
史上最全统计!大数据基金赚钱能力榜单
双节小长假结束了,各位基友都出去玩了吗?第一天上班有精神吗,是不是略感疲累和沮丧?2017年所有的假期都过完啦,别难过,元旦和春季正在向你招手,准备下一次出境游的基友可以签证办起来攻略做起来了。
根据近期微信发布的大数据,这个黄金周,出境游的国人最爱港澳台和东南亚,在香港维多利亚港发出的朋友圈最多,其次为澳门、曼谷;最远的微信签到来自北极圈的格陵兰岛,和中国相隔半个地球……你有没有成为统计的对象?
所谓大数据,是指利用非常庞大的数据,进行统计,这些数据可能来自社交网络(微信、QQ),电商(京东、淘宝),顾客使用记录(信用卡)等等等等,总之数据样本必须要大。比如这次国庆出游统计,就是基于微信的巨大用户流量,从而统计出具有一定代表性的结果。
都说,大数据是未来最宝贵的资源,未来最能赚钱的工具。这么好的工具,公募基金自然不会轻易放过。正好有基友询问关于大数据基金的问题,那么今天就来扒一扒市场上的大数据基金。
据老揭看基金统计,目前市场上带有“大数据”字样的开放式基金,已有16只(各类份额合并计算)。见下表:
根据基金类型来统计,灵活配置型基金7只,指数型基金5只,股票型基金2只,保本型1只,定开基金1只。
根据基金公司统计,博时、广发各3只,南方2只,大成、东方红、海富通、嘉实、泰达宏利、银华、招商、浙商各1只。
这些基金的大数据来源也是五花八门,比如东方红京东大数据混合,基金资料里显示,“通过对京东大数据(包括京东电商的销量、浏览量、点击量、客户评价、客户收藏量等基础数据)的分析研究……”也就是说数据来源于京东;再比如嘉实腾讯自选股大数据策略股票,则是“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……”。此外还有海富通东财大数据混合、博时中证银联智慧大数据100指数,都在基金名称中体现了数据来源,看上去比较有特点。
或者跟踪一些大数据指数,比如南方大数据100指数、南方大数据300指数、博时中证淘金大数据100指数,这和什么中证100指数、中证300指数不同,不能混为一谈,盲目选择。
大数据基金还是蛮吃香的,最早成立的南方大数据100指数目前规模超过67亿。
当然,投资者最关心的,是这些大数据基金,真的能帮投资者更好地赚钱么?
整体来看,除去两只年内成立的新基金,截至9月底,13只大数据基金年内平均回报率为6.37%,整体表现算很一般了,毕竟股票型、混合型基金平均收益率已经达到11.43%和8.30%。
具体来看,年内表现最好的,是东方红京东大数据混合,年内收益率19.05%,其次是一只指数基金——南方大数据300指数,年内收益率18.01%。表现最差的是海富通东财大数据混合,年内亏损2.8%,投资策略显示,首先是根据宏观预期判断资产和行业的初步配置,然后“结合东方财富(14.29 +1.78%,诊股)大数据指标及其他证券市场趋势指标”,进行个股的具体配置。
老揭看基金觉得,这并不代表京东的数据就好,东财的数据就差,对主动型基金来说,主要还是看基金公司、基金经理的投研能力;对指数基金来说,则要看清楚样本空间(跟踪指数)的策略到底是什么。
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09