研究基金股票大數據

㈠ 大數據100指數是什麼

南方新浪大數據100指數將南方基金的專業股票研究優勢與互聯網「大數據」結合，在南方基金量化投資研究平台的基礎上，通過新浪財經「大數據」定性和定量分析，找出股票熱度預期、成長預期、估值提升預期與股價表現的同步關系，精選出具有超額預期年化預期收益預期的股票，建構、編制並發布策略指數。在當前的投資指數體系中，大數據100指數豐富和完善了指數體系，為市場提供新的投資工具，並有助於滿足投資者多樣化的投資需求。大數據100指數是什麼？
一、指數代碼與名稱
指數代碼：399415
指數簡稱：i100
指數中文名稱：大數據100指數
指數英文名稱：CNI BIG DATA 100 INDEX
指數代碼：399416
指數簡稱：i300
指數中文名稱：大數據300指數
指數英文名稱：CNI BIG DATA 300 INDEX
二、基日與基點
大數據系列指數以2010年1月29日為基日，基日指數為1000。
三、選股原則
大數據系列指數樣本股分別由在深圳證券交易所、上海證券交易所上市的100隻、300隻A股組成，按照下列原則選取：
1. 入圍標准
(1)非ST、*ST的A股;
(2)有一定上市交易日期，一般為一年。
2. 選樣方法
對樣本空間的股票，按照財務因子得分、市場驅動因子得分和大數據得分進行模型優化，然後將計算的綜合得分從高到低排序，選取排名在前100名的股票構成大數據100指數初始樣本股，選取排名在前300名的股票構成大數據300指數初始樣本股。
在綜合得分排名相似的情況下，綜合考慮公司的行業代表性及所屬行業的發展前景、公司盈利記錄等，優先選取指標優良的上市公司股票作為樣本股。
單個股票的綜合評分如下：
(1) 財務因子得分：計算市盈率PE、凈資產預期年化預期收益率ROE、年度營業收入同比增長率、年度凈利潤同比增長率，剔除PE、ROE排名靠後的股票、剔除營業收入同比增長為負和年度凈利潤同比增長為負的股票;計算主營業收入和凈利潤同比和環比預測結果增長相對上期該指標的幅度變化作為業績加速得分;通過因子模型計算上述得分作為財務因子總得分。
(2) 市場驅動因子得分：計算一個月股票換手率、波動率、價格變化率、流動性因子，通過量化因子模型計算得分作為市場驅動因子的總得分。
(3) 新浪大數據得分：根據新浪財經頻道下的股票頁面訪問熱度計算單個股票的熱度得分、根據財經頻道下的新聞報道正負面影響計算單個股票新聞報道得分、根據股票在微博上的正負面文章影響計算單個股票微博得分，綜合上述得分並根據歷史回測優化結果作為大數據得分。
四、指數計算方法
大數據系列指數平均分配樣本股權重，採用派氏加權法，依據下列公式逐日連鎖實時計算：
樣本股：指納入指數計算范圍的股票。
樣本股權數：為樣本股的自由流通量，子項和母項的權數相同。
等權重因子：見「六、樣本股權重調整」。
分子與分母：分子項中的乘積為樣本股經過權重調整後的實時自由流通市值，分母項中的乘積為樣本股經過權重調整後的上一交易日收市自由流通市值。
Σ：是指對納入指數計算的樣本股經過權重調整後的自由流通市值進行匯總。
自由流通量：是上市公司實際可供交易的流通股數量，它是無限售條件股份剔除「持股比例超過5%的下列三類股東及其一致行動人所持有的無限售條件股份」後的流通股數量：1國有(法人)股東;2戰略投資者;3公司創建者、家族或公司高管人員。
自由流通市值：股票價格乘以自由流通量。
股票價格選取：每個交易日集合競價開市後用樣本股的開市價計算開市指數，其後在交易時間內用樣本股的實時成交價計算實時指數，收市後用樣本股的收市價計算收市指數。樣本股當日無成交的，取上一交易日收市價。樣本股暫停交易的，取成交價。
五、樣本股調整
1. 樣本股定期調整方法
大數據系列指數樣本股實施月度定期調整，實施時間定於每月的第一個交易日。
2. 樣本股臨時調整方法
(1) 樣本股暫停上市的，從其暫停上市日起，將相應樣本股從指數計算中剔除，並選擇選樣空間中排名最高的非樣本股補足。
(2) 樣本股終止上市的，從進入退市整理期的第一個交易日起，將相應樣本股從指數計算中剔除，並選擇樣本空間中排名最高的非樣本股補足。
(3) 若樣本股公司因重大違規行為(如財務報告重大造假)而可能被暫停或者終止交易的，將依據指數委員會的決定將其在指數樣本中及時剔除，並選取選樣空間中排名最高的非樣本股作為樣本股。
(4) 樣本股公司發生收購、合並、分拆情形的處理，同巨潮100(4383.035， 141.11， 3.33%)指數。
六、樣本股權重調整
1. 樣本股權重分配
在指數計算中，設置等權重因子使每隻樣本股每期初始權重相等。
2. 等權重因子定期調整
當指數樣本股發生定期調整時，指數同步進行相應的等權重因子調整，以調整實施倒數第5個交易日的收盤自由流通市值來計算調整時的等權重因子。
3. 等權重因子臨時調整
在下一個定期調整日之前，等權重因子一般固定不變。
當出現樣本股臨時調整時，新進指數的股票繼承被刪除股票在調整前最後一個交易日的權重，據此計算新進股票的等權重因子。
當樣本股出現退市或暫停上市時，其他樣本股的權重調整因子不進行調整。
當樣本股股本結構出現顯著變化或者其它原因導致其權重發生突變時，將決定是否對權重調整因子進行臨時調整。
七、指數的調整計算
同巨潮100指數。
八、指數的發布與管理
大數據系列指數由深圳證券信息有限公司與南方基金管理有限公司[微博]、新浪財經聯合編制，其發布與管理同巨潮100指數。
九、免責聲明
同巨潮100指數。
介紹閱讀
新三板是什麼？新三板指數介紹
三板做市指數是什麼
三板成指是什麼？三板成指編制方式

