京公网安备 11010802034615号
经营许可证编号:京B2-20210330
首只大数据券商基金出炉_数据分析师考试
业内首只大数据券商基金即将面世,东方证券资产管理有限公司7月8日公告称,东方红京东大数据灵活配置混合型证券投资基金将于7月13日起发售,认购金额起点10元。据悉,该基金为业内首只大数据券商基金,将管理人在大消费领域的主动性研究,与京东真实及时的大数据结合起来,致力于寻找消费领域的ALPHA。
首只大数据券商基金即将面世
公告显示,东方红京东大数据混合基金为一只灵活配置的混合型基金,采取主动管理的投资模式,将根据管理人的大数据分析模型,进行行业配置和个股选择,力求为基金份额持有人获取超过业绩比较基准的收益。
在投资策略上,管理人先根据宏观分析和市场判断确定大类资产的配置,然后充分利用公司大数据研究平台的优势,通过对京东大数据的分析研究,挖掘出不同行业的敏感因子,提取合成不同行业的观察指标,结合管理人的线下研究进行行业配置和个券选择,构建合理的投资组合。
在行业配置上,该基金将结合线下实地调研和线上大数据挖掘研究进行行业配置。管理人通过线下调研进行行业竞争要素分析和定性判断,通过线上大数据进行行业趋势的挖掘和跟踪,结合线上和线下的分析,判断细分行业的供需情况、价格走势和消费者倾向等关键要素,从而确定各细分行业所处的发展阶段、竞争趋势、景气程度和发展空间等,找出成长性好,盈利空间大,处于上升趋势的行业进行重点投资。
分析人士指出,该基金将大数据直接运用到投资选股领域,对传统的投资决策模式形成补充,开启大数据服务投资研究新模式,互联网与金融进行更深层的融合。通过线上和线下相结合的分析也可以对拐点型行业做出较早的预判,提前做出布局,在行业配置上占据主动优势。
大数据与投资决策深度融合
大数据如何运用到投资决策?据悉,东方红京东大数据混合基金将利用管理人的大数据研究平台,对海量数据进行分析研究,选择重点行业,并结合上市公司的管理水平、盈利模式等基本面研究遴选优质投资标的。
具体而言,东方红资产管理向京东提供数据发掘的模型和结构,并负责检验模型的有效性,而京东定期根据模型提供持续数据更新,具体包括京东电商的销量、浏览量、点击量、客户评价、客户收藏量等基础数据,以及价格趋势和斜率、销量趋势和斜率、地域分布、人群特点等。
该基金将运用京东大数据,对上市公司所属细分行业的数据进行挖掘和分析,从而判断行业的趋势、斜率、空间等,结合上市公司在行业中的地位,对公司的短、中、长期趋势做出判断。同时,研究公司所处行业中各种不同商业模式的竞争和演化,分析公司的核心商业模式,及该商业模式的稳定性和可持续性。
分析人士指出,此次是京东大数据首次挖掘并提供给机构投资者,蕴含大量的未被开采的投资金矿。大数据将成为投资研究的有效补充,借助大数据样本大、误差小的优势,及时、客观、真实的特点,投资决策更加主动、更加有效。尤其是京东电商的全样本、实时大数据能更直观、实时地反映各个行业的变化,将显著提升投资决策的前瞻性。
资料显示,2014年京东的销售额为人民币2602亿元,较上年增长了107%;2014年全年完成订单6.9亿个;活跃用户数超过1亿。京东电商所涵盖的品类包括3C、家电、家居、纺织服装、食品饮料、化妆品、鞋包、户外用品、母婴玩具、营养保健、音像制品等,是国内品类最全的电商网站之一。
大消费板块更具长跑实力
“从全球市场经验来看,大消费板块更具长跑实力,能够大概率穿越牛熊市,带给投资者长期投资回报。从目前市场估值来看,消费板块的估值也更具安全边际。”东方红京东大数据混合拟任基金经理杨达治表示。
而从A股近十年历史来看,医药生物、食品饮料、电子等行业是诞生10倍牛股最集中的行业,随着中国经济发展、居民生活水平提高,对大消费领域相关产品的需求大大提升,消费行业的优势企业容易成为快速增长的公司。
资料显示,基金管理人东方证券资产管理有限公司为首家获得公募基金管理业务资格的券商资产管理公司,投资管理团队自1998年成立以来,经历多轮牛熊市考验,积累了丰富投资管理经验。
杨达治为东方证券资产管理有限公司董事总经理、权益研究部总监兼公募权益投资部总监、资深投资经理,北京大学光华管理学院硕士,证券从业13年,善于从行业演进、商业模式等方面深入挖掘上市公司投资价值,拥有丰富的证券投资经验。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21