
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
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03