
大数据投资靠谱吗
从炙手可热到颇受争议,大数据基金已走过3年时间,当市场人士从热情追捧转向冷静观察的时候,大数据基金正在默默的用业绩为自己正名。
“满意”的成绩单
据银河数据显示,截至去年年底,全市场共有19只基金以“大数据”冠名,这些基金2016年收益全部跑赢同期沪深300。
19只以“大数据”冠名的基金2016年的平均收益率为2.4%,而同期股票型基金的平均收益率是-11.4%,偏股混合型基金的平均收益率是-14.1%,去年火爆的量化基金平均收益率是-1.8%。大数据基金用骄人的成绩在2016年的震荡市中为自身正名。
大数据基金顾名思义是以数据源作为投资的重要依据,此类基金通常是基金公司与一些大数据平台合作开发,比如百度、360、淘宝、京东、东方财富网、腾讯、新浪、同花顺等等。正是这些用户数量庞大的大数据平台给了大数据基金无限的遐想空间。
大数据基金3.0
总结过去,大数据基金走过了两个阶段,第一个阶段是被动指数型产品。该阶段大数据基金被动跟踪某一大数据指数,不进行择时,基金权益类资产仓位基本保持在95%以上。这使得基金业绩完全依赖于大数据指数编制的是否合理,以及数据源与投资的相关性强弱。经过一段时间的实战检验,该类基金的业绩受到了一定的挑战。
随后,大数据基金发展到第二个阶段,该阶段以主动管理混合型产品为主,在这个阶段,基金除了利用大数据进行选股外,基金经理还会根据基本面分析进行择时判断,从而进行选股配置。大数据基金发展至该阶段实现了对数据源的优化利用,但大数据能发挥多大的作用,又取决于基金经理的主观意志。
基于以上两个阶段的优缺点,目前大数据基金发展到了第三个阶段,在该阶段,基金不但能依靠大数据进行股票筛选,还能根据大数据提供的信息进行量化择时判断,完全做到体系化、科学化和可预见性。
这其中涌现出像泰达宏利同顺大数据等优秀的产品。泰达宏利同顺大数据是泰达宏利基金与同花顺合作推出的大数据基金,以同花顺交易软件平台上海量的用户投资行为大数据为核心。该基金成立于2016年2月23日,即将迎来成立一周年纪念日。银河证券数据显示,泰达宏利同顺大数据去年以17.3%的净值增长率在19只同类基金中排名第三,在425只灵活配置混合型基金中排名第三,领先上证综指近30个百分点,体现出强劲的势头。最新数据显示,截至2017年2月13日,该基金成立以来的累计收益率为18.25%。
数据越贴近,投资越有效
泰达宏利同顺大数据基金经理刘欣将目前国内大数据的来源分为两大类,一是同花顺、东方财富之类偏向市场情绪的,通过这些平台可以直接得到投资者情绪行为上的反馈;另一类是京东、淘宝、新浪、百度这些生活消费类平台数据,用大数据来辅助选股,比如在淘宝上看到婴儿尿布的销量好,可能相关上市公司的盈利也会很好。
刘欣认为,做投资不论是量化还是主动投资都是在处理信息,通过大数据平台选股,是希望能够覆盖更广的信息源,以求更真实地模拟市场。而这两种大数据各有千秋,从前者来看,覆盖面更广,反馈会更加直接。
根据刘欣的解释,同花顺有超过2亿股民的投资行为大数据,是跟投资相关度最高的数据,可以说是集万千股民智慧与一身。“同花顺的客户与股市相关度更高。百度和新浪上搜索数据,有可能并不是出于对于股票的关心。”他说,“比如我搜索工商银行,未必代表我关心这只股票,所以我们选择了同花顺采集的大数据源。”
但是仅有大数据是不够的,关键要看如何使用大数据构建有效的投资模型,而这就要看基金公司的技术储备。以泰达宏利为例,它将大数据和量化投资技术强强联合,构建了涵盖投资行为大数据的多因子模型,既可以根据点击量、新闻量、帖子量等因子数据的变化判断股票的走势强弱趋势,也可以用量化选股模型精选出被投资者低估的投资机会,挖掘潜在的投资价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29