
大数据指数基金发行提速
随着南方、广发、博时3家基金公司率先发力大数据基金产品,这一全新的基金品种正成为眼下互联网基金领域新的焦点。目前,10余家基金公司正在申请或已经获批成立发行大数据指数基金产品。中国证监会最新公告显示,已获批3只,等待“准生证”的有5只,再加上已经成立的上海东方证券资管、南方基金、广发基金、博时基金旗下的8只大数据基金,大数据基金的数量将达16只,涉及的互联网公司有雪球、360金融、百度等在内的20余家。
有望跑赢传统指数
国务院日前印发的《促进大数据发展行动纲要》提出,要全面推进大数据发展和应用,深化大数据在各行业的创新应用。众禄基金研究中心王晶认为,近期发行的互联网大数据基金产品已不仅仅停留在借助互联网技术渠道或电商平台进行销售的阶段,而是在进一步应用互联网数据进行主动管理、灵活择时择股等方面有更多尝试。
“金融行业对数据具有天生的依赖性,数据应用的发展也推动着金融业的创新发展。大数据基金实际上是在互联网行业发展背景下,群体智慧对决个体智慧。”一家阳光私募的投资经理王卓玮表示,传统指数往往由一些媒体和第三方投资顾问公司合作制作,信息源少、数据相对有限、成份股更新慢,在基金投资中过于依赖个人智慧。而互联网大数据指数通过各个互联网平台不断更新数据源,能够实时推动海量用户参与数据完善。当大数据指数能够更好地呈现某一板块或上市公司的未来前景时,其投资价值有望超越传统指数。
以国内首只社交投资大数据指数中证雪球领先组合100指数为例,这一指数是天弘基金基于雪球大V用户的评论信息和投资组合数据所构建的互联网大数据指数。与市场其他指数不同,它对投资者“思想”和“行为”的反馈更多。
博时基金副总裁王德英表示,传统投资方式主要是投研人员去上市公司调研,了解财务数据来做投资决策,而大数据基金通过海量数据分析,对公司未来表现的预测确定性有望加强。可以说大数据基金是传统投研方式的升级,能反映部分传统数据无法统计的方面,比如投资者情绪、市场热点的变化等。
同时,大数据指数的调整更为灵活。王晶介绍,大数据指数基金跟踪指数调整周期短,一般为1个月,这类基金换股快,个股投资比例小,有效避免单一股票对组合的影响。从成立时间较长的银河定投宝和广发100来看,两只基金前十大重仓股持股比例不超过20%,而且前十大重仓股更换率均较高。
多方面有待完善
在看到大数据诸多优势之余,有专家也表示,大数据基金实际上是基于多因子模型的指数投资产品,互联网大数据只是其中一个选股因子,对于市场因子、基本面因子等其他因子依然要重视,否则指数本身走势将会失真。
目前,大数据基本来源于3个渠道:电商、门户网站和搜索网站。不同渠道的数据特征有所不同。比如,电商的数据包含成交额、价格走势等,而搜索网站的数据更多反映了用户的关注点和情绪因素,而不是实际发生的行为,门户网站的数据也更多反映用户关注点和情绪。
数据来源的不同,导致大数据指数量化选股模型不同,造成各只基金的风格、投向不同。即使依据相同大数据的基金风格也差别很大,比如新浪参与的2只大数据指数是基于新浪财经数据和微博社交数据,银联公司涉足的3只指数均基于同一线下刷卡消费数据源,奇虎360的指数基于其搜索和手机、电脑数据。而同样是与雪球联合的中证雪球社交投资精选大数据指数、中证雪球领先组合100指数在数据源选择上就有相当程度的重合。
有专家表示,互联网数据来源范围限制或重叠,容易导致有效覆盖样本股范围较窄,且受数据噪音影响造成还原市场投资情绪偏离较大,易受人为主观因素干扰。如银联公司涉足的3只大数据指数,均采用银联线下POS收单数据、针对消费领域数据,且银联线下数据来源渠道复杂,样本重合度较大,较易造成相互干扰。“从市场上已成立基金的业绩表现看,大数据基金的中长期业绩比较稳健。”王卓玮说。
针对未来前景,业内人士表示,大数据基金还有许多需要完善的地方,可以通过产品迭代和试错来解决。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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