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。”
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09