
大数据变革传统投研模式
正是看到了大数据的前景和突破性,博时基金一直在往这方面发力。无论是在研究方法、理念,还是在成果方面,博时基金已有优势。
继2015年初与蚂蚁金服合作推出淘金100大数据指数后,日前,博时基金又和雪球合作推出了雪球智选大数据100指数。对于大数据基金,博时基金副总裁王德英表示,大数据正在改变传统的投研模式,未来博时还将推出一系列大数据基金。
打造大数据基金超市
无论是A股市场,还是海外市场,通过大数据进行量化投资可谓方兴未艾。博时基金早在2009年就已经布局量化投资,随着博时量化模型逐渐成熟,结合“互联网+”的大数据发展趋势,博时基金正在打造大数据基金超市。
据了解,2015年初,博时基金和蚂蚁金服合作,推出了国内第一只电商大数据指数——淘金100。此外,博时基金还与银联、雪球、搜房网合作,推出了银联智惠100、雪球智选100、房地产大数据等3只大数据指数,博时基金还将与多个不同领域/行业的龙头企业开展合作,不断扩展大数据领域。
据介绍,博时基金此次与雪球合作推出的雪球智选大数据100指数,主要是从海量的雪球投资组合中挖掘投资达人的交易热度信号,聚焦组合管理人交易行为。
王德英解释,决定个股股价的因素主要在于两方面,一是公司基本面,二是投资者情绪,大数据基金主要在这两方面着手。此次博时基金和雪球合作的大数据产品,主要是从过往业绩优异的雪球模拟组合中找到有价值的信息。其逻辑在于,雪球模拟组合过往业绩优异的选手选股和选时有独特性,通过对这些模拟组合筛选找到有价值的公司,然后结合综合财务因子、市场驱动因子、雪球热度因子,与其相应近期及长期历史表现之间的相关性作为加权依据,对这3类因子得分进行加权计算,股票综合评分前100只股票即为博时雪球智选大数据100指数基金样本股。
雪球智选大数据100指数以2012年12月31日为基日,以该日收盘后所有样本股的调整市值为基期,以1000点为基点。模拟数据显示,自基日以来到2015年8月14日,该指数累计收益率为379.64%,年化收益率达78.7%。
变革投研模式
从近年各类基金在投资上的表现来看,大数据基金已经崭露头角。王德英表示,传统投资方式主要是投研人员去上市公司调研,了解财务数据、行业信息等来做投资决策,而大数据基金通过海量数据分析,数据量更大,数据维度更全,数据更及时,因此,对公司未来表现的预测确定性更强,从这个角度说,大数据基金正在改变或升级传统的投研方式。
据介绍,大数据技术是利用海量的互联网大数据,如搜索热度、关注度、订单数、成交额、消费笔数等多维度的数据,通过量化模型,更早、更快、更准预判某个行业或者企业未来的景气程度或市场热度。基金公司综合大数据因子、财务价值因子、市场驱动因子等,精选出最具投资价值的个股组合编制成指数。
王德英表示,正是看到了大数据的前景和突破性,博时基金一直在往这方面发力。从时间上来说,博时基金从2009年起开始从华尔街引入量化人才,建立量化投资系统。从模型应用来看,以2014年为例,博时沪深300(3403.850, 38.02,1.13%)指数基金超额收益超过了9%。因此,无论是在研究方法、理念,还是在成果方面,博时基金已有优势。
从人才储备和队伍建设来说,目前博时基金已经在大数据产品上进行了战略布局,整个项目从商务洽谈、数据开发、指数编制、产品成立和产品销售都已成体系,其中,具体负责数据研发的是指数投资部,整个团队有11个人;同时,互联网金融部有专人负责与互联网大数据企业对接。
在有效性方面,博时基金表示,通过对较为长期的历史数据采用科学严格的回测方法,大数据因子确有显著的有效性。这是由数据的及时性及大数据与公司基本面和市场情绪方面的内在逻辑决定的。从实践结果看,大数据因子对于股市往往会有3到6个月的领先性。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08