
大数据100:互联网大数据时代掘金秘籍曝光
国内首只财经大数据指数基金即将发行。公告显示,南方大数据100指数基金(代码:001113)将于4月22日起发售,募集规模上限为10亿元,投资者将可借道该基金分享财经大数据掘金牛市的收益。Wind数据显示,截至4月10日,i100指数今年以来涨幅达59.70%,同期上证综指涨幅24.72%,沪深300(4521.919, 0.00, 0.00%)指数涨幅22.94%。近一年i100指数上涨126.95%,大幅跑赢上证综指、沪深300等传统主流指数。
大数据能预测金融走势资产价格
大数据是能预测金融资产价格走势的!我们来看如下几个案列:新浪“互联网金融”词条热度在2013年二季度末开始爆发性增长;同时,Wind“互联网金融指数”形成趋势性上涨行情;截至2015年4月Wind“互联网金融指数”涨幅为517%。2013年当你挠破脑袋想着互联网金融创新产品的时候买入互联网金融指数,至今收益率高达5.17倍了。
美国印第安纳大学近年的一项研究成果更表明从Twitter信息中表现出来的情绪指数与道琼斯工业指数的走势之间相关性高达87%。2014年牛津大学期刊发表的一篇文章表明,通过搜索分析投资者在网络发帖和评论中表现出来的观点很好地代表了多空态度,同样也能够有效地预测未来股市的收益。美国市场大量有关金融和大数据成功结合的案例鼓舞了投资管理人,作为最火的社交网络,Twitter拥有众多互联网使用群体的信息,因而其被大量的投资管理人视为大数据的最佳来源,并依此开发了相应的对冲产品。在2012年7月,保罗。霍廷(Paul Hawtin)成立基于Twitter、新闻媒体信息等数据进行交易的对冲基金。根据CAYMAN ATLANTIC在其官网披露的基金历史收益数据显示,截至2015年3月,该基金的累积收益率达到55.89%,年化收益率接近18%,在基金运行的33个月中有26个月获得了正收益,最大回撤为-1.02%。
“大数据时代”如何掘金?借道南方大数据100基金享牛市收益
优势一 强强联合,铸造i100
南方大数据100基金是国内首批深度融入财经大数据的指数产品,其投资标的i100指数由南方基金、新浪财经和深证信息公司联合推出,以互联网财经大数据应用为特色,基于财经媒体与社交平台挖掘投资情绪并应用于指数选样的策略指数。在选股策略上,i100指数综合财务、市场驱动、大数据三大因子,通过对财经领域的“大数据”进行定性与定量分析,同时考量股票基本面与市场驱动情况,精选出综合排名靠前的100只股票组成指数样本股。同时,i100样本股实施月度定期调整,可以更及时捕捉市场动态。
不同于沪深300等恒定风格指数,i100指数成份股由投资者情绪和市场走势所驱动,在市场风格加速变化的环境中,往往能够及时踏准节奏。业内人士分析指出,国内股票市场交易较为频繁,短期交易盛行,价格波动较大。由此,国内股票市场上投资者情绪在投资者行为中的决定作用更加突出,对投资指导意义也尤为明显。
优势二 i100,收益高
累计收益和年化收益成为大数据“掘金”能力的最好说明,Wind数据显示,南方新浪大数据100指数短中长期的优秀表现凸显了大数据投资的价值。截至2015年4月10日,i100指数2015年以来上涨59.70%。拉长时间来看,i100指数近一年上涨126.95%。自基日2010年1月29日以来,i100指年化收益率达到42.75%,远远跑赢上证指数同期年化5.88%和沪深300指数5.97%的收益表现,收益能力突出。对于投资者来说,南方大数据100基金相对主动管理型基金具有更低的费率,且其认购起点为1000元,让投资者得以低成本低门槛的方式一揽子购入100只股票,摊薄风险、分享指数的成长机会,为投资者提供了利用财经大数据掘金牛市的便捷、有效的投资新利器。南方大数据100指数基金将紧密跟踪i100指数,为投资者及时跟踪指数变化,把握大数据的投资价值。投资者可以通过南方基金官方网站以及各大银行网点等代销机构购买大数据100基金。
优势三 金牛基金实力雄厚
作为国内领先的指数基金管理专家,南方基金在指数投资方面优势明显。Wind数据显示,2014年南方基金指数型基金加权平均收益达51%,截至4月10日,今年以来南方旗下包括南方中证500ETF在内的4只指数基金收益率超过40%。南方基金数量化投资团队共13人,多名核心人员具有海外从业经历,主要从事数学、物理、金融工程、计算机等专业。截止一季度末,管理规模近230亿元。南方基金数量化投资部总监,刘治平。北京师范大学统计物理学硕士、美国康奈尔大学工商管理硕士、美国佛罗里达州立大学计算物理学博士。曾担任香港巴克莱投资银行可转债交易总监、美国纽约贝尔斯登可转债对冲基金经理、美国纽约美联投资银行自营投资董事总经理。南方基金在2015年“第十二届中国基金业金牛奖评选”中一举荣获“金牛基金管理公司”、“被动投资金牛基金公司”等6项大奖,成为本届中国基金业金牛奖评选中获奖最多的基金公司,没有之一。
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