京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代下的私募研究方式
我国私募基金发展迅猛,规模越发壮大,据中国基金业协会发布的最新数据显示,截至2017年2月底,已登记备案各类私募基金认缴规模为11.35万亿元,实缴规模8.55万亿元;已登记私募基金管理人18306家;已备案私募基金48626只。
私募基金发展驶入快车道,同时也在各种投资领域中发挥着重要的作用。但一直以来并没有得到相应的政策“优待”。在国内,“私募基金”一直是一种非公开宣传的、私下向特定投资人募集资金进行的一种集合投资。
一个“私”字决定了其本身低调的行事风格,但私募阳光化一直在曲折中推进。2013年6月1日新《基金法》正式实施,把私募基金正式纳入监管范畴;2014年2月7日正式实施《私募投资基金管理人登记和基金备案办法(试行)》,私募行业的实质性监管政策才得以落地。2016年2月5日,中国基金业协会发布了《关于进一步规范私募基金管理人登记若干事项的公告》,加强对私募资管产品的备案管理,私募基金从此由游击队转向了正规军,正式被纳入监管范畴。至此,私募基金阳光化进程更进一步。
私募数据服务快速崛起
随着中国金融市场的逐渐完善与私募行业的快速发展,私募基金的前景也会越来越广阔。但信息来源分散,数据收集难度大,给私募研究带来较大难题,不管是投资者筛选产品还是机构投资者管理产品都遭遇很多不便,市场急需专业权威的私募数据做参考、对比及评测等。
此外,市场上更没有统一的披露途径,而且由于私募的信息公布没有明确的标准,所以私募数据多来源造成的差异较大,处理和校对也异常艰难。
在此背景下,专业的私募数据服务成为迫切需求,随之相关数据业务也快速崛起。而朝阳永续十余年来凭借专业、严谨、务实的精神,已经拥有行业内相当成熟的私募数据业务。在完整性、准确性、及时性方面都有着不可比拟的优势。国内主流的私募研究机构,均以朝阳永续的私募数据库为基础研究库。
数据积淀深厚。自2003年始,朝阳永续开始以商务会务、俱乐部活动、投资研讨等多种形式聚会和持续发掘优秀的资金管理人,并与他们保持长期的交流、合作和联系,这也是朝阳永续私募数据积累的最早尝试;2006年开始,朝阳永续率先在业内推出了“中国私募基金风云榜”评选活动,这一活动被业界称为中国私募基金阳光化最早的勇敢尝试。至今,该评选活动已成功举办至“第十一届”,见证了一批批优秀私募机构和投资精英。在业内享有盛名,这也彰显私募数据共识性、专业性被大众深度认可的一种沉淀。
数据完整、覆盖率高。数据覆盖率高于同业竞品,且最早的私募数据可追溯到2003年,各主要产品类型收录数量均好于市场同类产品。截止目前,朝阳永续私募数据库已覆盖的私募产品总量125119只,覆盖基金经理4749人,私募机构18119家。数据库覆盖了通过私募公司发行的产品、信托平台发行的私募产品、券商集合理财产品、公募基金一对多专户理财产品、期货资管发行的产品及单账户证券等基金产品信息。
在准确性方面,朝阳永续严苛的校对和拜访机制提高私募数据准确性。首先,朝阳永续有严苛的数据录入与校对流程,严格区分不同来源数据,造就国内最严谨的数据源。其次,朝阳永续基于十余年来的数据沉淀,以及定期从私募机构收录数据,然后经过严谨的数据处理、检验和核实规则。使得私募数据更加真实、准确、可靠。
私募管理人研究独树一帜
私募行业欣欣向荣,私募产品的丰富多样化,私募基金管理和评价也一直是专业基金研究者和投资者关注的热点,但由于非公开渠道发行、信息披露相对不透明等因素制约,让私募蒙上一层神秘面纱,使得投资者既好奇又敬而远之。
随着私募基金的发展扩大,与之相关的评价体系也逐渐增多。私募评级机构增多反映的是阳光私募话语权的增强。科学完善的私募评价体系对于投资者甄别投资选择,净化行业秩序具有重要帮助。但总观我国的评级体系,可谓是乱花迷人眼,没有统一的标准。如今,券商研究机构、第三方以及部分媒体都参与其中。但是高同质化的评级使得大部分评级准则不会相差太远,这使不少评级机构缺乏实际竞争力。
值得一提的是,在目前市场仅单纯的按收益率排名的评级体系下,朝阳永续提出“私募管理人研究”概念可谓是独树一帜,不仅丰富了市场的评级体系,更是使得基金研究更严谨更实务。该体系是采用定量与定性相结合的方法,综合评估管理人旗下产品的业绩表现和公司团队、治理、信誉等方面,最后给予管理人等级评定。
