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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24