㈡ 如何用大數據炒股

我們如今生活在一個數據爆炸的世界裡。網路每天響應超過60億次的搜索請求，日處理數據超過100PB，相當於6000多座中國國家圖書館的書籍信息量總和。新浪微博每天都會發布上億條微博。在荒無人煙的郊外，暗藏著無數大公司的信息存儲中心，24小時夜以繼日地運轉著。
克托·邁爾-舍恩伯格在《大數據時代》一書中認為，大數據的核心就是預測，即只要數據豐富到一定程度，就可預測事情發生的可能性。例如，「從一個人亂穿馬路時行進的軌跡和速度來看他能及時穿過馬路的可能性」，或者通過一個人穿過馬路的速度，預測車子何時應該減速從而讓他及時穿過馬路。

那麼，如果把這種預測能力應用在股票投資上，又會如何？

目前，美國已經有許多對沖基金採用大數據技術進行投資，並且收獲甚豐。中國的中證廣發網路百發100指數基金（下稱百發100），上線四個多月以來已上漲68%。

和傳統量化投資類似，大數據投資也是依靠模型，但模型里的數據變數幾何倍地增加了，在原有的金融結構化數據基礎上，增加了社交言論、地理信息、衛星監測等非結構化數據，並且將這些非結構化數據進行量化，從而讓模型可以吸收。

由於大數據模型對成本要求極高，業內人士認為，大數據將成為共享平台化的服務，數據和技術相當於食材和鍋，基金經理和分析師可以通過平台製作自己的策略。

量化非結構數據

不要小看大數據的本領，正是這項剛剛興起的技術已經創造了無數「未卜先知」的奇跡。

2014年，網路用大數據技術預測命中了全國18卷中12卷高考作文題目，被網友稱為「神預測」。網路公司人士表示，在這個大數據池中，包含互聯網積累的用戶數據、歷年的命題數據以及教育機構對出題方向作出的判斷。

在2014年巴西世界盃比賽中，Google亦通過大數據技術成功預測了16強和8強名單。

從當年英格蘭報社的信鴿、費城股票交易所的信號燈到報紙電話，再到如今的互聯網、雲計算、大數據，前沿技術迅速在投資領域落地。在股票策略中，大數據日益嶄露頭角。

做股票投資策略，需要的大數據可以分為結構化數據和非結構化數據。結構化數據，簡單說就是「一堆數字」，通常包括傳統量化分析中常用的CPI、PMI、市值、交易量等專業信息；非結構化數據就是社交文字、地理位置、用戶行為等「還沒有進行量化的信息」。

量化非結構化就是用深度模型替代簡單線性模型的過程，其中所涉及的技術包括自然語言處理、語音識別、圖像識別等。

金融大數據平台-通聯數據CEO王政表示，通聯數據採用的非結構化數據可以分為三類：第一類和人相關，包括社交言論、消費、去過的地點等；第二類與物相關，如通過正在行駛的船隻和貨車判斷物聯網情況；第三類則是衛星監測的環境信息，包括汽車流、港口裝載量、新的建築開工等情況。

