「8898财经资讯网」股票手续费计算器,股票手续费有哪些?

 
 
 
  「8898财经资讯网」股票手续费有哪些?股票手续费计算器
 
 
  交易股票不仅要关注股价,也要知道各种具体收费项目,这样才能找到盈亏点。股票手续费计算器就是一个很实用的方法,小编通过案例给大家演示一下。
 
 
  股票手续费有哪些
 
 
  在运用股票手续费计算器之前要了解我们买卖一次股票需要交哪些费用。
 
 
  一、印花税:由国家税务机关固定收取,是必须要缴纳的费用,所谓印花税通俗地讲就是证明买卖的股票行为合法有效,目前沪深两市收取标准均为成交金额的千分之一,只有在卖的时候收取。
 
 
  二、过户费:也是国家固定收取的费用,是指在买卖股票的时候,用以更换户名所需支付的费用,这个费用是双边收取。目前沪深两市收取费用相同,都为成交金融0.002%,双边收取。
 
 
  三、券商佣金:这就是我们在券商开户进行交易需要缴纳的佣金,是证券公司营业收入的主要来源,国家规定这个佣金最高不超过成交金额的3‰,最低5元起,不满5元按5元收取。当然了,这个佣金的高低是需要投资者和券商协商确定的。
 
 
  股票手续费计算器
 
 
  知道了以上的收费项目以及标准,我们就可以轻松的计算交易所需要的费用了,股市行情千变万化,弄清楚了费用才能掌握成本点。
 
 
  买入股票:交易佣金+过户费
 
 
  卖出股票:交易佣金+过户费+印花税
 
 
  案例解析
 
 
  假设我们买入100股,每股价格为10元,来计算一下相关的买卖费用。
 
 
  买入股票所需资金为股票数量乘以价格是1000元。
 
 
  过户费:0.002%×1000=0.02元(不足1元按照1元收费)
 
 
  交易佣金:1000×3‰=3元(按最高佣金标准计算,不足5元按照5元收费)
 
 
  买入总费用:1+5=6元
 
 
  买入总成本:1000+6=1006元。
 
 
  卖出费用:假设还是在股价10元卖出。
 
 
  印花税:1000*1‰=1元
 
 
  交易佣金:1000×3‰=3元(按最高佣金标准计算,不足5元按照5元收费)
 
 
  过户费:0.002%×1000=0.02元(不足1元按照1元收费)
 
 
  卖出总费用:1+1+5=7元
 
 
  所以通过上面的详细计算我们知道假如我们以每股10元的价格买了100股股票,要是平价卖出的话,就直接亏损13元,所以我们的成本价就在10.13附近,超过这个价格卖我们才有盈利。

  「8898财经资讯网」股票手续费有哪些?股票手续费计算器相关文章推荐:利用数据挖掘构建热点主题组合


来源:海通量化团队

 

近年来,对于主题型投资机会的研究逐渐成为市场的热点。一方面,随着被动化投资的兴起,各类主题指数基金受到越来越多投资者的关注。另一方面,同一主题下股票收益的共性及领先-滞后关系的研究,也是当前量化选股模型的一个重要补充。因此,本文借用FactSet的供应链与深度行业分类数据,提出一种自动化程度可调节的主题组合构建框架,以满足各类型投资者的不同需求。

1

主题组合构建方法论

1.1

主题组合构建的基本流程

主题组合一般要求成分股公司包含某一特定类别的业务。例如,5G组合就需要公司的经营范围中含有与5G相关的业务。因此,可以将传统的主题组合构建方法总结为下图所示的流程。

确定主题是第一步,体现组合构建的目标。第二步,围绕这个目标,汇总相关业务。最后,寻找涉及这些业务的公司,并进行一定的筛选,得到投资组合。

1.2

主题组合构建的基本流程

在实施上述流程的第二、第三步时,传统的做法是依赖行业分析师的经验。即,由分析师归纳或确定哪些业务与该主题相关,再搜索包含这些业务的上市公司(下图)。但是,由于不同公司披露自身业务的措辞和描述方式并不统一,因此,在筛选出和主题相关的业务范围后,需要分析师逐个考察上市公司,并手动匹配。这种做法虽然较为准确,但需要耗费大量的精力和时间,不利于在热点主题来临时迅速跟进。我们需要更加自动化的方式。

引入公司的行业分类信息是实现自动化匹配的一个选项。因为属于同一行业的公司,业务相似的可能性更高。所以,将和当前主题相关的行业的所有成分股全部纳入,可以简化主题组合的构建流程,节省大量时间。

