，也就是说钢铁板块指数对钢铁类个股的股价影响很小，所以在下一步构建模型的时候通过逐步回归法可以剔除该因素。

综上所述，在4个自变量里，选择上证指数和宝钢股价作为影响鞍钢股价的主要因素进行进一步的模型构建，剔除钢铁板块和交易量因素。

建多元线性回归模型进行分析

采用逐步回归法选择自变量的判别标准，进入回归方程的自变量有两个，第一个模型自变量为上证指数，第二个模型自变量为上证指数和宝钢股价，因变量是鞍钢股价。

此表给出了关于回归方程的一些常用统计量。R是回归方程的复相关系数，它是反映因变量与所有自变量之间线性相关程度的指标。其值越接近于1，表示因变量与自变量之间的线性相关程度越高，其值越接近于0，表示因变量与自变量之间的线性相关程度越低。RSquare是样本判定系数，它是反映回归方程拟合程度的指标。其值越接近于1，说明回归方程的拟合程度越好。从该表样本判定系数R Square可以看出：模型1和模型2的拟合性都较好。

a.Dependent Variable：鞍钢

从此回归方程的系数表可以得出以下结论：

设鞍钢股价为Y，上证指数为X，宝钢股价为X

模型1可以得出：Y=-0.904+0.002X，对回归系数进行显著性检验的t统计量的值=26.330，相伴概率p=0.000<0.05，因此拒绝原假设，即可认为变量X对因变量Y的影响是显著的。

从模型2可以得出：Y=-0.550+0.003X-0.082X；对回归系数进行显著性检验的t统计量的值分别为13.622和-2.175，相伴概率p分别为0.000和0.032且都小于0.05，因此拒绝原假设，即可认为变量X，X对因变量Y的影响是显著的。

从BETA值可以看出，因为1.092>-0.174，所以对鞍钢股价来说，上证指数的影响更大一些。

通过以上分析，认为由多元线性回归得出的模型能比较好的反映这几者之间的关系。

构建非线性模型进行分析

在前面的研究中，可以发现上证指数对鞍钢股价有着比较明显的影响，因此，我们进一步研究他们之间的关系。如下表：

从此表中，由T值和P值都可以看出，应拒绝原假设，说明常数项和系数项都不为0。设鞍钢为Y，上证指数为X，则二次方程为：Y=-10.987+0.007X+（-5.9E-007）X2。

得出结论

从前面的分析中，可以得出鞍钢的股价与上证指数，宝钢股价，钢铁板块指数，鞍钢交易量存在着一定的关系。其中，鞍钢股价与上证指数，宝钢股价的关系较明显，且符合以下的多元线性回归模型：

鞍钢股价=-0.904+0.002*上证指数；

鞍钢股价=-0.550+0.003*上证指数-0.082*宝钢股价

而经过进一步的分析可以得出，鞍钢的股价和上证指数之前存在着显著的关系，且符合以下二次方程模型：

鞍钢股价=-10.987+0.007*上证指数+（-5.9E-007）*上证指数2

股价走势 篇3

随着援疆政策的实施以及“丝绸之路经济带”战略构想的提出,新疆经济的发展取得了巨大进步。自1994年2月新疆首家公司新宏信(今宏源证券)在深圳证券交易所挂牌交易以来,经过20多年的发展,新疆上市公司已达43家,总市值已超过7000多亿。新疆板块股市的表现可以从侧面反映新疆经济的发展状况,因此了解新疆板块股票价格走势情况,具有重要的现实意义。

在股票价格预测方面,有两种方法较为常用。一种是神经网络预测法,另一种是支持向量机。在神经网络预测方面,李响(2008年)利用神经网络对单个股票价格走势进行了预测。林倩瑜、冯少荣、张东站(2010年)把神经网络和模式识别两种方法相结合。刘海玥、白艳萍(2011年)把AR模型和神经网络相结合。薛佳佳(2012年)把灰色GM(1,1)模型和神经网络模型相结合。

在支持向量机预测方面,杨新斌、黄晓娟(2010年)利用支持向量机对股价预测进行仿真实验,实证结果表明支持向量机在预测精度上要优于神经网络。王晴(2010年)把自回归模型与支持向量机相结合。杨震(2012年)把统计学与支持向量机结合。龙真真、张正文(2014年)把SVM模型和支持向量机结合。李坤、谭梦羽(2014)将小波分解与支持向量机方法相结合。

Logit模型在社会学中应用较多,但也有学者开始把Logit模型应用到股市中。程海波(2009年)利用Logit模型对上市公司财务指标和超额收益率进行了研究,结果表明,以上市公司财务指标为变量,预测股票是否存在超额收益率具有良好的效果。易宁明、周文强、何鸣(2011年)运用Loigt模型检验了技术交易规则在中国股票市场上的有效性。

本文借鉴学者们的理论成果和方法,在构建二元Logit模型的基础上,利用上证综指大盘数据对新疆板块股票价格走势进行预测。以期为新疆上市公司以及投资者们在关注新疆股市时提供科学依据。

