
羊年投资新看点 南方大数据100指基获批
新年伊始,备受市场关注的大数据指数基金——南方大数据100指数基金日前正式获批,成为羊年投资市场的一大看点。据悉,该基金跟踪的i100指数由南方基金、新浪财经和深证信息公司联合推出,在选股因子中创新性地融入了新浪财经大数据。
Wind数据显示,截至2015年2月25日,i100指数2015年以来上涨11.68%,近一年上涨64.28%。而拉长时间来看,自基日以来,i100指数年化收益率达到33.81%,近三年年化收益率达到53.44%,i100指数短中长期的优秀表现凸显了大数据投资的价值。
指数随市场而动 适应不同行情
i100指数成份股由投资者情绪和市场走势所驱动,不同于沪深300(3590.872, 24.58,0.69%)、创业板等恒定风格指数,i100指数的风格由市场决定。Wind数据显示,截至2015年2月25日,i100在2011年、2012年的蓝筹风格行情中表现优于沪深300,在2013年创业板行情中涨幅略高。2014年i100指数上涨66.06%,2015年以来i100指数上涨11.68%,同期沪深300指数、上证综指分别下跌1.56%、0.18%。
南方基金总经理助理、权益投资总监史博表示,南方新浪大数据指数将南方基金的专业股票研究优势与互联网“大数据”结合,在南方基金量化投资研究平台的基础上,通过新浪财经“大数据”定性和定量分析,找出股票热度预期、成长预期、估值提升预期与股价表现的同步关系,精选出具有超额收益预期的股票,建构、编制并发布策略指数,并突破传统的基于财务数据、价值成长因子、指数指标因子的多因子模型研究框架,将新闻事件、公司事件对股价的影响也纳入研究范围内,弥补了新闻事件所带来的互动信息数据研究的空白。
连接情绪与股价 月度调整样本股
南方大数据100指数基金国内首批深度融入财经大数据的指数产品。与传统指数相比,其最大创新点在于将互联网大数据引入了指数编制中,利用大数据对市场主体情绪进行参照量化,为目前市场上的指数投资带来了全新的视角和参考体系。这是互联网大数据技术在指数编制上的创新,也开创了大数据时代的投资新策略。
据了解,南方大数据100指数综合财务、市场驱动、大数据三大因子,在A股市场中遴选出100只股票组成样本股。其中,通过新浪财经大数据分析,找到一种有效的连接用户情绪和股价表现的关系,热点是大数据因子的精髓。大数据100指数根据新浪财经频道下股票页面点击量、关注度等方面刻画投资者情绪,衡量投资者对单个股票评价,综合评价精选出具有超额收益预期的股票,组成指数的100只样本股。同时,为了及时反映股市热点变化,大数据100指数样本股实施月度定期调整。
南方基金和新浪都是各自领域的翘楚,新浪财经拥有海量财经大数据库,南方基金作为国内最早一批基金公司,一直以其稳健的投资理念以及跟随时代的创新精神吸引着大量投资者,稳健而良好的业绩以及符合投资者需求的产品使得公司的规模一直位居中国基金公司第一军团。南方基金作为国内首家定制指数的基金公司,在指数的编制、推广及运行维护上的丰富经验。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29