互联网大数据真的能帮你买卖股票吗

4月上旬，蚂蚁金融服务集团（简称蚂蚁金服）、博时基金管理有限公司、恒生聚源及中证指数共同发布了“中证淘金大数据100指数（简称‘淘金100’）”。

昨天，挂钩这一指数的博时“招财一号大数据保本基金”正式销售，开卖半小时，销售金额达1亿元。

今天，新浪与南方基金联合推出的“大数据100指数基金”也将开始发售。

不光这两家，百度、腾讯等互联网公司此前也联合基金公司，推出了大数据指数基金。

互联网企业背景的大数据指数，就目前表现来看，都跑赢了大盘。那么，与之挂钩的基金产品，会给我们带来可观收益吗？

新基金>>>

“招财一号”： 股票池包括1700只个股

昨日上午9点30分，博时“招财一号大数据保本基金”在蚂蚁金服旗下的招财宝平台正式销售，额度40亿元，共分两次销售。

记者打开招财宝网页查看发现，它是一款承诺保本的混合型基金，投资期限是两年。在基金成立后，将会把40%的资金用于投资股市，剩余60%的资金用于购买债券等较低风险的理财产品。

这只基金将如何投资股市？

据介绍，蚂蚁金服平台采用的电商大数据对应35个行业，涉及1700多只股票，覆盖A股市场的近七成，这是“淘金100”指数的股票池。在原有模型的基础上，新引入的电商大数据约占三分之一的权重，数据反映出各行业景气指数，包括活力指数、供需指数、价格指数等。

那么，“招财一号”的预期年化收益率有多少？官方未透露相关信息。不过，有用户做了一个简单的计算。

假设“招财一号”总规模为1亿元，那么4000万投资股市，6000万购买债券。假设债券年化收益6%，那么这一部分一年的收入是360万元。

股市部分的收益多少呢？网友“candy”这样认为，“就算今年股市后一阶段的表现不及预期，就算想得悲观点，至少80%的年化收益应该还是可以期待的。这样算下来，4000万的年收益就是3200万，总计收益就是3560万。再扣除基金的手续费等一系列费用，那么，这只基金应该还是有20%以上的年化收益啊。”

另外，记者从蚂蚁金服处获悉，“招财一号”的同门兄弟博时”淘金大数据100指数基金“也已获批，即将发售。

“新浪i100指数基金”： 利用大数据，能分析投资者情绪

作为国内首批深度融入财经大数据的指数产品之一，去年9月，新浪财经联手南方基金、深证信息公司推出了“大数据系列指数”，包括“i100”和“i300”两只产品。

今天将开始发售的“i100”指数基金，规模上限为10亿元。

目前公开的信息显示，在选股策略上，它将基于财经媒体与社交平台的大数据，挖掘投资者情绪等因素，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。

投资者情绪，如何挖掘？又如何将其用于投资？

即将负责“i100指数基金”的雷俊在接受媒体采访时表示，与国外股票市场更多是机构投资人主导不同，中国市场70%-80%是中小散户投资人，这导致了中国市场投资人本身的情绪对市场波动的影响非常大。而这些市场反应，可以通过用户的上网行为进行量化分析，从而可以提前判断。

数据显示，近一年来，“i100指数”上涨幅度达126.6%；今年截至4月10日，其涨幅超过59%，确实大幅跑赢了上证综指、沪深300等传统主流指数。

百度、腾讯产品： 数据来源不尽相同

从各互联网企业的宣传来看，它们推出的大数据指数基金，数据来源不尽相同，这也导致了产品的特点也不尽相同。

百度的百发100指数，是通过统计用户在百度的海量搜索数据并进行分析，再加上全网的各种有关投资的新闻资讯以及来自百度地图、百度产出的大数据。

腾讯的腾安主要是利用腾讯微博的影响力，挖掘了一批财经媒体、证券投资、行业研究、宏观经济以及金融工程等不同领域的专家，组成指数评审委员会，甄别剔除存在风险或不确定性的股票。

基金专家介绍说，大数据指数的核心创新点是将数据“压缩”成若干影响股价涨跌的因子，通过回测选择有效的因子加入量化选股模型。目前各个大数据基金基本都如此，只不过选择的因子不同。比如，腾讯的“中证腾安100”主要是内在价值因子、量化模型与专家评审相结合；百度的“百发100”是财务因子、综合动量因子和搜索因子；阿里的“淘金100”则是财务因子、市场驱动因子和聚源电商大数据因子。

投资提醒>>>

指数历史表现好

不等于基金收益高

观察目前这些大数据指数基金，不难发现，他们的样本股数量都在100只左右，采用等权重的加权方式，样本股调整周期较短（一般为一个月，“腾安价值100指数”是6个月）。

100只以内的样本股规模有利于基金对指数实施跟踪，即使采用最简单的完全复制法也不会造成过多的流动性成本；等权重的加权策略使得大数据指数“天然”拥有“逢高减持、逢低买入”的特质。

不过，样本股调整周期的缩短虽然增强了指数捕捉市场热点的能力，也会导致过多的交易成本。

数米基金研究中心专家指出，大数据指数在成立之前往往经历过历史数据的“洗礼”。作为一种策略指数，大数据指数往往拥有良好的历史模拟业绩，但是模拟业绩与真实业绩并不能完全划等号，投资者应客观看待历史模拟数据。与其他基金相比，等权的设置和较短的样本股调整周期会导致较高的调仓成本，削弱大数据指数获取超额收益的能力，这使得基金管理人在复制大数据指数时，需要在跟踪误差最小化与超额收益最大化这两个目标中作出“艰难”的权衡，对基金管理人的被动管理能力提出了一定的挑战。

大数据指数产品在推出后，可能形成一定的“正反馈”效应，即业绩好，会吸引投资者申购，从而反向利好样本股，推动业绩进一步向好。

但是，基金专家表示，“再好的数据因子随着时间推移也会出现‘钝化’，因此要客观看待这些指数的历史业绩’。”

基金专家建议，投资者在选择大数据指数产品前，应考量基金公司在指数产品管理上的经验和实力，逢低配置具有较强被动产品管理能力的大数据指数基金。“毕竟这些基金股票调整周期短，如果基金表现不能跟上指数表现，那么就很难跑赢大盘。”