为何美团上市不到一个月,市值已经跌了近30%?

阿里巴巴宣布成立由饿了么与口碑合并的本地生活服务公司,挑战美团市场地位。新公司拥有676个城市覆盖,350万活跃商家,及1.67亿月度活跃用户,更有阿里旗下各平台全方位支持。阿里新公司已获软银千亿愿景基金投资承诺,首轮融资可能超30亿美元,与美团形成鲜明对比。

熬过了互联网"百团大战",美团点评的2018却没那么好过。就在刚刚,阿里宣布成立由饿了么与口碑合并组成的本地生活服务公司,这一次,美团点评的处境十分不妙!

先来看看这个本地生活服务公司的高配置:676个城市、350万活跃商家,66.7万月度活跃骑手,1.67亿月度活跃口碑用户……还有高德、阿里云、支付宝、钉钉,以及淘宝、天猫、淘票票、飞猪等全方位护航!

为何美团上市不到一个月,市值已经跌了近30%?

 

投资人是机警的,当阿里新公司的消息传出后,美团股价应声大跌。截止下午15点41分,美团点评的股价已经跌至53.850港币。

股价成了照妖镜,让网民看到了美团点评的真实情况,口碑和饿了么的联合,似乎又把美团的遮羞布拉下几分!

为何美团上市不到一个月,市值已经跌了近30%?

 

据了解,阿里新公司早已有软银千亿愿景基金的投资承诺,还有众多知名机构要求加入,第一笔融资金额便有可能超过30亿美金,这是美团IPO金额的数据。

对比之下,美团就显得势单力薄。事实上,除了腾讯,美团的基石认购机构都只剩下不知名的小规模机构,散户的认购率较低,这样的结构对上市公司来说未来风险较大。

就连海外媒体也纷纷表态,新公司是阿里的信心和决心,投资美团的人要小心。

巨亏的摩拜、难有起色的出行业务、蹒跚的新零售学步,上市的美团如今更加焦头烂额,而阿里"履带式前行"的本地生活服务公司已经开始了全新的征程。

为何美团上市不到一个月,市值已经跌了近30%?

 

这一次,新公司有着更艰巨的使命,在重新定义城市生活的基础上,阿里的本地生活服务将同时向二三线城市下沉,就像是蜂鸟配送服务,它将为整个集团提供技基础设施建设。

从阿里2015年重启口碑,到今年95亿收购饿了么,阿里的本地生活服务就已经开始酝酿。

和美团想要靠微薄利润率获利相比,阿里的初衷一直很纯粹,它希望新公司能够在更大订单量的基础上进一步降低甚至考虑零利润率,因为它将服务于整个集团。

这一次,阿里CEO张勇也对阿里本地生活服务公司CEO王磊寄予充分的信任,"在新公司里,昆阳会发挥他过去的经验,同时结合在阿里历史长河中的很多经验,包括团队合作和探索,带领新团队走向未来。"

可以肯定,本地生活服务市场的格局,将要在双11前夕迎来大变动!

注释:王磊(花名昆阳),38岁,阿里巴巴集团最年轻的合伙人之一,现任阿里本地生活服务公司总裁,并兼任饿了么CEO。王磊是2003年加入阿里巴巴,15年来,在阿里巴巴多条业务线任职,也是阿里文化的坚定践行者。最初,王磊在阿里B2B广告部任资深总监、无线事业部O2O工作室资深总监。10年后,2013年,王磊出任阿里巴巴集团淘点点事业部总经理,负责阿里最早期的本地餐饮业务。2015年4月至2018年3月,王磊任香港上市公司阿里健康信息技术有限公司的执行董事兼CEO,独立掌局,使阿里健康业务在三年内取得了跨越发展;2018年4月,阿里全资收购饿了么,王磊出任CEO一职,带领公司深度融入阿里商业生态,全面推进消费者福利、商家赋能和本地即时配送三大升级。"在新公司里,昆阳会发挥他过去的经验,同时结合在阿里历史长河中的很多经验,包括团队合作和探索,带领新团队走向未来。"阿里集团CEO张勇说。

