
大数据告诉你:"推倒"式拉票,赢不了新财富_数据分析师
推倒几个基金经理,能赢新财富吗?要入榜新财富,平均需要获得至少720张选票支持。我们且以2013年第十一届新财富最佳分析师评选为例进行分析。
“为了xcf,今年我已经和俩人上过床了,这才是刚刚开始。夜深人静总会想起那个刚入行时的小姑娘,懵懂充满着向往,一去不复返。”这是今年匿名社交软件无秘上的爆料,比这更让人心酸的是,第一条评论说 “靠得住吗?保证会投吗?”
就算投了,这样拉票,也没有用啊,亲!
2013年的评选中,得票分数最高的是国泰君安证券[微博]房地产研究小组(孙建平、李品科、丁明、温阳),他们这个团队的得分高达15457.74。
这是一个相当惊人的数字。在去年的参选规则中,一张投票对应的最高权重是3,一张选票最多只能给孙建平贡献15分(投其第一名计5分,第二名4分,第三名3分,第四名2分,第五名1分)。而一万五千多分意味着什么呢?如果按所有投孙建平的都是评他为第一名、且权重为3来算的话,就是至少有1030张票投给了他。这当然是最极端的情形,如果按每张票平均权重2、且都投第一名来计算,也有1545张票投给他。实际投票的情形要复杂得多,由于各张票的权重不同,投票打的名次不一,但最保守的估计,也有不低于1545张选票选择了孙建平。
做出这个集体决定的,是高度分散的市场投资者。在经过严格审核之后,2013年新财富发放了近2400张最佳分析师选票,分布在多达600余家机构中,包括77家公募基金管理公司、全国社保基金理事会、99家保险/保险资产管理公司、74家证券公司、136家私募基金、22家银行、23家信托公司、23家财务公司、122家QFII、35家海外投资机构。
孙建平的成功,是在2400张选票中,争取到了不低于1545张投票,他的得票率超过64%,而2013年房地产行业的整体得票率是84%,也就是说,给房地产行业打分的选票中,有至少76%的选票选了孙建平。而且这一数字还是保守估计。
都说入榜新财富就能一夜暴富,为什么?因为入榜者的观点能覆盖并影响到市场绝大部分资金掌舵者,根据统计,这些机构投资者管理的资产规模合计达数万亿元。从公募基金到私募基金、证券、信托、财务公司等各种团体,如果孙建平不是切切实实为他们创造了正价值,他们会自发做出这样高度统一的选择吗?
有评论认为,新财富是资本圈的奥斯卡,也不乏“新财富是国内最公正,最类似于美国大选的民主选票”的褒奖。民主的基础在于投票的群体够资格、样本数量够大,是他们一票一票,选出了市场的宠儿,并清除纠正了非正当拉票的噪音。
2014年的新财富最佳分析师评选,投票群体进一步扩容,870余家机构的2700多位投资者投票,且由新财富酷鱼APP投出,进一步杜绝了“搞定一个老总,就能拿到几十张选票”的可能。没有什么力量,能操纵这个市场。
每年新财富投票季,最不缺的,就是各种拉票秀。娱人娱己,小编其实天生“看热闹不嫌事儿大”,碰到平时没日没夜做研究、到了收获季节吆喝一声“请为我投上一票”的分析师,觉得那都是光明正大,值得大大点赞。要刷多存在感,拼文采、拼智慧、拼身段也无可厚非。
但是。。。江湖上,最轰动的。。永远是“今天又推倒了一个基金经理,好累”这样的桥段,它们没有出处、没有主角,如幽灵般闪烁在10月资本圈的屏幕上,不忘例行挂上“为了新财富”的名号。小编能把这当成一个反向的表扬吗?
只是,就算是为了新财富,这样有用吗?从最无情的数学逻辑来看,就算真有这种事,推倒一个基金经理,他有权重3,且不瞒你不负你给你投个第一名,满打满算能拿上15分,要到猴年马月才能把自己推上新财富榜单?
且不说1万5千分的高度,仅仅入榜新财富,也不那么简单。2013年所有入榜新财富的分析师,最终平均得分为7208.87。如果以此作为入榜门槛,假设平均投票权重为2的话,就算投你的都给你打第一名,也需要至少720张选票(7208÷2÷5),这样一个数字,是不可能靠非正当拉票就能达成的。那个“送了100部IPAD,上了新财富”的段子,同样也是经不起推敲的。
不能入榜新财富不要紧,明年再战,但放了段子出来毁人三观还孜孜不倦,你就不对了。要赢,必须凭平时下的功夫说话。
其实最最简单的逻辑,如果把分析师评选当成一年一度的期末考试,平时无作为、临时抱佛脚的人或许可以侥幸拿分,但绝无可能赢到巅峰!
我们欢迎真实的情感式拉票,欢迎“80/90后非主流”这样让人耳目一新的研究,甚至在充满噱头的旗袍秀的题图下,发布的也是研报代表作而非主角三围。但今后,请不要用“推倒”的秘闻来侮辱市场的智商了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28