京公网安备 11010802034615号
经营许可证编号:京B2-20210330
继腾讯、百度和新浪之后,基金公司也开始与阿里合作开发指数,并计划将相应的公募基金推向市场。
中证指数有限公司此前宣布,于2015年1月21日正式发布中证淘金大数据100指数。该指数由博时基金管理有限公司定制开发,成为首条使用蚂蚁金服旗下金融信息服务平台提供的交易型趋势统计数据的指数。“指数发布后,相应的产品可能要到春节后才可能发行。”博时基金内部人士对《中国经营报》记者透露。
作为该指数的开发公司,上海恒生聚源数据服务有限公司(以下简称“恒生聚源”)总经理金德玮透露,经过一段保护期后,其他基金公司也可以使用该指数。此外,恒生聚源还计划推出聚淘系列指数化投资品种,即通过对蚂蚁金服旗下支付宝金融信息服务平台所提供的某些消费品细分行业电商消费统计数据进行深入挖掘,转化成相应的指数化投资产品,一些公募和私募基金都对这些产品表示出了兴趣。
电商数据变身指基
根据中证指数有限公司的公告,中证淘金大数据100 指数以电商商品类目相关中证三级行业的所有股票为样本空间,从中根据综合财务因子、市场驱动因子、聚源电商大数据因子选取综合评分最高的 100 名作为样本股,并采用等权重计算。其中,聚源电商大数据因子依据恒生聚源数据服务有限公司根据上述交易统计数据加工得到的行业投研指标计算。
历史模拟数据显示,2010 年以来,中证淘金大数据100指数的年化收益率为36.7% ,年化波动率24.3% ,同期沪深300指数的年化收益率和波动率分别为-2.1%和21.5% 。
“这个指数可以供投资者跟踪大消费类行业股票。”金德玮说,最初博时基金找到阿里谈合作,此后阿里将电商大数据提供给恒生聚源,恒生聚源对相关数据进行脱敏处理(不能让市场还原出原始数据和原始数据的特性),随后加工成对应的一系列电商数据因子,能够表征这些行业销量、行业集中度、商品价格的变化趋势等等。中证指数公司在此间作为通道,进行指数发布。
在金德玮看来,该指数对大消费行业具有较高参考价值。他解释说,自2010年以后,电商行业的发展如火如荼,电商销量在社会消费品零售总额里面的比重快速提高。电商既然占到这么大比重,那它足以表征所对应行业、商品的变化趋势。随着占有率越来越高,这个表征性也越来越好。
“阿里提供的数据转化为指数产品应该还是具有很高的参考价值,因为数据样本够新、够全。”普华永道一位不愿具名的分析人士表示。
金德玮说,和国家统计局的社会消费品零售总额相比,该指数表征性更好。因为国家统计局的数据是基于抽样样本的统计而来,而恒生聚源是根据全数据样本的统计分析而来。
掘金大数据基金
据统计,目前已有腾讯、百度、新浪三家互联网大佬与专业机构或基金公司合作开发了指数,并且建立在这些指数上的公募指数型基金已经或正在推向市场。
2014年9月17日,百度与广发基金合作的“广发中证百度百发策略100指数基金”正式获批,并于10月底发行。这是首只真正意义上跟踪具有互联网基因的指数的指数型基金产品。此外,腾讯与济安金信科技有限公司早前也合作开发了“中证腾安价值100指数”,该指数已于去年3月份开发成立了一只公募基金——“银河定投宝中证腾安价值100”。新浪则与南方基金合作开发了大数据100指数、大数据300指数,这两个指数预计日后也会开发形成公募指数型基金。
其中,从数据上来看,已发行的大数据指数基金表现尚可。“银河定投宝中证腾安价值100”基金到2015年2月4日的净值为1.4270元,在不到一年的时间里,上涨了42.7%。“广发中证百度百发策略100指数基金”成立于2014年10月30日,截至2月4日的净值为1.205元,上涨20.5%。
众禄基金研究中心廖帅表示,现在是互联网时代、大数据时代,充分挖掘互联网的海量数据来辅助构建指数以及在此基础上开发指数基金,是对完善当前指数体系以及指数基金体系的一个非常有益的尝试。互联网的龙头企业有着海量数据和非常强的数据挖掘能力,相信未来基于大数据的指数以及指数基金有机会得到更多、更深入的发展,而这,可以使基民在投资指数基金时有更多元的选择。
值得注意的是,大数据基金除了可作为指数型基金这样的被动投资产品,也有成为主动型产品的趋势。
天弘基金日前公布,天弘云端生活优选灵活配置混合型基金获批,为业内首只将大数据技术引入投研的主动管理产品。该基金将通过天弘基金数据研究平台,将大数据技术引入投研模型。
济安金信也在近日宣布与国金通用基金再次合作,推出国金通用——济安通宝1号。在基于研发中证腾安价值100指数的技术模型和系统上,进行调仓频率、权重配置等方面的策略调整和优化升级,设立风险对冲机制和0.85的止损线,从“指数化被动投资策略”升级到“基于指数化和量化交易的主动投资策略”。
本文来源:中国经营报
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11