2 数据、变量及方法

2.1 样本概况

本研究所用数据来源于同花顺数据库,所用数据主要是上证综合指数收盘价、交易金额、交易总手、新疆板块43只股票收盘价,数据时间跨度是从2015年1月5号到5月29号,数据形式为每天每五分钟交易数据。

新疆总共有43家上市公司,第一产业有13家,占总行业的30.23%,第二产业有24家,占55.18%,第三产业6家,占13.95%,综合类一家,占2.33%。由此可知,新疆作为我国欠发达地区,经济的发展主要还是依靠第二产业和第一产业。

中国股市从2015年1月5号到5月29号,这段期间处于大牛市。其中上证综指收盘价从1月5号的3258.63一路飙升到5月29号的4607.93点。交易金额和交易总手也是大幅上涨。

2.2 变量选取及设定

本研究主要利用大盘数据预测新疆板块股票价格整体走势,为了衡量新疆板块股票价格的整体增降,我们选取了新疆43只股票每五分钟的最高价和最低价求其平均值,然后对43只股票每五分钟股价的平均值求其上四分位点,利用下一期上四分位点除以上一期上四分位点得到的值代表新疆板块整体股价的增与降,大于1代表新疆板块整体股价在增,小于等于1代表新疆板块整体股价在降,把增的记为1,降的记为0,使其成为二元变量,作为因变量,用Y表示。上证综指交易总手、交易交额、收盘价三个方面的数据分别滞后一阶、二阶和三阶,构造了9个自变量。其中交易总手滞后一阶、二阶和三阶用变量X11、X12、X13表示,交易金额滞后一阶、二阶和三阶用变量X21、X22、X23表示,收盘价滞后一阶、二阶和三阶用变量X31、X32、X33表示。每个自变量的取值小于下四分位点记为1,大于下四分位点小于上四分位点记为2,大于上四分位点记为3。

2.3 模型选择

Logit模型根据因变量的取值情况,可以大致分为两类,一类是二元Logit模型,另一类是多元Logit模型。本研究分析的是新疆板块股票的整体走势,升取值为1,降取值为0,满足了二元Logit回归模型的要求。二元Logit模型核心思想是要判断一种现象是否发生的概率大小。因变量可以取0或1,当取1时,就是对象发生的概率,取0时,也就是对象不发生的概率。

Logit模型的一般表达式为:

由上式可知回归方程的因变量是某个具体选择概率比的对数。Logit函数具有以下两个重要特点:第一个是当Xi的取值较小且逐步减小时,Pi趋近0的速度会越来越慢;反过来随着Xi的取值较大且逐步增大时,Pi接近1的速度也越来越慢。而当Xi取值中等且增加较快时,Pi的变化会比较快。Pi与Xi之间应呈非线性关系。第二个是Pi的变化始终在0和1之间。

3 实证分析

本文基于R软件,利用逐步回归法建立Logit回归模型,在模型中,不显著的自变量直接去除。最终模型回归结果如公式2所示:

其中模型的LR chi2统计量为86.67,模型的Psendo R2统计量为0.345,这说明本研究建立的模型统计是显著的。

(1)通过公式2可知,表示上证指数交易金额滞后一阶和滞后二阶的变量X21和X22对因变量Y的发生概率的影响是显著的,但回归系数符号相反,分别为-0.034和0.034。从数值来看,这说明交易金额滞后一阶和二阶对因变量Y的发生概率影响不大。表示上证综指收盘价滞后一阶和滞后二阶的变量X31和X32对因变量Y的发生概率的影响是显著的,但回归系数符号相反,分别为0.17和-0.18。从数值上看,上证综指收盘价对新疆股票价格的影响要大于交易金额。

(2)为了利用此模型对新疆板块股票价格进行预测,首先检验此模型预测的准确性。对训练样本进行准确率测度。训练样本数总共4974个,代表新疆整体股票上升的有4889,占总样本的98.27%,代表新疆整体股票下降的有185个,占样本总量的3.72%。最终预测结果显示,股票上升被误判为下降的有1089个,下降的被误判为上升的有93个,总误判率为23.76%。但是在股票投资中,以风险较小化的投资思想。投资者主要规避的看涨的股票反而降。通过以上可知,把股价降的判断为增的有93个,占总样本的1.86%,这说明此模型犯错几率较小。

(3)在测试样本中选取一个时间点,以此时间点为基准,往后每五分钟一个测试点,总共选取10个测试点。统计结果显示,处了第一个测试点被完全误判,其余测试点被误判的概率都小于50%。其中对第四个测试点(基准点下20分钟)预测的准确率最高,准确率为75%。

4 结束语

通过模型预测结果可知,本文所建立的二元Logit模型对新疆板块股票价格走势的预测精度达到了预期目的。

摘要：股票价格的走势会影响到上市公司未来的发展以及投资者决策。基于二元Logit回归模型,利用上证综指大盘数据预测新疆板块股票价格走势。实证结果表明:上证综指收盘价和交易金额对新疆板块股票价格的影响是显著的,并且利用所建立的Logit模型对新疆板块股票价格走势的预测较为准确。

关键词：新疆股市,上证综指,Logit回归模型

参考文献

[1]李响.基于BP神经网络的股价预测[J].大连海事大学学报,2008,(S1):114-116.

