
大数据基金江湖,一场主动与被动的较量……
从目前大数据基金的数据类型来看,包括银行卡交易数据、线上销售数据、搜索量数据、用户浏览行为、用户选股行为、用户点击关注行为等。
“事实上,基金投资本身是对信息的挖掘和处理,我们以往借助的是上市公司披露的信息,现在大家对这些信息的挖掘和处理已经十分深入,竞争比较激烈,在这种情况之下,我们需要崭新的数据源,这就来源于对大数据的充分利用。”某大数据基金相关人士在采访中对记者如此表示。
部分大数据基金选择与互联网巨头“BAT”联姻。如广发百发大数据基金,数据来源为充分运用百度公司互联网行为大数据。嘉实腾讯自选股大数据基金则将腾讯自选股大数据和行为金融模型相结合,构建大数据量化投资策略模型,在此基础上生成基金股票组合。
而除与互联网巨头“联姻”外,还有大数据基金选择更专业的股票平台。如泰达宏利同顺大数据基金,以同花顺大数据为基础,同时应用量化多因子选股的方式构建投资组合。海富通东财大数据基金,基于东方财富网大数据的主动管理型基金。
除以大数据为因子进行主动管理型大数据基金外,还有为数不少的被动指数型大数据基金。根据WIND数据,上述17只基金中,博时银智大数据100、博时淘金大数据100I、博时淘金大数据100A、南方大数据300C、南方大数据300A、南方大数据100、大成互联网+大数据这7只基金均属于此类。
大成互联网+大数据基金,以中证360互联网+大数据100指数的成份股及其备选成份股为主要投资对象,该指数由大成基金、奇虎360旗下公司360你财富和中证指数公司联合推出。
南方大数据100基金,跟踪大数据100指数,南方大数据300则以大数据300指数为策略指数,对样本空间的股票,按照“财务因子”得分、“市场驱动因子”得分和“大数据因子”得分进行模型优化,然后将计算的综合得分从高到低排序,选取排名在前300名的股票构成大数据300指数初始样本股。
博时中证淘金大数据基金,以电商大数据指数淘金100为数据来源,由博时基金,蚂蚁金服,恒生聚源合作编制,由中证指数公司发布。
被动指数型大数据基金表现更优
从成立日期来看,上述17只全称里包含“大数据”的基金最晚为成立于2016年5月20日的博时银智大数据100,最早为成立于2015年4月24日的南方大数据100基金。其中,12只基金为2015年成立,其余为2016年成立。
其中,被动指数型基金成立时间较早,7只被动指数型基金中有5只为2015年7月前成立,2只为2016年成立。而10只主动管理型基金成立时间则7只成立于2015年,3只成立于2016年。
值得注意的是,17只基金中业绩排名前5位的均是被动指数型大数据基金。2015年二季度以来,表现最好的基金为大成互联网+大数据基金,2016年4月1日以来截至上周收盘,收益为7.04%,其次是博时银智大数据100基金,收益率为5.03%。南方大数据100、博时淘金大数据100A、博时淘金大数据100I分别以3.85%、3.82%、3.81%的收益率位列其后。
据WIND数据统计,今年二季度以来截至上周收盘,可比2011只偏股型基金平均收益率为0.35%,上述17只基金中仅10只高于平均收益率,而其余7只则低于0.35%。值得注意的是,这7只基金,均为主动管理型大数据基金。
某量化基金基金经理在接受《证券日报》基金新闻部记者采访时曾表示,管理量化基金最需要克服人性的弱点,保持一贯的策略。而被动指数型大数据基金则无此隐患。
济安金信副总经理、基金评价中心主任王群航表示:“基金投资中有主动型策略与被动型策略两种,早期带有大数据概念的基金全部是指数型基金,全部在市场去年以来的暴跌过程中净值损失严重。前期,市场上已有主动型策略的大数据基金发行,其净值表现似乎没有给投资者带来惊喜,其中的原因,还是与公募基金常规的重选股、不重择时做法有关。相关基金即使在名称中使用了‘灵活配置’这四个字,但是相关的基金管理人是否会择时、是否能够择时,自然就牵涉到相关基金的净值表现。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10