北证申购策略分析
申购资金_亿元 正股门槛_万元 碎股门槛_万元 1+0策略 1+1策略 2+1策略 3+1策略
6400 355 966 355 966 710 1065
6600 366 494 366 494 732 1098
6800 377 516 377 516 754 1131
7000 388 538 388 538 776 1164
7200 399 560 399 560 798 1197
7400 410 582 410 582 820 1230
7600 421 604 421 604 842 1263
7800 432 626 432 626 864 1296
8000 443 648 443 648 886 1329
8200 454 670 454 670 908 1362
8400 465 692 465 692 930 1395
8600 476 472 476 476 952 1428
正股门槛是简单的算数，计算不难，R程序备索
碎股门槛这次尝试用顶格申购贡献的碎股进行反向预测，刚刚开始，有待后期检验，当然也可以用前面的结果去训练模型，这次时间仓促就没有进行，大家看看就行，不用太当回事。
顶格申购资金总量突变点预估（整数部分变化会导致碎股突变）
int_row num_row
6400 4.01
6600 3.89
6800 3.78
7000 3.67
7200 3.57
7400 3.47
7600 3.38
7800 3.30
8000 3.21
8200 3.14
8400 3.06
8600 2.99
正如大家预测的那样，两个顶格申购的突变点可能都不大，顶格申购基本就是锁定3+1，当然考虑周三REITs的分流，真的跌到6500以下，那2+1就会翻车（极小的可能性，别喷，仅仅是考虑概率的完备性，实际没有发生，不代表没这种情况），同样如果超过8600（我也知道是不可能的）碎股门槛会低于正股线。
不说了，我这样做仅仅是告诉大家这个分析不难，但还是有很多经验的成分，感谢很多大佬长期持续的为大家分析打新的各种数据，炒股或者打新是每个人自己的事情，操作失败不要怪被谁谁误导，自己会分析了，才能真正的了解内在的逻辑，不至于人云亦云。
晚上为了预测碎股线花了不少时间，当然编程借助了DeepSeek的协助，经过反复训练获得了这个初步的结果。
# 北证申购策略资金需求分析（碎股门槛分段处理）
# 在6600-8400亿元之间将碎股门槛反序排列
# 核心参数初始化
V <- 90.25
W <- 1e4 * V / 0.05 # 网上发行量(股)
P <- 15.78 # 发行价(元)
T_range <- seq(6400, 8600, by = 200) * 1e8 # 申购资金范围(元)
# 正股门槛计算（100股整数倍）
calculate_F1 <- function(T_total) {
R <- (W * P) / T_total # 配售比例
round(100 * P / R / 1e4) # 转换为万元并取整
}
# 碎股门槛计算（6600-8400亿之间反序）
estimate_F2 <- function(T_range) {
# 先计算全部原始值
raw_values <- sapply(T_range, function(T_total) {
F1 <- calculate_F1(T_total)
if (T_total < 6600 * 1e8) {
round(480 * (1 + (V * P - 3 * F1) / F1))
} else {
round(F1 * (1 + (V * P - 3 * F1) / F1))
}
})
# 找出6600-8400亿对应的索引范围
idx_range <- which(T_range >= 6600 * 1e8 & T_range <= 8400 * 1e8)
# 对该范围内的值反序排列
if (length(idx_range) > 1) {
raw_values[idx_range] <- rev(raw_values[idx_range])
}
return(raw_values)
}
# 主分析函数
analyze_strategy <- function() {
# 计算各资金量下的门槛
results <- data.frame(
申购资金_亿元 = T_range / 1e8,
正股门槛_万元 = sapply(T_range, calculate_F1),
碎股门槛_万元 = estimate_F2(T_range)
)
# 计算策略需求
results$"1+0策略" <- round(results$正股门槛_万元)
results$"1+1策略" <- round(pmax(results$正股门槛_万元,
results$碎股门槛_万元))
results$"2+1策略" <- round(2 * results$正股门槛_万元)
results$"3+1策略" <- round(3 * results$正股门槛_万元)
# 输出结果
cat("北证申购策略分析\n")
print(results, row.names = FALSE)
# 可视化
par(mfrow = c(1, 2))
plot(results$申购资金_亿元, results$正股门槛_万元,
type = "o", col = "blue", pch = 19, lwd = 2,
xlab = "申购资金(亿元)", ylab = "资金需求(万元)",
main = "正股门槛趋势")
plot(results$申购资金_亿元, results$碎股门槛_万元,
type = "o", col = "red", pch = 19, lwd = 2,
xlab = "申购资金(亿元)", ylab = "碎股门槛(万元)",
main = "碎股门槛趋势")
abline(v = c(66, 84), lty = 2, col = "gray") # 标记调整区间
return(results)
}
# 执行分析
result_data <- analyze_strategy()
V*P #顶格申购资金
W #网上发行量
# 顶格申购资金总量突变点预估（整数部分变化会导致碎股突变）
df <- data.frame(
int_row = as.integer(round(result_data[, 1], 0)),
num_row = round(V * P / result_data[, 2], 2)
)
print(df, row.names = FALSE)