京公网安备 11010802034615号
经营许可证编号:京B2-20210330
跨界掘金“大数据” 基金也玩“互联网+”
近期,不少公募基金联合专业互联网企业已经或酝酿发行“大数据”基金,给基金印上了深深的“互联网+”烙印。人们不禁要问,究竟什么是“大数据”基金,它又能为投资者带来怎样的回报呢?
选股标准是什么?大数据说了算
目前,市场中已有多只跟踪不同大数据指数的基金。据不完全统计,其中既包括银河定投宝、广发百发100指基等已经发行一段时间的基金;也包括即将发行的南方大数据100基金;此外,博时基金也将推出两只与淘金100指数挂钩的基金产品。
值得研究的是,这几只基金挂钩的数据在选股模式中各具特色。其中,广发百发100指基挂钩的是百发100指数,该指数由百度与中证指数公司、广发基金合作推出,业内人士表示,其最大的特点就是引入了“投资者情绪指标”。何为“情绪指标”?根据官方解释,当某只股票被搜寻的时候,意味着有投资者对这只股票产生了关注。因此,股票在百度的搜索量某种程度上就可以反映投资者目前关注的股票以及投资偏好。将这样的因子加入到传统的量化模型中,就能优化选股模型。
而银河定投宝追踪的中证腾安指数是国内第一家由互联网媒体与专业机构编制发布的A股指数。业内人士表示,与百度百发的思路不同,该指数并没有利用互联网引入模型因子,而是利用腾讯微博的影响力挖掘了一大批来自于财经媒体、证券投资、资本运作、行业研究等不同领域的专家以甄别股票。
即将发行的南方大数据100基金挂钩的则是i100指数,该指数由南方基金、新浪财经和深证信息公司联合推出。据介绍,该指数综合财务、市场驱动、大数据三大因子形成选股策略,通过对财经领域的“大数据”进行定性与定量分析,同时考量股票基本面与市场驱动情况,精选出综合排名靠前的100只股票组成指数样本股。
此外,上周“新鲜出炉”的中证淘金大数据100指数则是由蚂蚁金服、博时基金、恒生聚源及中证指数共同发布的全球第一个电商大数据指数。其官方资料显示,该指数是基于海量的电商交易数据,经过大数据与金融的碰撞后,产生的全球首个电商大数据指数产品。该指数量化投资模型由行业景气指数、财务因子、市场驱动因子等构成。
量化模型创新 最终还需市场检验
值得注意的是,相较于传统指数,大数据指数调整周期普遍较短。例如,i100指数、中证淘金大数据100指数和百发100指数的换股周期均为1个月,而像沪深300指数这样的传统指数,则是每半年调整一次成分股。业内人士表示,大数据指数样本股调整周期缩短,可以起到摊薄风险、提高收益的作用。
事实上,国外也已经有运作得颇为成功的先例。在2012年7月,保罗·霍廷(Paul Hawtin)成立基于推特(Twitter)、新闻媒体信息等数据进行交易的对冲基金。根据CAYMAN ATLANTIC在其官网披露的基金历史收益数据显示,截至2014年10月,该基金的累计收益率达到51.05%,年化收益率超过20%,在基金运行的28个月中有24个月获得了正收益,最大回撤为-0.33%。
那么,神乎其神的大数据基金真有那么厉害吗?它是不是基金公司用来吸引投资者的营销噱头呢?对此,数米基金研究部主管王炜表示,大数据基金并不仅仅是一个营销噱头,“而是一种创新的量化决策模型”。他指出,大数据紧紧依靠数据、同时创新量化模型,确实可为投资者带来实实在在的好处。德圣基金首席分析师江赛春则表示,虽然现在许多基金都冠以“大数据”头衔,但是“不一样的数据来源和操作方法带来的指数、投资决策是不同的”。因而并不能说所有大数据基金都很好,“最终还是需要市场对其进行检验”。
对于“大数据”基金的流行,江赛春也提出了质疑:“大数据基金的数据来源平台非常多样,不同的平台有不同的用户,我们并不知道数据是怎样被处理的,也不知道基金公司在挖掘数据后是否会加以处理再推出市场。”他认为,基金公司在挖掘数据后,如果再经人工加工,“那数据就会失去原本的意义”。
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