京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Wind数据显示,截至5月9日,公募基金中的量化产品已经达到78只。众多基金中,华商大盘量化精选自其成立以来业绩始终处于相对领先的位置,其采用的量化模型基于对交易数据的挖掘。而正在发行的混合型基金也延续了华商“量化”产品的优势。华商新量化拟任基金经理费鹏认为,在震荡市中,个股和结构化的行情比较多,高频的交易数据较低频的宏观数据适用性更强。从交易数据中寻找被资金认可的个股,再从基本面进行验证,由此形成独树一帜、回报可观的股票组合。
通过交易数据挖掘个股秘密
费鹏介绍,虽然目前已有的量化公募基金产品中,大部分的量化模型基于基本面因子,然而,华商的量化则通过每一笔交易数据,监测异常表现的个股,并寻找背后的因素。这些因素可能是基本面的拐点,也可能是主题性投资机会或者是特殊事件。
通过量化交易数据筛选的股票与传统主动基金经理通过自上而下主动挖掘的股票有明显不同,这一点从华商大盘量化精选的前十大重仓股就可以窥探一二,多只重仓股都兼具基本面拐点和事件性机会。
费鹏透露,在2013年成长股“一统天下”的行情中,华商大盘量化精选并没有过多押宝创业板的股票,但是仍然创造了逾30%的回报,而贡献收益的大部分个股都是通过挖掘交易数据而来。
不同于其他公司的研究员荐股机制,华商量化团队通常是通过量化模型分析具有两年以上完整交易记录的个股形成初选股票池,然后经过行业研究员的实地调研和深入分析获得基本面信息,最终形成投资池。如果这些股票在基本面也有支撑,那么可能成为前十大重仓股,获得重配。
在风险控制方面,费鹏运用金融物理学的方法来判断市场风险。为此他制作了一个反映市场信息混乱程度的模型——信息熵值模型。费鹏发现,当市场的信息越混乱的时候,市场就越稳定,而熵值越小,短期风险就越大。经过历次验证,这个熵值模型在控制风险方面是非常有效的。
目前费鹏管理的另一只基金——华商新量化灵活配置混合型基金正在发行,将采用同样的量化策略。他认为,基于交易数据的量化投资更适合震荡市,因为在震荡市中,更容易出现个股的行情。个股的涨跌受大盘的影响也不大,而资金也更推崇个股。
普涨单边市出现概率较小
费鹏认为,今年出现普涨的单边市概率比较小。从宏观经济层面,经济疲软依然持续,宏观数据继续探底;从资金面角度,流通市值处于高位,场内资金不足以支撑大幅上涨;同时IPO重启等事件性因素对大盘依然承压,因此A股目前不具备普涨的条件。
但当经济低于预期,政策的对冲预期会升温,近期常州等地方政府在购房政策上的放松,说明地方在采取对冲策略。
“只有在对冲失效的时候,对投资者的打击才是最大的。”费鹏说,“在有对冲预期的时候,由于出来什么样的政策的不确定性,反而不会出现特别大的悲观,毕竟还有腾挪的空间。”
费鹏认为,今年的市场将保持情绪化,震荡格局仍然持续。但是从大类资产配置的角度,股市值得关注。黄金现在处于明显的下跌周期,房地产也已经出现拐点,信托产品也将受制于违约风险。因此,股市在财富管理中是优势资产。股市中一定有一部分资金较为灵活,在不同的资产中做腾挪,因此,只要有赚钱效应,比如热点板块,则股市仍然有可为之处。
对于IPO重启,费鹏认为,投资人士不用过于悲观,但也不能太过乐观。早在2005年股权分置改革和2009年的创业板设立,都曾经带来对资金分流的恐慌,但事后都被证明是过于悲观了。随着IPO时间表的逐步明确,场内资金的投资行为将敢于“落地”,成交量也将逐步有所扩大。
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