衛星監測信息在美國已被投入使用，2014年Google斥資5億美元收購了衛星公司Skybox，從而可以獲得實施衛星監測信息。

結構化和非結構化數據也常常相互轉化。「結構化和非結構化數據可以形象理解成把所有數據裝在一個籃子里，根據應用策略不同相互轉化。例如，在搜索頻率調查中，用戶搜索就是結構化數據；在金融策略分析中，用戶搜索就是非結構化數據。」網路公司人士表示。

華爾街拿著豐厚薪水的分析師們還不知道，自己的僱主已經將大量資本投向了取代自己的機器。
2014年11月23日，高盛向Kensho公司投資1500萬美元，以支持該公司的大數據平台建設。該平台很像iPhone里的Siri，可以快速整合海量數據進行分析，並且回答投資者提出的各種金融問題，例如「下月有颶風，將對美國建材板塊造成什麼影響？」

在Kensho處理的信息中，有80%是「非結構化」數據，例如政策文件、自然事件、地理環境、科技創新等。這類信息通常是電腦和模型難以消化的。因此，Kensho的CEO Daniel Nadler認為，華爾街過去是基於20%的信息做出100%的決策。

既然說到高盛，順便提一下，這家華爾街老牌投行如今對大數據可謂青睞有加。除了Kensho，高盛還和Fortress信貸集團在兩年前投資了8000萬美元給小額融資平台On Deck Capital。這家公司的核心競爭力也是大數據，它利用大數據對中小企業進行分析，從而選出值得投資的企業並以很快的速度為之提供短期貸款。

捕捉市場情緒

上述諸多非結構化數據，歸根結底是為了獲得一個信息：市場情緒。

在采訪中，2013年諾貝爾經濟學獎得主羅伯特•席勒的觀點被無數采訪對象引述。可以說，大數據策略投資的創業者們無一不是席勒的信奉者。

席勒於上世紀80年代設計的投資模型至今仍被業內稱道。在他的模型中，主要參考三個變數：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。他認為，市場本身帶有主觀判斷因素，投資者情緒會影響投資行為，而投資行為直接影響資產價格。
然而，在大數據技術誕生之前，市場情緒始終無法進行量化。

回顧人類股票投資發展史，其實就是將影響股價的因子不斷量化的過程。

上世紀70年代以前，股票投資是一種定性的分析，沒有數據應用，而是一門主觀的藝術。隨著電腦的普及，很多人開始研究驅動股價變化的規律，把傳統基本面研究方法用模型代替，市盈率、市凈率的概念誕生，量化投資由此興起。

量化投資技術的興起也帶動了一批華爾街大鱷的誕生。例如，巴克萊全球投資者（BGI）在上世紀70年代就以其超越同行的電腦模型成為全球最大的基金管理公司；進入80年代，另一家基金公司文藝復興（Renaissance）年均回報率在扣除管理費和投資收益分成等費用後仍高達34%，堪稱當時最佳的對沖基金，之後十多年該基金資產亦十分穩定。

「從主觀判斷到量化投資，是從藝術轉為科學的過程。」王政表示，上世紀70年代以前一個基本面研究員只能關注20隻到50隻股票，覆蓋面很有限。有了量化模型就可以覆蓋所有股票，這就是一個大的飛躍。此外，隨著計算機處理能力的發展，信息的用量也有一個飛躍變化。過去看三個指標就夠了，現在看的指標越來越多，做出的預測越來越准確。

隨著21世紀的到來，量化投資又遇到了新的瓶頸，就是同質化競爭。各家機構的量化模型越來越趨同，導致投資結果同漲同跌。「能否在看到報表數據之前，用更大的數據尋找規律？」這是大數據策略創業者們試圖解決的問題。

於是，量化投資的多米諾骨牌終於觸碰到了席勒理論的第三層變數——市場情緒。

計算機通過分析新聞、研究報告、社交信息、搜索行為等，藉助自然語言處理方法，提取有用的信息；而藉助機器學習智能分析，過去量化投資只能覆蓋幾十個策略，大數據投資則可以覆蓋成千上萬個策略。

基於互聯網搜索數據和社交行為的經濟預測研究，已逐漸成為一個新的學術熱點，並在經濟、社會以及健康等領域的研究中取得了一定成果。在資本市場應用上，研究發現搜索數據可有效預測未來股市活躍度（以交易量指標衡量）及股價走勢的變化。

