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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25