
华商量化进取费鹏:深耕大数据时代
近期,华商基金的量化“大将”、2014年度金牛基金经理费鹏所管理的第三只基金——华商量化进取灵活配置混合型基金问世,该基金仅发行一日即宣布提前结束募集,成为华商基金今年以来第二只提前结束募集的产品。费鹏认为,因前期估值泡沫的挤出以及TMT、航天军工需要的增加,目前煤炭、有色等行业已初具投资价值。
环保、医药主题值得期待
作为华商基金的量化大将,费鹏所管理的两只基金——华商大盘量化精选和华商新量化混合型基金表现令人印象深刻。根据WIND数据统计,华商大盘量化精选基金于2013年4月9日成立,截至2015年4月3日,该基金成立以来的收益率高达149.90%,远高于同期平均值67.05%的水平,获评“2014年度开放式混合型金牛基金”奖。另一只产品——华商新量化基金成立于2014年6月5日,在不到一年的时间里,创下86.80%的收益率。
费鹏认为,宏观基本面增长动能依然疲弱。内需不振是拖累经济增长的原因,企业用工意愿持续低迷,房地产投资并未出现复苏迹象,同时基建投资也面临财政赤字红线的压力。实体经济赚钱效应的低迷使得资本市场内的增量资金得以持续,这为提升资本市场整体的估值水平提供了流动性。
从板块来看,费鹏认为,2014年四季度涨幅较大的大盘蓝筹以及估值高企的新兴板块将面临一定的调整压力,具有上涨潜力的板块将集中于有色、油服、光伏、农业以及医药。特别是在政策推动、民生呼吁等多维度的叠加效应下,环保、医药等主题值得期待;同时,因为前期估值泡沫的挤出以及TMT、航天军工需要的增加,目前煤炭、有色等行业已初具投资价值。
着眼风险管理
根据WIND数据统计,截至4月3日,华商新量化和华商大盘量化精选混合型基金今年以来分别获得40.14%和35.22%的收益。据悉,这一回报是在没有任何创业板配置的情况下所获得的。费鹏介绍,他所管理的基金主要采用华商基金自主开发的量化系统模型,该模型擅长于分析交易数据,寻找个股的事件性机会,此外其特殊的“熵值模型”对系统性风险有着更为敏锐的觉察力和反应速度。
4月7日,由华商基金量化投资部副总经理费鹏所管理的第三只量化基金——华商量化进取灵活配置混合型基金正式发行。费鹏认为,风险管理始终是量化基金的生命线。他分享几个管理经验:首先,对于进入广泛认同期的个股,股价容易暴涨,交易数据容易发生较显著的波动,股价运行模式的稳定性会下降,对于这类股票,华商量化系统一般不会参与。
其次,随着融资融券资金的介入,个股的交易特征会改变。根据华商量化系统的统计,当融资盘占流通盘比例超过20%,在大盘下跌时,这类个股单日跌幅一般会显著地高于大盘。因此,从操作层面上说,当系统判断市场可能进入震荡或调整时,对于融资占比过高的个股,会提前落袋为安,以保证净值的绝对收益。
最后,充分应用股指期货这一风险调控手段。费鹏说,随着2015年4月16日上证50、中证500股指期货正式上市交易,市场提供了更多的风险管理工具, 这也进一步丰富套期保值等风险管理操作的工具类型。
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