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
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07