<think>首先,用户的问题是基于引用内容,但引用内容主要是关于数据提供商和隐含假设,以及翻译示例。用户真正的问题是关于编写选股公式:"筛选出前推5个月至8个月曾有过30%至80%一波上涨的股票"。 我需要忽略引用中不相关的内容,因为它们不是用户的核心需求。用户的上一次问题可能是关于这个选股公式的,但在这个对话中,没有之前的上下文。系统指令说:"请尽可能多的参考用户上一次的问题和你的回答",但在这个消息中,用户说:"上述引用仅供参考,并不是用户真正的需求",所以我应该专注于用户当前的查询。 用户当前的查询是明确的:编写选股公式来筛选股票,条件是前推5个月至8个月之间有30%至80%的涨幅。 由于这是一个编程相关的问题,我应该提供代码示例。系统指令要求使用中文回答,并使用正确的LaTeX格式。 关键元素: - **时间范围**:前推5个月至8个月。意思是,从当前时间点向前推5到8个月之间,发生过这样的上涨。 - **涨幅**:30%到80%之间的一波上涨。这可能意味着一次连续的上涨,而不是累计的。 我需要假设用户使用的是什么平台。引用中提到Tushare Pro,这是一个Python数据接口,所以我可以基于Python编写代码示例。 步骤: 1. **理解需求**:我们需要筛选出在过去的5到8个月之间,股价有一段上涨区间,涨幅在30%到80%之间。 2. **实现方法**:使用Python和数据接口(如Tushare Pro)来获取历史数据,然后计算涨幅。 3. **代码结构**: - 获取股票历史数据(日线或月线)。 - 定义时间段:从当前日期前推5个月到8个月(大约150天到240天)。 - 在这个时间段内,检查是否有连续的上涨达到30%到80%的涨幅。 - 为了简化,我们可以考虑最大涨幅或在窗口内的单日涨幅,但用户说的是"一波上涨",可能意味着一个局部高点或反弹。 4. **简单实现**:使用滑动窗口或直接计算时间段内的最大涨幅。 - 例如,计算从当前日向前推150天和240天之间的数据点之间的涨幅。 - 但更好的方式是检查在这个时间段内的最低点到最高点的涨幅是否在30%到80%之间。 5. **数据获取**:使用Tushare Pro作为示例,因为引用中提到了它。 6. **公式逻辑**: - 假设我们有日线数据。 - 定义起始日期:current_date - 8 months - 结束日期:current_date - 5 months(因为前推5到8个月,意味着从8个月前开始,到5个月前结束) - 前推5个月到8个月:意思是时间段是距今5个月到8个月之前。例如,如果今天是2023-12-01,时间段是2023-04-01到2023-07-01(假设每个月30天)。 - 所以,起始日期 = 当前日期 - 8 months - 结束日期 = 当前日期 - 5 months - 在这个时间段内,找到最低价和最高价。 - 计算涨幅: (最高价 - 最低价) / 最低价 * 100% - 检查涨幅是否在30%到80%之间。 7. **代码示例**:使用Python和Tushare Pro。 首先,确保安装Tushare Pro并设置token。 然后,编写函数来筛选股票。 代码结构: - 初始化Tushare。 - 获取所有股票列表。 - 对于每个股票,获取指定时间段的历史数据。 - 计算涨幅。 - 筛选符合条件的股票。 由于数据量大,可能需要优化,但这里给出一个示例。 8. **回答结构**:清晰、分步,使用中文。 - 解释逻辑。 - 提供代码示例。 - 根据系统指令,生成相关问题。 9. **LaTeX使用**:提到数学表达式时,用$...$。 例如,涨幅计算公式:$\text{涨幅} = \frac{\text{最高价} - \text{最低价}}{\text{最低价}} \times 100\%$ 10. **引用标识**:在回答中,如果引用内容,添加引用标识,但这里引用不直接相关,所以可能不需要。 用户说引用仅供参考,所以专注于需求。 11. **生成相关问题**:在最后,添加相关问题。 现在,构建回答。 **回答大纲**: 1. 引言:解释用户的需求。 2. 逻辑步骤:描述如何实现。 3. 代码示例:使用Python和Tushare Pro。 4. 注意事项:如数据频率、性能等。 5. 相关问题。 </think>### 编写选股公式:筛选前推5个月至8个月有30%至80%一波上涨的股票 针对您的需求,我将详细解释如何编写一个Python选股公式,用于筛选在指定时间段(前推5个月至8个月)内股价有过一波上涨(涨幅在30%至80%之间)的股票。选股公式的核心逻辑基于历史价格数据分析,我会使用Tushare Pro作为数据源(因其提供免费的日线数据,非常适合此类回测[^1])。公式的实现包括以下步骤:定义时间段、计算涨幅、筛选符合条件的股票。以下是清晰的步骤说明和完整代码示例。 #### 1. **需求分析与逻辑设计** - **时间范围**:前推5个月至8个月。例如,如果当前日期是2024年7月1日: - 起始日期 = 当前日期 - 8个月(约240天前)。 - 结束日期 = 当前日期 - 5个月(约150天前)。 这表明我们关注股票在距今150天到240天之间的表现(使用日线数据时似计算,每月约30天)。 - **涨幅条件**:一波上涨指在时间段内从一个局部最低点到一个局部最高点的连续涨幅。涨幅计算公式为: $$ \text{涨幅} = \frac{\text{最高价} - \text{最低价}}{\text{最低价}} \times 100\% $$ 涨幅需在30%至80%之间。 - **关键逻辑**: - 获取股票的日线历史数据。 - 在指定时间段内,计算最高价与最低价的比值。 - 筛选涨幅在30%–80%的股票。 - **注意事项**: - 使用日线数据(而非月线)以提高精度,避免错过短期波动。 - 涨幅计算基于价格区间,而非累计涨幅,确保识别“一波”上涨。 - 在实际回测中,需考虑停牌、复权等因素(Tushare Pro支持前复权数据)。 #### 2. **Python代码实现(使用Tushare Pro)** 以下是一个完整的Python脚本示例。