
大数据熊烧:博时牵手蚂蚁金服 南方广发对阵火拼
基于淘金100指数开发的相应公募基金产品也将于4月下旬在市场推出。
理财周报记者李洁雪/深圳报道
大数据之火正在基金界熊熊燃烧。
继广发与百度合作推出“百发100”指数,南方与新浪财经推出“i100”、“i300”指数之后,又一例基金公司与互联网公司深度碰撞的案例诞生,此次的焦点是博时与蚂蚁金融服务集团(简称“蚂蚁金服”)。
4月9日,蚂蚁金服、博时、恒生聚源及中证指数共同发布了国内首个电商大数据指数——中证淘金大数据100指数(简称“淘金100”)。据悉,基于该指数开发的相应公募基金产品也将于4月下旬在市场推出。
而日前,广发百发100指数基金正在进行第二轮火热申购,南方大数据100指数基金亦将于4月22日正式发行,三家基金公司大数据指基的正面较量即将开启。
博时瞄准电商大数据
淘金100指数这个新来者究竟有何特别之处?博时方面对此向理财周报记者进行了详细介绍该指数的详细编制环节。
首先,蚂蚁金服和恒生聚源利用线上线下数据,包括电商交易数据、恒生聚源提供的行情数据及大量线下行业资讯,以及其他各方数据源,譬如专利数据等,结合基金公司的专业判断与经验,在蚂蚁金服金融信息服务平台上进行数据探索分析,针对中证指数三级行业汇总得到行业景气指数,包括行业成长、行业活力、行业供需等。
其次,博时基金利用其在投资领域的经验和优势,对各股票的基本面,如市盈率、总资产比市值、主营业务收入增长、净利润增长,以及市场交易情况:长期动量,短期动量,短期反转,交易量等量化指标进行评价编制成另外2个因子:综合财务因子、市场驱动因子。
最后博时结合蚂蚁金服提供的行业景气指数,在相关的中证指数35个三级行业1740个股票样本中选取100个股票作为指数成分股,采用等权重方式投资。
博时基金副总裁王德英表示,概括而言,“淘金100指数是依托蚂蚁金服的大数据平台,基于海量的互联网电商交易大数据,来预期一个行业未来盈利状况,预判一个行业的繁荣程度,并在此基础上选取100只股票形成投资组合。”
三大指数PK成绩待市场考验
同为大数据指数,淘金100指数与百发100指数和i100指数具体有何差异?
博时方面向记者解释称,“从数据上来看,淘金100采用的是网上电商交易数据,而百发100主要采用的是搜索数据,i100则主要采用新闻数据。相较来看,交易数据较能反映更为真实的经济活动,而搜索和热度更反映市场短期情绪。从策略而言,淘金100指数除了运用蚂蚁金服特有的行业景气指数外,采用的财务和市场因子也不同,基金公司的量化策略研究也对指数最终的表现有很大影响。”
不过,对于数据来源完全相异的三大指数而言,孰强孰弱目前难下定论。就今年以来三个大数据指数的表现来看,截至4月9日,i100指数今年以来上涨了55.11%;淘金100指数上涨了52.96%;百发100指数上涨了40.73%,而同期上证综指涨幅22.35%,沪深300指数涨幅20.61%,可以看到,三大指数均大幅跑赢上证综指、沪深300等传统主流指数。此外,于2013年最早推出的与大数据相关的中证滕安指数今年表现也十分不错,涨幅高达49.64%。
济安金信王群航认为,“中证滕安、百发100以及i100指数更偏重于挑选个股,而淘金100指数则偏重于行业趋势的判断。在投资中,趋势判断准确未必就有好的投资策略,但蚂蚁金服与博时的合作是值得肯定的,蚂蚁金服在给我们选择成分股,或者在编制指数,或是在利用大数据方面提供了新的方法,这个创新意义是十分积极的。”
截至4月9日,广发中证百发100基金自去年10月28日正式交易以来,净值增长率高达64%。除此之外,广发百发100基金还将在4月14日进行红利分配,拟每份基金份额派发红利0.36元,预计派发红利6.7亿元。优秀的业绩和大手笔的分红为广发百发100基金的二次申购造足了气势,理财周报记者从多个渠道了解到,此番广发百发100打开申购获得的资金热捧较首募时更为热烈。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23