京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据全面助力主动投资管理
随着互联网和基金理财业务的交叉融合,运用大数据进行投资的探索也在深入发展。近日,银华基金正在发行的银华大数据基金以“大数据择时”+“大数据选股”的投资特色备受市场关注。银华大数据拟任基金经理张凯表示,该基金有两大择时策略、四大选股策略,模拟运行的整体业绩乐观,体现了大数据应用于主动投资的比较优势。
两大择时策略降低系统风险
据了解,市场上已有的大数据基金多是被动指数型基金,通过高仓位被动跟踪一个大数据股票指数进而获取投资收益。
张凯认为,当前市场上的大数据指数基金多是在选股上运用大数据,但在择时上没有应用大数据,缺乏择时策略,而银华大数据基金是主动管理型基金,同时将大数据应用于选股策略和择时策略。
他说:“大数据基金如果不做择时,一直高仓位运行,尽管选股业绩优秀,但在发生系统性风险时仍将损失惨重。我们的新基金引入大数据择时策略后,就可以避免股市大幅调整时基金净值的大幅回撤。”
具体而言,张凯表示,银华大数据基金有两大类择时策略:第一类是基于宏观及行业景气度数据,包括货币供应量、流动性、经济同步指标、先导行业景气度等;第二类是基于市场行为及情绪数据,包括基金仓位、期指持仓及升水率、股票账户活跃度、分析师情绪等。
“基于宏观及行业景气度的数据对应的是中长周期的择时策略,基于市场行为及情绪的数据对应的是短周期的择时策略,两个策略影响权重各为50%,共同决定基金组合的仓位和大类资产配置,在择时上实现了长周期与短周期的均衡,提升了策略在不同市场波动下的稳定性。”他说,考虑到A股市场震荡多变,该基金将平均每月根据择时策略做出一次资产配置调整。
四大选股策略创造超额收益
大数据择时策略可以帮助规避系统性风险,而大数据选股策略则决定了基金的长期投资业绩。
据张凯介绍,该基金的选股策略分为四种,即股票关注热度策略、分析师荐股策略、财务多因子策略和公告事件驱动策略。这四种策略对应四类数据来源和四种投资逻辑,股票关注热度策略选择互联网关注度高的强势股票,卖方分析师推荐策略选择被最多优秀分析师推荐的股票,财务多因子策略选择基本面质地优良且低估最多的股票,公告事件驱动策略选择出现驱动股价走强的突发事件的股票。
张凯认为,在不同的市场环境和风格下,不同策略的短期表现可能各有不同,多数据源对应多策略的机制可以弥补单一策略的短期失效,并形成业绩互补,保证整体投资业绩的持续性和稳定性。此外,基于不同数据来源的策略相关性较低,更分散化的投资能够降低组合的整体风险。
谈及该基金数据源的特色,张凯特别提到卖方分析师数据:“我们的分析师荐股数据是公司独有的优势,公司搭建了分析师推荐股票自动化采集系统,我们会根据分析师荐股的长期业绩表现筛选出优秀分析师,并根据优秀分析师推荐的股票,自动构建股票组合,第一时间将分析师的研究价值转化为投资业绩。”
模拟运行年化收益可观
在张凯看来,相对于传统投资,大数据投资具备四大优势:一是股票覆盖面更广,利用大数据可以覆盖A股市场的所有股票;二是信息处理能力强,大数据投资能够分析基本面和非基本面的海量数据;三是投资策略更为多样化,大数据投资能够解决传统投资策略单一化和同质化的问题;四是避免人为主观性,大数据投资策略完全以数据为本,更为客观公正。
张凯介绍,该基金2010年就开始模拟运行,整体业绩可观。他说:“根据我们大数据基金之前的模拟运行,该基金的总体收益还是不错的,由于具备择时策略,2010年至今,年化收益可观,净值回撤较小,业绩长期稳定向上。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25