
南方大数据100年化42.93% 这个基金可以有
社交网络炒股可以很美
大数据(Big Data)这个词,经过过去几年媒体的大肆渲染,相信诸位已经不陌生了。在那些报道中,大数据神乎其神,从推荐图书到预测流行病无所不能。
如此神奇的大数据,自然会有人用于投资的研究。
拿什么大数据来辅助投资决策?从美国来看,社交网络Twitter的数据是研究最多的,这可能与Twitter渗透率高、数据量大同时还包含发布者的情感有关,适合做比较深入的研究。而从研究和实践来看,效果不错。
2010年,美国印第安纳大学的一项研究成果表明: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具有很强的相关性。研究表明,Twitter中表现出来的情绪和道指接下来几天的上涨或者下跌的相关性达到了87%。此外,美国佩斯大学在2011年的研究成果表明,社交媒体可以预测出三大国际知名品牌股票价格的涨跌,包括星巴克、可口可乐和耐克。
当然,以上不过是纸上谈兵,真正让市场相信Twitter大数据可以辅助投资的,还是“Twitter 对冲基金”CAYMAN ATLANTIC的实践结果。
利用Twitter进行投资决策可以产生超额收益
2012年7月,CAYMAN ATLANTIC成立,专注于利用Twitter数据进行投资。查看了下官网公布的投资数据,从基金成立到2015年3月,不但表现比S&P 500指数来的稳健,而且还有超额收益,相比S&P 500指数ETF19%的年化收益,CAYMAN ATLANTIC以22.1%的年化收益产生3%的超额收益——对于美股,这已经算很不错的成绩了。
微博助阵,大数据炒A股如鱼得水
社交网络大数据炒股,对于A股这样注重消息的市场,显然效果要比在美国好许多。
2014年9月12日,南方基金、新浪财经、深证信息公司三强联手宣布推出大数据100指数(简称:i100),你可以在行情软件中输入399415查看这一指数的走势。
i100指数采用的是三层数据选股的模型,包含了财务因子、市场驱动因子和大数据因子三个模块,其中大数据就是来自新浪的网络财经大数据。
i100指数
i100指数的历史回测数据从2010年2月开始,表现那是极为优异。
i100指数2010年以来超额收益显著
从下面与沪深300(4520.461, -1.46, -0.03%)指数和中证500指数的对比表可以看到,i100指数很智能,总能找准蓝筹和中小盘股的大格局。比如2011年大盘股沪深300指数抗跌,i100比沪深300指数更抗跌;2012年沪深300指数跑赢中证500指数,i100比沪深300指数更强;而到了2013年中证500指数走强的时候,i100又比中证500指数更强了。正是这样的智能,所以i100累计涨幅远胜于沪深300指数和中证500指数。
i100指数与沪深300对比
当然,i100指数最让我印象深刻的,是其超额收益的稳定性。
将2010年二季度开始每个季度i100相比沪深300指数和中证500指数的超额收益做了一个统计,i100指数在80%的季度中跑赢沪深300指数,而跑赢中证500指数的季度更多达90%。
绝大多数季度i100指数都有显著超额收益
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