京公网安备 11010802034615号
经营许可证编号:京B2-20210330
首只大数据券商基金出炉_数据分析师考试
业内首只大数据券商基金即将面世,东方证券资产管理有限公司7月8日公告称,东方红京东大数据灵活配置混合型证券投资基金将于7月13日起发售,认购金额起点10元。据悉,该基金为业内首只大数据券商基金,将管理人在大消费领域的主动性研究,与京东真实及时的大数据结合起来,致力于寻找消费领域的ALPHA。
首只大数据券商基金即将面世
公告显示,东方红京东大数据混合基金为一只灵活配置的混合型基金,采取主动管理的投资模式,将根据管理人的大数据分析模型,进行行业配置和个股选择,力求为基金份额持有人获取超过业绩比较基准的收益。
在投资策略上,管理人先根据宏观分析和市场判断确定大类资产的配置,然后充分利用公司大数据研究平台的优势,通过对京东大数据的分析研究,挖掘出不同行业的敏感因子,提取合成不同行业的观察指标,结合管理人的线下研究进行行业配置和个券选择,构建合理的投资组合。
在行业配置上,该基金将结合线下实地调研和线上大数据挖掘研究进行行业配置。管理人通过线下调研进行行业竞争要素分析和定性判断,通过线上大数据进行行业趋势的挖掘和跟踪,结合线上和线下的分析,判断细分行业的供需情况、价格走势和消费者倾向等关键要素,从而确定各细分行业所处的发展阶段、竞争趋势、景气程度和发展空间等,找出成长性好,盈利空间大,处于上升趋势的行业进行重点投资。
分析人士指出,该基金将大数据直接运用到投资选股领域,对传统的投资决策模式形成补充,开启大数据服务投资研究新模式,互联网与金融进行更深层的融合。通过线上和线下相结合的分析也可以对拐点型行业做出较早的预判,提前做出布局,在行业配置上占据主动优势。
大数据与投资决策深度融合
大数据如何运用到投资决策?据悉,东方红京东大数据混合基金将利用管理人的大数据研究平台,对海量数据进行分析研究,选择重点行业,并结合上市公司的管理水平、盈利模式等基本面研究遴选优质投资标的。
具体而言,东方红资产管理向京东提供数据发掘的模型和结构,并负责检验模型的有效性,而京东定期根据模型提供持续数据更新,具体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,以及价格趋势和斜率、销量趋势和斜率、地域分布、人群特点等。
该基金将运用京东大数据,对上市公司所属细分行业的数据进行挖掘和分析,从而判断行业的趋势、斜率、空间等,结合上市公司在行业中的地位,对公司的短、中、长期趋势做出判断。同时,研究公司所处行业中各种不同商业模式的竞争和演化,分析公司的核心商业模式,及该商业模式的稳定性和可持续性。
分析人士指出,此次是京东大数据首次挖掘并提供给机构投资者,蕴含大量的未被开采的投资金矿。大数据将成为投资研究的有效补充,借助大数据样本大、误差小的优势,及时、客观、真实的特点,投资决策更加主动、更加有效。尤其是京东电商的全样本、实时大数据能更直观、实时地反映各个行业的变化,将显著提升投资决策的前瞻性。
资料显示,2014年京东的销售额为人民币2602亿元,较上年增长了107%;2014年全年完成订单6.9亿个;活跃用户数超过1亿。京东电商所涵盖的品类包括3C、家电、家居、纺织服装、食品饮料、化妆品、鞋包、户外用品、母婴玩具、营养保健、音像制品等,是国内品类最全的电商网站之一。
大消费板块更具长跑实力
“从全球市场经验来看,大消费板块更具长跑实力,能够大概率穿越牛熊市,带给投资者长期投资回报。从目前市场估值来看,消费板块的估值也更具安全边际。”东方红京东大数据混合拟任基金经理杨达治表示。
而从A股近十年历史来看,医药生物、食品饮料、电子等行业是诞生10倍牛股最集中的行业,随着中国经济发展、居民生活水平提高,对大消费领域相关产品的需求大大提升,消费行业的优势企业容易成为快速增长的公司。
资料显示,基金管理人东方证券资产管理有限公司为首家获得公募基金管理业务资格的券商资产管理公司,投资管理团队自1998年成立以来,经历多轮牛熊市考验,积累了丰富投资管理经验。
杨达治为东方证券资产管理有限公司董事总经理、权益研究部总监兼公募权益投资部总监、资深投资经理,北京大学光华管理学院硕士,证券从业13年,善于从行业演进、商业模式等方面深入挖掘上市公司投资价值,拥有丰富的证券投资经验。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24