[2]林倩瑜,冯少荣,张东站.基于神经网络和模式匹配的股票预测研究[J].计算机技术与发展,2010,(05):17-20+25.

[3]刘海玥,白艳萍.时间序列模型和神经网络模型在股票预测中的分析[J].数学的实践与认识,2011,(04):14-19.

[4]薛佳佳.基于差值灰色RBF网络模型股票指数预测[J].统计与决策,2012,(22):77-79.

[5]杨新斌,黄晓娟.基于支持向量机的股票价格预测研究[J].计算机仿真,2010,(09):302-305.

[6]王晴.组合模型在股票价格预测中应用研究[J].计算机仿真,2010,(12):361-364.

[7]杨震.基于后效时间长度的股票价格预测[J].计算机仿真,2012,(02):378-381.

[8]龙真真,张正文.基于模糊核超球的快速分类算法在股票预测中的应用[J].计算机系统应用,2014,(01):197-201+148.

[9]李坤,谭梦羽.基于小波支持向量机回归的股票预测[J].统计与决策,2014,(06):32-36.

[10]程海波.股票投资价值的logit模型研究——对沪市A股制造行业的实证分析.[C].中国会计学会,2009:8.

ST股频发大宗交易 股价走势彪悍 篇4

我们看到，不断的新低，以及没有像样的反弹对市场人气的杀伤是相当大的。目前市场的焦点是大盘何时止跌？底又在哪里？有分析人士认为，目前A股的状态就是加速赶底。上证指数从上一个平衡点到目前回落超过9%；沪深300则从3000点回落了接近9%。假如市场要开始反弹，抄底资金肯定不会满足只有10%的盈利战果，因此如果想要抄底资金不会立马短线离场，则必须要有15%以上的获利，因此对应的沪指约在2550点。

大宗交易市场上，1月21日-27日，5个交易日里沪深两市共发生大宗交易171笔，较上周减少32笔，其中，深市成交118笔，沪市成交53笔，合计成交58.25亿股，成交金额76.89亿元。

从单笔成交金额来看，金额最多的为盈方微（000670）。1月22日，盈方微成交4000万股，成交金额3.83亿元，折价率为5.06%，卖出营业部为海通证券杭州解放路营业部，买方为招商证券重庆临江支路营业部。成交金额排在第二和第三位的分别为安信信托（600816）和大唐发电（601991），分别成交3.38亿元和3.25亿元。

这些交易中，折价率最高的18.18%，与上周基本持平。该笔交易发生在1月22日成交的金刚玻璃（300093）上，当日金刚玻璃成交288万股，成交金额6661.44万元，卖方营业部为万和证券深圳笋岗东路营业部，买入方为光大证券佛山顺德北活营业部。此外，折价率超过10%的股票超过20只，包括中文在线、完美环球、云意电气、海源机械、方大炭素、易联众、柳州医药、科达洁能、万达院线、亿纬锂能和步步高等。

此外，本周仅有三只ST股发生大宗交易。*ST安泰（600408）、*ST常林（600710）和*ST海龙（000677）。

以下交易值得关注：

ST股频繁发生大宗交易：在较长的一段时间里，大宗交易市场比较少见到ST股的身影，即便有，也只是零星的身影，但本周竟然有三只ST股均发生大宗交易，而且成交数量还不小，需引起关注。

*ST安泰1月21日、22日和25日共发生三笔交易，合计成交150万股，成交金额627.5万元，卖出方为华泰证券上海咸宁路营业部，买入方为西南证券上海黄陵路营业部；*ST常林1月25日和27日发生两笔大宗交易，合计成交80万股，成交金额465.5万元，卖出方为中投证券和宏信证券的营业部，同时买入方也相同；*ST海龙1月27日发生8笔交易，成交2516.12万股，成交金额1.45亿元，卖出方以华泰证券深圳竹子林四路营业部为主，还有中信证券深圳深南中路营业部，而买入方则较为分散，无规律可循。

有意思的是，上述三只ST股的二级市场走势非常彪悍，像*ST常林和*ST海龙近期在市场大跌的背景下都连续涨停，*ST安泰虽然在这三只股票中表现最差，但股价基本没跌。记者发现，这三家公司目前都已经推出了重大资产重组方案。面对披星戴帽的现状，三家公司也都使出浑身解数，希望能够起死回生。

A股市场从来不缺乌鸡变凤凰的案例，既然有资金愿意在大宗交易市场接盘，必定对其后市看好，在弱市的时候，这类股票值得关注！