
大成360互联网+大数据基金今日起航
数据已成为“互联网+”的新生产要素。大成基金紧跟时代步伐,在大数据领域深耕细作,大成360互联网+大数据指数基金于1月11日正式发行。该基金所跟踪指数2013年初至2015年底三年“任性”上涨730.35%,2015年更是上涨196.04%,远超同期市场重要指数及同类大数据指数。360互联+指数不仅长短跑能力强,而且具备强大的反弹能力,2015年股灾之后的7月9日至年底,360互联+指数大幅上涨75.78%。
得数据者得“天下” 。
金融业天生便与大数据结下不解之缘,基金业的大数据之路更是走在行业前列。2016年,大成基金打响了其大数据产品之战的“第一枪”,大成360互联网+大数据指数基金(代码:002236)于1月11日开始发行。
大成360互联网+大数据指数基金将基于目标指数背后的海量数据、多因子构造投资组合,力争定位准确、调仓迅速、把握市场的投资机会。该基金所跟踪的中证360互联网+大数据100指数(以下简称“中证互联+指数”)长中短跑能力惊人,2013年至2015年上涨730.35%,2015年更是跑出196.04%的好成绩,2015年8月10日该指数正式发布以来至2015年底跑出34.04%的成绩。
13亿终端铸就的无敌大数据
历史业绩清楚表明,中证360互联+指数长中期的增长率均高于市场重要指数,且高于同类型的大数据指数。Wind数据显示,截至2015年12月31日,该指数2013年年初至2015年年底三年的增长率为730.35%,远远超过同期创业板指的280.19%和中证500指数132.54%的增长率。
中证360互联+指数不仅长中跑能力强,而且具备强大的短期反弹能力。Wind数据显示,2015年股灾之后的7月9日至年底,360互联+指数便上涨了75.78%。2016开年以来A股市场已经出现两次暴跌,但对于跟踪弹性高、进攻强的中证360互联+指数的大成360互联网+大数据指数基金来说,此时发行或正好可以避开市场调整在低位建仓等待市场反弹。
中证360互联+指数长中短跑能力惊人并不是偶然,而是因为该指数结合了奇虎360的海量数据和大成基金的量化优势。
奇虎360作为中国最顶尖的互联网企业之一,拥有庞大用户基数,积累了丰富的数据源和数据挖掘能力,能够从海量数据中找到有效指导投资的大数据因子。根据奇虎360半年报,截至2015年6月,奇虎360基于PC的产品和服务的月度活跃用户总人数达到5.14亿人;奇虎360基于PC产品的用户渗透率为96.6%。奇虎360主要移动安全产品的智能手机用户总数达7.99亿人。
海量数据有助于更快、更准、更有效地反映投资者情绪。360互联网+指数是由大成基金定制开发的量化策略指数,大数据选股的基本情况是,首先获取360海量用户的上网行为;然后经过文本挖掘和语义分析得出用户对股票的情绪,从而更快更准确的把握大众的情绪;最后综合财务因子、市场因子和大数据因子构造投资组合,选取总分最高的100只股票作为指数成分股,并等权重分配。
大成中证360互联网+大数据指数基金定位于“互联网+”,代表了一种先进的生产力,能够让投资更好的把握时代发展的脉搏。
一流量化团队“保驾护航”
目前公募基金行业的大数据产品热度不减,已经发行和正在申报的合计已经将近20只。大数据基金越来越多,如何避免同质化、做到特色化呢?
市场内部人士坦言,大数据产品最后的趋势就是深耕细作,在大数据基础上做主动管理、加强,衍生出一系列的产品,把数据源及大数据产品品牌化运作。因此,各家基金公司系列大数据产品最终比拼的是量化团队综合实力。
大成基金有着一支一流的量化团队。据悉,大成基金的量化投资部门汇集了国内外多领域的专业性人才,拥有行业领先的数量化投研能力。团队人数目前超过14人,全部拥有硕士以上学历,一半拥有博士学位,并横跨数学、物理、统计、经济、金融、计算机等多学科背景,职责涵盖了金融工具、α策略、套利及实时风控等量化投资的各个业务链。不少人员为高考状元,还有华尔街工作多年的大咖,可谓“精英学霸团”。
部门在内部搭建了功能丰富的数据平台,包含了全面的基础数据,并且保持对量化因子的持续研究和检验,为量化策略研究提供了坚实的保障与支持。部门立足于开发多维度的量化产品,全面布局产品线,为投资者提供多元化的投资“工具”,以应对变幻莫测的市场风格。
大成中证360互联网+大数据100指数基金是大成基金互联网金融战略发展的重要起步,目前公司已与雪球、同花顺等多家平台公司和国内领先的大数据开发公司密切合作,接下来还将会推出多只各具特色的大数据产品。
大成基金副总经理、首席战略官温智敏表示,“大成基金将本着“平等、参与、分享与合作”的互联网精神发展具有普世价值的互联网金融业务,在传统公募基金的模式下创新开发互联网+大数据+人工智能的产品,致力于改变中国投资者尤其是散户们的投资体验。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15