海外就有學術研究指出，公司的名稱或者相關關鍵詞的搜索量，與該公司的股票交易量正相關。德國科學家Tobias Preis就進行了如此研究：Tobias利用谷歌搜索引擎和谷歌趨勢（Google Trends），以美國標普500指數的500隻股票為其樣本，以2004年至2010年為觀察區間，發現谷歌趨勢數據的公司名稱搜索量和對應股票的交易量，在每周一次的時間尺度上有高度關聯性。也就是說，當某個公司名稱在谷歌的搜索量活動增加時，無論股票的價格是上漲或者下跌，股票成交量與搜索量增加；反之亦然，搜索量下降，股票成交量下降。以標普500指數的樣本股為基礎，依據上述策略構建的模擬投資組合在六年的時間內獲得了高達329%的累計收益。

在美國市場上，還有多家私募對沖基金利用Twitter和Facebook的社交數據作為反映投資者情緒和市場趨勢的因子，構建對沖投資策略。利用互聯網大數據進行投資策略和工具的開發已經成為世界金融投資領域的新熱點。

保羅·霍丁管理的對沖基金Derwent成立於2011年5月，注冊在開曼群島，初始規模約為4000萬美元， 2013年投資收益高達23.77%。該基金的投資標的包括流動性較好的股票及股票指數產品。
通聯數據董事長肖風在《投資革命》中寫道，Derwent的投資策略是通過實時跟蹤Twitter用戶的情緒，以此感知市場參與者的「貪婪與恐懼」，從而判斷市場漲跌來獲利。

在Derwent的網頁上可以看到這樣一句話：「用實時的社交媒體解碼暗藏的交易機會。」保羅·霍丁在基金宣傳冊中表示：「多年以來，投資者已經普遍接受一種觀點，即恐懼和貪婪是金融市場的驅動力。但是以前人們沒有技術或數據來對人類情感進行量化。這是第四維。Derwent就是要通過即時關注Twitter中的公眾情緒，指導投資。」

另一家位於美國加州的對沖基金MarketPsych與湯普森·路透合作提供了分布在119個國家不低於18864項獨立指數，比如每分鍾更新的心情狀態（包括樂觀、憂郁、快樂、害怕、生氣，甚至還包括創新、訴訟及沖突情況等），而這些指數都是通過分析Twitter的數據文本，作為股市投資的信號。

此類基金還在不斷涌現。金融危機後，幾個台灣年輕人在波士頓組建了一家名為FlyBerry的對沖基金，口號是「Modeling the World（把世界建模）」。它的投資理念全部依託大數據技術，通過監測市場輿論和行為，對投資做出秒速判斷。

關於社交媒體信息的量化應用，在股票投資之外的領域也很常見：Twitter自己也十分注重信息的開發挖掘，它與DataSift和Gnip兩家公司達成了一項出售數據訪問許可權的協議，銷售人們的想法、情緒和溝通數據，從而作為顧客的反饋意見匯總後對商業營銷活動的效果進行判斷。從事類似工作的公司還有DMetics，它通過對人們的購物行為進行分析，尋找影響消費者最終選擇的細微原因。

回到股票世界，利用社交媒體信息做投資的公司還有StockTwits。打開這家網站，首先映入眼簾的宣傳語是「看看投資者和交易員此刻正如何討論你的股票」。正如其名，這家網站相當於「股票界的Twitter」，主要面向分析師、媒體和投資者。它通過機器和人工相結合的手段，將關於股票和市場的信息整理為140字以內的短消息供用戶參考。

此外，StockTwits還整合了社交功能，並作為插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平台，讓人們可以輕易分享投資信息。

另一家公司Market Prophit也很有趣。這家網站的宣傳語是「從社交媒體噪音中提煉市場信號」。和StockTwits相比，Market Prophit更加註重大數據的應用。它採用了先進的語義分析法，可以將Twitter里的金融對話量化為「-1（極度看空）」到「1（極度看多）」之間的投資建議。網站還根據語義量化，每天公布前十名和後十名的股票熱度榜單。網站還設計了「熱度地圖」功能，根據投資者情緒和意見，按照不同板塊，將板塊內的個股按照顏色深淺進行標注，誰漲誰跌一目瞭然。

中國原創大數據指數

盡管大數據策略投資在美國貌似炙手可熱，但事實上，其應用尚僅限於中小型對沖基金和創業平台公司。大數據策略投資第一次被大規模應用，應歸於中國的百發100。

網路金融中心相關負責人表示，與歐美等成熟資本市場主要由理性機構投資者構成相比，東亞尤其是中國的股票類證券投資市場仍以散戶為主，因此市場受投資者情緒和宏觀政策性因素影響很大。而個人投資者行為可以更多地反映在互聯網用戶行為大數據上，從而為有效地預測市場情緒和趨勢提供了可能。這也就是中國國內公募基金在應用互聯網大數據投資方面比海外市場並不落後、甚至領先的原因。