然而,这种做法同样存在不足。主流的行业指数编制,如申万或中信的行业分类,均以上市公司的主营业务为依据。因而具有排他性,即一家上市公司属于且仅属于一个行业。如果某公司有一项业务和当前的主题热点直接相关,但按其主营业务分类,则属于另一个不相关的行业,那么它就不会自动进入主题组合。所以,在试图提升效率的同时,也不应牺牲准确性。

1.3

基于供应链与深度行业分类的主题组合构建框架

利用供应链与深度行业分类构建主题组合,可以在人工筛选的精确性与自动构建的高效性之间找到平衡,框架如下图所示。

在基于供应链与深度行业分类的框架中,我们用“找到与主题相关的若干龙头公司”代替传统方法中的“确定主题相关业务”。这样做有两个好处。第一,找几家主题龙头公司比汇总所有相关业务要容易得多,不仅大幅减少了工作量,而且降低了出错或遗漏的概率。第二,很多主题本身就是以龙头公司的形式出现的,比如以华为、爱立信为代表的5G主题、以特斯拉为代表的新能源汽车主题等。因此,我们认为,从龙头公司出发构建主题组合,也是一种可行且合理的方案。

不过,如果想要纳入尽可能多的相关公司,依然需要以具体的业务为基础。考虑到搜索的效率,我们采用了如下的方法。首先,取所有龙头公司业务(第六层行业分类)的交集,手动剔除和主题不相关的业务。这一步骤的逻辑在于,既然是同一主题下的龙头公司,他们的共同业务有很大概率与主题相关。当然,也不排除一些特殊情况,因此需要加入一定的人工干预。

其次,龙头公司的共同供应商所从事的业务,很可能与主题相关。尤其是某项业务如果同时从属于多个龙头公司的供应商,那么它和主题的关联程度可能更高。根据这个逻辑,取龙头公司共同供应商所共有的业务形成第二个集合。

第三,合并上述两个业务集合,遍历所有A股公司的第六层行业分类,找到至少有一项业务匹配的公司。

最后,进一步过滤选中的公司。例如,剔除ST或主题相关业务占比较低的个股。

由上文的描述可见,组合构建流程中的绝大部分工作都是自动化的,而FactSet的深度行业分类则保证了准确性。这是因为,深度行业分类覆盖了公司的每一项业务,并标识出相应的营收占比,克服了传统三级行业分类的排他性问题。同时,适当的人工干预进一步完善了整个框架。

2

主题组合构建示例

2.1

5G主题组合

5G是目前最受市场关注的主题之一,我们将尝试利用本文提出的基于供应链与深度行业分类的框架,构建5G主题组合,并展示最终效果。

5G产业的一项重要业务是基站建设,龙头公司包括华为、爱立信、阿尔卡特朗讯和中兴。取它们业务的交集,过程如下图所示。

需要注意的是,在获取华为和中兴的共同业务时,得到了“消费电子”这一分类。我们认为,该业务和5G基站建设相关的可能性较低,故手动将其剔除。

除了基站建设的龙头公司,它们的供应商也是产业链上的重要一环。因此,在构建主题组合时,理应纳入这些公司。但是,龙头公司的供应商数量众多,涉及的业务范围也非常广泛。为了兼顾筛选的准确性和效率,首先,我们假定,一家公司如果同时为2家或以上的5G基站建设龙头公司供货,就被认定为属于该产业链;其次,遍历所有5G供应商的两两配对,获取业务的交集,如下图所示。

由此,我们便获得了两个和5G基站建设相关的业务集合,分别来自龙头公司和它们的供应商。将这两个集合合并,得到最终的5G基站建设业务集合(见下图)。

虽然上述的绝大部分步骤都是自动化完成,但整个流程大体能覆盖5G基站建设产业链上的重要公司和业务,最终投资组合的可靠性应该能够得到较大程度的保障。

除了基站建设,手机及其芯片也是5G主题的重要相关产业。采用和获取基站建设业务集合类似的方法,以苹果、华为、三星为手机龙头公司,高通、联发科为芯片龙头公司,分别获取5G手机业务集合与5G芯片业务集合(见下图),从而与上文得到的基站建设业务一同构成完整的5G业务集合。

将所有A股公司的业务(FactSetRBICS中的第六层行业分类)与5G业务集合逐一匹配,筛选出至少包含集合中一项业务的公司,形成初始的5G主题组合。进一步剔除ST及5G业务营收占比不高的公司,修正组合。在本例中,我们以50%为阈值。即,将5G业务营收占比低于50%的公司从组合中剔除。

