
用大数据在“投资风口”捕捉机会
创新、融合、蜕变,这些时代变革的特征在大数据基金上体现得尤为突出,也成为基金业追逐的一大热点。大成基金也加入战局,与互联网知名企业360合作推出的大成中证360互联网+大数据100指数基金开始发行。
拟任基金经理夏高表示,大数据选股是“大众评选”,量化模型选股是“专家评选”,两者有机结合可以实现1+1>2。
夏高认为,2016年市场将逐渐恢复常态,以震荡向上为主,而大数据基金在这一时期具有明显优势。
不必过于惊慌
投资要站在“风口”
2016年开年股市连续暴跌,投资者不知所措。夏高则较为淡定,他认为市场短期急跌带来布局机会,不必过于惊慌,未来投资依然要站在“风口”。
夏高表示,人民币汇率波动带来的资本市场不确定性是导致A股短期暴跌的主要原因。另外,注册制也是市场普遍关注的问题。2016年市场宽幅震荡可能是常态,但不改长期慢牛格局,同时也给新基金建仓带来好机会。
夏高认为,本轮调整与去年6月中旬开始的调整有许多相似之处,一是调整过程伴随去杠杆。上一轮调整,沪深两市的融资余额从6月中旬的2.27万亿下降到9月底的0.91万亿。而本轮调整,两市的融资余额从1.21万亿下降到1.03万亿,已接近前期低点,有望企稳;二是两轮调整都与大股东减持政策有关;三是急跌之后容易快涨。
夏高强调布局市场要站在“风口”。未来几年将持续成为潜在市场热点的可能还是新能源汽车、环保、军工、国企改革、人工智能、二次元消费、VR、云计算、大数据、智能驾驶等。据悉,大成360互联+指数基金或能帮助投资者将热点一网打尽。该基金所跟踪的360互联+指数成长风格明显,目前五大行业分别是电子元器件、通信设备、信息科技服务、半导体产品和半导体设备、电气设备,占比分别达到31%、12%、6%、55%、5%。
挖掘出大数据价值
有人说未来市场是“得数据者得天下”。数据显示,目前有15只大数据指数,大成360互联网+大数据基金跟踪的中证360互联网+指数,2015年以1964%的年度收益率位列首位。
夏高介绍,大数据的质量、代表性、可靠度等是影响指数表现的重要原因。360大数据有两大优势,第一是360拥有搜索引擎、PC端、杀毒软件、抢票软件等多种业务,范围比较广;第二是渗透率高,代表性更强。
夏高表示,大数据产品的趋势是深耕细作,拼的是团队实力。据悉,大成基金数量与指数投资部的前身金融工程部成立于2008年,目前这一团队人数超过14人,涵盖数学、物理、统计、经济、金融、计算机、营销等多学科背景,职责覆盖金融工具、α策略、套利及实时风控等量化投资的各个业务链。
“大数据完全有能力反映投资者的市场情绪,从而帮助投资者获得超额收益。在大数据公募基金应用上,中国走在世界前列,未来这块业务还将迎来大发展。”夏高对大数据基金的未来充满信心。数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30