京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12