另一方面,5G业务营收占比(来自FactSet RBICS)也反映了公司和主题的关联程度,那么赋予这些高占比公司更高的权重,即使用营收占比加权,也是很自然的选择。作为对比,本文也使用了简单的等权重加权。以下图表展示了组合的业绩表现。

总体来看,本文构建的两个5G主题组合与Wind5G概念指数表现接近。这表明,上述基于供应链与深度行业分类的主题组合构建方法,同样较为准确地筛选出了相关公司。并能在这个前提下,大幅提升自动化程度。

在5G概念大热的2019年,截止10月31日,5G等权组合累计涨幅63.1%,营收占比加权组合累计涨幅67.3%,显著优于中信通信行业指数(23.7%)与Wind 5G概念指数(35.1%)。这似乎意味着,本文的两个组合更加契合今年的市场热点。不出意料的是,营收占比加权组合的涨幅略高于等权组合。可能是因为,前者在热点上的集中度相对更高。但由于事先要求组合内公司的5G业务营收占比不低于50%,因此这两个组合的表现差异并不很大。

下表通过对比因子暴露,考察5G主题组合与Wind5G概念指数在基本面和技术面上的特征差异。显然,前者具有更高的估值、盈利水平和流动性,以及更低的日均换手率和波动率。

除了业绩以外,另一个评价主题组合构建优劣的标准是组合内股票涨跌的联动性,包含两个方面。一是,股价走势的一致程度。受同一热点推动的股票理应有相似的涨跌趋势。为此,本文将5G主题组合内每一个股票的价格序列与组合的净值序列进行协整检验。通过检验的股票占比越高,组合内股票走势的相关性越强,组合越能代表当前的主题热点。

二是,股票之间的动量溢出。即使从属于同一个主题组合,也有可能因为投资者的关注度有限或分属于产业链的上下游,发生部分股票反应不足的情况。但对于类似5G这样持续时间较长的主题,前期涨幅较低的股票很有可能在后期出现补涨。而前期涨幅较高的股票则很难长时间保持相同的上涨幅度。对这种现象感兴趣的读者,可以参考海通量化团队前期的报告——《行业与概念板块的动量溢出效应》。

反过来,如果主题组合内的溢出效应越明显,也可以在一定程度上说明所选股票对主题的代表性越强。在计算溢出效应时,本文以协整方程的预测收益率为基准,做多实际收益低于预测值的股票,做空实际收益高于预测值的股票,并将这个多空组合的收益作为度量指标。

下表给出了主题组合的协整检验结果及溢出效应强弱。考虑到因子暴露对检验的影响,我们进一步列示了剥离表1中常用因子后的结果。

在5%的水平下,原始的5G主题组合与Wind 5G概念指数内,与组合或指数有协整关系的股票占比较为接近。但在剥离常用因子的影响后,主题组合的协整占比小幅上升,而Wind 5G概念指数的这一数值却出现明显下降。这表明,在本文构建的5G组合内,有更大比例的股票是受5G业务的推动而出现相同的价格走势。但对于Wind 5G概念指数,相近的因子暴露能够部分解释成分股的涨跌一致性。

若进一步考察多空组合的表现可以发现,在主题组合内部做多前期相对涨幅较小的股票,做空前期涨幅相对较大的股票,可获得14%以上的年化收益,远高于Wind5G概念指数内部的同类型组合。并且,这个差异在剥离因子后进一步拉大。这意味着,主题组合内的动量溢出效应更强,组合的业绩持续性可能更好。原因可能是在构建组合的过程中,使用了公司间的供应链关系,从而有助于把握整个产业链的投资机会,这与主题投资的理念也是相符的。

2.2

放松约束后的5G主题组合

在上文构建5G主题组合的过程中,为了获得和主题相关程度较高的股票,我们施加了一系列诸如5G业务占比不得低于50%等,较为严格的约束,使得组合内的成分股数量较少,可能不利于基本面研究员从中进一步筛选。为此,我们适当放松约束,重新构建了2个5G主题组合,其业绩表现如以下图表所示。

放松约束后,5G主题组合的平均样本股数量从20上升至40,波动率明显下降。但是,由左上图可见,在5G行情火热的2019年,放松约束后的主题组合的累计收益不及原始主题组合,落后5个百分点左右。