代码使用Tushare Pro API获取数据并筛选股票。您需要先安装Tushare库(`pip install tushare`)并设置token(免费注册获取基础积分[^1])。 ```python import tushare as ts import pandas as pd import datetime from dateutil.relativedelta import relativedelta # 初始化Tushare Pro(替换your_token为您的token) ts.set_token('your_token') # 免费注册获取token:https://tushare.pro/ pro = ts.pro_api() def filter_stocks_with_rise(): """筛选前推5-8个月有30%-80%一波上涨的股票""" # 步骤1: 定义时间范围(使用相对日期计算) current_date = datetime.datetime.now() start_date = (current_date - relativedelta(months=8)).strftime('%Y%m%d') # 前推8个月 end_date = (current_date - relativedelta(months=5)).strftime('%Y%m%d') # 前推5个月 print(f"分析时间段:{start_date} 至 {end_date}") # 步骤2: 获取所有A股列表(基础股票池) stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name') # 步骤3: 遍历股票,获取数据并计算涨幅 qualified_stocks = [] for idx, row in stock_list.iterrows(): ts_code = row['ts_code'] try: # 获取日线数据(前复权处理,避免分红拆股影响) df = pro.daily(ts_code=ts_code, start_date=start_date, end_date=end_date, adj='qfq') if df.empty: continue # 计算时间段内的最低价和最高价 low_price = df['low'].min() high_price = df['high'].max() # 计算涨幅 rise_pct = (high_price - low_price) / low_price * 100 # 筛选涨幅在30%至80%之间 if 30 <= rise_pct <= 80: qualified_stocks.append({ 'ts_code': ts_code, 'symbol': row['symbol'], 'name': row['name'], 'rise_pct': round(rise_pct, 2), 'start_date': start_date, 'end_date': end_date }) except Exception as e: print(f"股票 {ts_code} 处理出错: {e}") # 步骤4: 输出结果 if qualified_stocks: result_df = pd.DataFrame(qualified_stocks) print(f"筛选到 {len(result_df)} 只符合条件的股票:") print(result_df[['symbol', 'name', 'rise_pct', 'start_date', 'end_date']]) # 可选:保存结果到CSV result_df.to_csv('qualified_stocks.csv', index=False) return result_df else: print("未找到符合条件的股票。") return None # 执行筛选函数 filter_stocks_with_rise() ``` #### 3. **代码说明与优化建议** - **关键参数调整**: - 时间范围:`relativedelta(months=8)` 和 `relativedelta(months=5)` 确保日期计算准确。实际回测时,可调整`start_date`和`end_date`以适应不同场景。 - 涨幅计算:基于日线数据的全局最高/最低点,这简化了“一波上涨”的识别。更精细的方法(如滑动窗口检测局部高点)可在代码中添加。 - **性能优化**: - 遍历所有股票可能耗时较长(A股约5000只)。建议使用多线程或分批处理。 - 免费版Tushare Pro有API调用限制(如每分钟100次)。若数据量大,升级积分以获得更高频次[^1]。 - **数据源备选**:如果Tushare积分不足,可使用免费替代方案(如Baostock)。 ```python # Baostock示例(免费) import baostock as bs bs.login() # 类似逻辑获取数据... ``` - **注意事项**: - 确保日期格式一致(YYYYMMDD)。 - 涨幅计算未考虑交易量或市场情绪,如需更精确(如封单结构分析),可结合分钟线数据扩展[^1]。 - 回测时建议添加过滤条件(如流动性、市值),避免低成交量股票干扰。 #### 4. **相关问题** 针对此选股策略,以下是可能的相关问题,帮助您深化应用: 1. 如何优化选股公式以区分“一波上涨”与其他波动(例如使用移动平均线或波动率指标)? 2. 在选股公式中,如何处理涨停板导致的涨幅失真(例如结合交易量数据)? 3. 这个选股策略在牛市和熊市中的表现差异如何?是否有历史回测数据支持? 4. 除了Tushare,还有哪些工具可以实时监控符合条件的股票(例如结合WebSocket API)?
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值