
大数据基金该怎么投_数据分析师考试
自去年以来,大数据基金纷纷成立。在运作了将近一年的时间里,这些大数据基金体现出来的特性如何?适合什么样的投资人?如何投资才能收益最大化?
风格迥异
目前市场上正在运行的大数据基金有4只,分别是中证腾安价值100指数、中证百度百发策略100指数、中证淘金大数据100指数和大数据系列策略指数(i100和i300)。4只跟踪上述指数的基金分别是博时中证淘金大数据100、银河中证腾安指数,广发百发100、南方大数据100。
具体从4只指数基金来看,风格迥异的同时也有相似点。
广发百发100跟踪百发100指数。该指数采用百度金融搜索和用户行为大数据,通过相应的数据挖掘和分析手段,将涉及特定金融实体的数据进行自动分析、归并、统计和计算,并引入量化投资模型,编制股票市场指数。
南方新浪大数据i100与广发中证100较为相似,它以新浪财经的互联网财经大数据应用为特色,基于财经新闻媒体与社交平台海量大数据,在选股策略上,i100指数综合财务、市场驱动、大数据三大因子。
博时中证淘金100,从编制方案来看,以电商商品类目相关中证三级行业的所有股票为样本空间,从中根据综合财务因子、市场驱动因子、聚源电商大数据因子选取综合评分最高的样本股,并采用等权重计算。数据来源为支付宝的实际交易,包含了行业的价格、销量、人气等景气程度数据。对样本空间的股票,按其综合财务因子、综合市场因子和淘宝大数据因子计算的综合评分降序排列,选取排名前100名的股票作为中证淘金大数据100指数成分股。
银河定投宝中证腾安价值100更偏爱被低估的上市公司:指数依据定价偏离程度排序,佐以质价比率、公司资质、每股评分等多项财务指标,选择市场价格相对低估的100家上市公司股票为样本。指数样本主要集中于工业、可选消费及医药卫生三个中证一级行业,样本数量分别达到30只、23只及14只,合计权重达67%。信息技术、原材料、金融地产、主要消费、电信业务、能源及公用事业依次排名4到10位。
高贝塔适合波段操作
从这些大数据指数走势来看,更具备高贝塔产品的特性。
今年以来,淘金100涨幅86.37%,中证腾安价值100涨幅64.01%,百度100涨幅51.65%,新浪大数据i100涨幅82.37%。同期上证综指今年以来的涨幅为25.83%,沪深300涨幅18.18%,创业板指数涨幅96.89%。
自6月份发生的股市大跌,沪深300由最高点跌至近期最低点的跌幅为34%,上证指数跌幅不到35%,创业板指数跌幅51%。同期,淘金100跌幅46%,中证腾安价值100跌幅44%,百度100指数跌幅49%,新浪大数据i100跌幅42.7%。
从4只大数据基金或长或短的历史业绩可发现,大数据基金相对于普通的权益类基金在股市中表现为净值波动大。有基金经理表示,与成熟市场主要由理性机构投资者构成相比,A股市场仍以散户为主,因此市场受投资者情绪影响很大,投资者情绪可以更多地反映在互联网大数据上,但投资情绪的巨大波动也会带来互联网基金的高贝塔属性,对此投资者要有心理准备。从目前来看,投资者在市场低位布局该类基金,等待市场热度提升,是比较好的方法。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22