
业内率先打造大数据品牌 博时“指慧家”亮相
将“大数据+”策略进行到底,“指慧家”掘金大数据时代
“指慧家”意为“智慧的大数据指数专家”,旨在打造博时基金在大数据指数领域的专业形象,并通过大数据投资为投资者获取收益,掘金大数据时代。当前我国大数据市场仍处于起步阶段,可以预见,随着国家政策的扶持以及各领域的业务创新,各领域各行业的大数据业务将进入快速发展阶段。 “指慧家”在鼓励创新、与互联网信息技术飞速发展的大数据时代推出,正逢其时。
一方面,信息浪潮数据爆发式增长为利用大数据创造了客观条件,传统的投资方式,其信息(数据)已被反复挖掘,存在一定局限性,引入新的数据源能够获得更强的信息优势,从而战胜市场。另一方面,应用大数据信息及技术进行投资分析也是互联网金融的一个重要发展方向,是《纲要》关于“深化大数据在各行业创新应用”的重要举措,大数据既是“互联网+”技术革命的生产要素,也是“互联网+”的产出成果,是DT时代最大的资源、最具价值的财富。
博时基金表示,智慧的大数据指数是金融与互联网深度结合的金融产品,是互联网金融的高级阶段。金融的一个重要核心是投资,互联网的一个核心是大数据,两者的结合真正实现了“互联网的金融化”,相比前一阶段“金融的互联网化”,跨越了一大步。大数据指数能为金融行业更早、更快、更准地去发现去挖掘投资价值,可以让投资变得更简单,互联网大数据大大提升了金融行业的投资能力。
“指慧家”产品线不断丰富,专业投研团队成最大推动力
截至9月8日,“指慧家”品牌旗下共有4只大数据指数,是目前开发大数据指数最多的基金公司。淘金100是与蚂蚁金服合作推出的电商大数据,覆盖35个行业,1700多只股票,该大数据指数偏线上消费数据;银智100与中国银联旗下银联智惠信息服务(上海)有限公司携手推出,覆盖衣、食、住、行、娱、医等泛消费行业,关注线下消费,在超1000只股票中精选成分股;与雪球联合推出的社交大数据——雪球智选100,聚焦雪球网上的个人投资者精选的股票带来超额收益;房天下大数据则是通过搜房网房天下的房地产精细大数据对企业经营情况的精准刻画。
蚂蚁金服、银联、雪球、搜房网等都是各自领域中的龙头企业,拥有具有行业代表性的大数据。据悉,博时基金后续还将与多个不同领域/行业的龙头企业合作,推出更多领域的大数据指数,满足投资者多样化的投资需求
值得一提的是,博时基金对于量化业务方面布局早,不仅拥有一支业内优秀的量化投研团队,而且团队管理规模大,产品业绩优秀。博时基金在2009年起就引入海外人才,建立量化投资系统。目前采用量化策略管理的资产规模超过100亿,其旗下量化产品博时裕富沪深300在2014年收益率达57.77%,同类基金业绩排名第一,今年以来排名第三。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02