下表进一步给出了放松约束后,5G主题组合的协整检验和动量溢出效应分析。多空组合的收益出现了大幅下降,表明组合内股票业务的关联程度降低,组合对主题的代表性减弱。

从上述对比可以发现,纯粹依赖供应链和深度行业分类自动构建主题组合,更适合作为起点。适度地结合人工干预,可以获得更精确、更有代表性的主题组合。我们认为,这可能会成为基本面量化研究的一个重要应用场景。

2.3

新能源汽车和云计算主题组合

除了5G,新能源汽车和云计算也是当前众多投资者关注的热点主题。我们也尝试应用上文介绍的框架,构建这两个主题组合。

将特斯拉、上汽集团(22.8000.000.00%)比亚迪(44.0400.000.00%)和蔚来作为新能源汽车的龙头公司,通过整合它们及其供应商的业务,得到新能源汽车主题组合,业绩表现如以下图表所示。

由于汽车行业大环境的不景气,各汽车行业指数和组合自2017年以来,均呈现出明显的下跌趋势。其中,我们构建的新能源汽车主题组合跌幅高于中信汽车行业指数,与Wind新能源汽车概念指数走势的重合度非常高。这也从一个侧面证明了,本文的框架确实能够比较有效地筛选出和主题相关度较高的公司。在行情略有好转的2019年,主题组合相对Wind新能源汽车概念指数的超额收益为5%。

5G和新能源汽车这类主题是建立在产业链基础之上的,而云计算主题的基础是一类具体的技术。此时,想要利用供应链与深度行业分类构建组合,就稍显力不从心。

作为一种技术门类,云计算广泛应用于金融科技、电网等非传统的互联网行业中。这就会导致,虽然两家公司使用的基础云计算技术相同,但因服务于不同行业或不同目标,而被划入不同的行业分类之中。例如,金融领域的云计算往往会被分入金融科技行业,而电网领域的云计算则通常会被分入电网基础设施技术行业。这大大增加了从行业或供应链出发,自动构建主题组合的难度,继而使得组合失去主题代表性。

凭借有限的计算机背景知识,我们首先人为设想了云计算的一系列应用场景,随后通过简单的模式匹配,搜索可能利用到云计算技术的业务,进而定位相应的上市公司,构建最终的主题组合。以下图表展示了组合的业绩表现。

2017年以来,不同加权方式下的云计算主题组合的累计涨幅显著低于Wind云计算概念指数。其中,等权组合的表现更差。这表明,本文构建的组合纳入了众多和云计算主题相关程度不高的股票,拖累了组合业绩。

2019年,两个云计算主题组合的累计涨幅和Wind云计算概念指数接近,但等权组合依然落后于营收占比加权组合5个百分点。

3

总结与讨论

本文基于FactSet的供应链与深度行业分类,提出了一个自动化程度较高的主题组合构建框架。目标是将人工干预与自动筛选有机结合,在兼顾效率的前提下,获得精准度高、代表性强的主题组合,更好地契合市场热点。

本文的框架更适用于以产业链形式出现的主题,如,5G。这类主题的龙头公司明确、业务区分度高、供应链丰富,非常适合自动化挖掘。由此获得的主题组合可以包含产业链上的每一个节点,尽可能多地抓住有机会受益于主题的上市公司。

本文的框架还具备很强的灵活性和自适应性。例如,对于新能源汽车这类龙头公司与传统汽车业务重合度较高的主题,则可以引入更多的人工干预,获得更准确的组合。

但是,本文的框架也有其局限。由于是建立在供应链与深度行业分类之上,对于像云计算这类以某种跨行业使用的技术为核心的主题,从龙头公司或共同供应商业务交集出发的筛选方法,很难取得良好的效果。想要构建此类主题组合,需要更多地依赖分析师的经验,以及对公司主营业务的深入分析。

在科技快速发展的今天,各类主题层出不穷,带来了大量的主题投资机会。怎样在主题热点来临时,快速、准确地构建和主题高相关的组合,是所有投资者面临的挑战和机遇。本文提出的框架是一个有益的尝试,也是基本面研究和量化方法结合的延伸。

4

风险提示

数据挖掘是从历史先验数据获取经验模型的方法,存在模型失效可能。


股票配资耕耘者熊掌号致力打造网上股票配资门户第一品牌,提供专业的股票配资公司,配资服务,配资平台等相关资讯,做您信赖的配资门户网站65650.net!

内容版权声明:股票证券配资平台在线网站_网上炒股配资股票融资公司-耕耘者配资网。

转载注明出处:http://www.65650.net/gu/zhs/4262.html