投资管理人研究,简单地说,就是找出未来最有赢利潜力的资产管理人,为投资者选择理财产品提供决策的依据。基金评级与排名的研究方法多偏重于纯量化的方法,从历史业绩与波动性的角度,对基金产品进行评级与排名,其基本假设是历史业绩能够代表未来。而投资管理人研究的方法则更要复杂得多,除了要分析历史业绩与波动性指标以外,还要分析历史的仓位、持股、操作风格、风格漂移、风格随市转换等,同样也要考虑投资管理人的策略、方法论等,甚至还要包括投资管理人的健康状况、性格特质等因素,其基本假设是历史并不能够完全代表未来,必须了解业绩背后的故事,全面地对投资管理人进行分析。
因为投资管理人研究学科很多时候要涉及人的因素,所以我们更愿意将它作为一门艺术学科进行研究。基金评级与排名是选取一个时点与时间区间,静态地分析各基金产品。而投资管理人研究则需要根据市场环境的变化,动态地对投资管理人进行跟踪与分析。
专业独特的私募评价体系成就朝阳永续有别于市场的评价优势,以评价私募管理人的风格归因为逻辑,界定经理的风格,与可能存在的风险暴露点,这才是能真正体现投资实务中最具直接操作意义的所在。
大数据支撑 助力私募研究
近年来,大数据的热潮渐冲击到金融市场, 中国金融企业也争相步入大数据时代。券商、互联网公司等纷纷拥抱大数据,以大数据为支撑的私募基金研究应用平台相继诞生。
作为业内专业的金融数据服务商朝阳永续更不例外,拥有10年的数据挖掘和量化研究经验的朝阳永续,在过硬的技术团队的支撑下推出的私募研究平台,是集私募产品的同行业评价、组合配置、组合追踪等私募数据分析于一体的工作平台。依托平台上众多私募的业绩记录、归因分析,不仅可以帮助机构打造优秀产品孵化体制,可协助深度调研阳光私募基金经理,寻找最有效的的人,更能深度解析私募基金研究,投资策略等,寻找优秀的私募产品。数据分析、处理的整个过程,均由云计算来完成,有效规避了人为主观因素的影响,确保数据及评价结果的客观准确,流程快捷高效。
最具实务的评测体系。私募研究平台改变了目前私募产品研究市场这一块最为薄弱的环节,在各大第三方网站主要对产品收益率及排名研究的情况下,为配合客户进行私募基金的分析和评价,朝阳永续已对各分类口径下私募产品的收益排名、风险评价指标(如波动率、夏普值、最大回撤)等进行了数据衍生。为方便客户进行各类产品的基准比较,朝阳永续对提供各类私募产品的基准指数数据;为方便客户在不同的市场风格识别不同市道风格的产品,朝阳永续提供了各类私募产品风格比较。使得投资者能够找到真正适合自己的产品、投资顾问更好更快地服务客户、产品设计人员全面地了解私募市场动态。
提供强大的私募资讯与调研报告。公司汇聚了来自国内基金、保险、证券、信托、私募、 QFII以及高等院校等专业投资研究机构的精英人士。他们拥有最敏锐的洞察力,捕捉最前沿的信息,能够前瞻性的把握政策的取向、市场的脉搏。基金研究平台可提供各类定期报告:1.各类专题报告,包括市场热点评论、最新策略解读等;2.周度私募/宏观观点,盘点知名私募机构及宏观经济学家对市场的解读;3.私募月报,深度解读私募行业发展现状及趋势;季度资产配置报告,每季度根据市场情况出具下一季度资产配置建议;此外,朝阳永续基金研究中心提供专业私募调研及相关报告:1.调研报告,研究员每年撰写投顾走访及调研报告百余篇;2.回访报告,研究员定期对覆盖过的投顾做回访。朝阳永续多年沉淀的丰富人脉圈,经常与活跃在投资前沿的精英会务交流,使得相关解读、调研报告等更贴近市场,质量更高!
方便研究自有产品。该平台净值录入功能不仅可以给券商营业部、券商资管、私募机构和个人投资者提供了极大的研究便利,更加可以满足普通用户最直接的挑选基金需求。净值录入可以将账户净值的变动情况录入平台中形成曲线,同时将产品名称与管理人名称录入便可模拟出属于自己的产品。对于进行业绩展示需求的券商营业部、券商资管、私募、个人投资者产生极大的帮助。方便对比全市场私募产品,并方便管理研究自有产品。
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