百發100指數由網路、中證指數公司、廣發基金聯合研發推出，於2014年7月8日正式對市場發布，實盤運行以來一路上漲，漲幅超過60%。跟蹤該指數的指數基金規模上限為30億份，2014年9月17日正式獲批，10月20日發行時一度創下26小時瘋賣18億份的「神話」。

外界都知道百發100是依託大數據的指數基金，但其背後的細節鮮為人知。

百發100數據層面的分析分為兩個層面，即數據工廠的數據歸集和數據處理系統的數據分析。其中數據工廠負責大數據的收集分析，例如將來源於互聯網的非結構化數據進行指標化、產品化等數據量化過程；數據處理系統，可以在數據工廠遞交的大數據中尋找相互統計關聯，提取有效信息，最終應用於策略投資。

「其實百發100是在傳統量化投資技術上融合了基於互聯網大數據的市場走勢和投資情緒判斷。」業內人士概括道。

和傳統量化投資類似，百發100對樣本股的甄選要考慮財務因子、基本面因子和動量因子，包括凈資產收益率（ROE）、資產收益率（ROA）、每股收益增長率（EPS）、流動負債比率、企業價值倍數（EV/EBITDA）、凈利潤同比增長率、股權集中度、自由流通市值以及最近一個月的個股價格收益率和波動率等。

此外，市場走勢和投資情緒是在傳統量化策略基礎上的創新產物，也是百發100的核心競爭力。接近網路的人士稱，市場情緒因子對百發100基金起決定性作用。

網路金融中心相關負責人是羅伯特•席勒觀點的支持者。他認為，投資者行為和情緒對資產價格、市場走勢有著巨大的影響。因此「通過互聯網用戶行為大數據反映的投資市場情緒、宏觀經濟預期和走勢，成為百發100指數模型引入大數據因子的重點」。

傳統量化投資主要著眼點在於對專業化金融市場基本面和交易數據的應用。但在網路金融中心相關業務負責人看來，無論是來源於專業金融市場的結構化數據，還是來源於互聯網的非結構化數據，都是可以利用的數據資源。因此，前文所述的市場情緒數據，包括來源於互聯網的用戶行為、搜索量、市場輿情、宏觀基本面預期等等，都被網路「變廢為寶」，從而通過互聯網找到投資者參與特徵，選出投資者關注度較高的股票。

「與同期滬深300指數的表現相較，百發100更能在股票市場振盪時期、行業輪動劇烈時期、基本面不明朗時期抓住市場熱點、了解投資者情緒、抗擊投資波動風險。」網路金融中心相關負責人表示。

百發100選取的100隻樣本股更換頻率是一個月，調整時間為每月第三周的周五。

業內人士指出，百發100指數的月收益率與中證100、滬深300、中證500的相關性依次提升，說明其投資風格偏向中小盤。

但事實並非如此。從樣本股的構成來說，以某一期樣本股為例，樣本股總市值6700億元，佔A股市值4.7%。樣本股的構成上，中小板21隻，創業板4隻，其餘75隻樣本股均為大盤股。由此可見，百發100還是偏向大盤為主、反映主流市場走勢。

樣本股每個月的改變比例都不同，最極端的時候曾經有60%進行了換倉。用大數據預測熱點變化，市場熱點往往更迭很快；但同時也要考慮交易成本。兩方面考慮，網路最後測算認為一個月換一次倉位為最佳。

樣本股對百發100而言是核心機密——據說「全世界只有基金經理和指數編制機構負責人兩個人知道」——都是由機器決定後，基金經理分配給不同的交易員建倉買入。基金經理也沒有改變樣本股的權利。

展望未來，網路金融中心相關負責人躊躇滿志，「百發100指數及基金的推出，只是我們的開端和嘗試，未來將形成多樣化、系列投資產品。」

除了百發100，目前市場上打著大數據旗幟的基金還有2014年9月推出的南方-新浪I100和I300指數基金。

南方-新浪I100和I300是由南方基金、新浪財經和深圳證券信息公司三方聯合編制的。和百發100類似，也是按照財務因子和市場情緒因子進行模型打分，按照分值將前100和前300名股票構成樣本股。推出至今，這兩個指數基金分別上漲了10%左右。

正如百發100的市場情緒因子來自網路，南方-新浪I100和I300的市場情緒因子全部來自新浪平台。其中包括用戶在新浪財經對行情的訪問熱度、對股票的搜索熱度；用戶在新浪財經對股票相關新聞的瀏覽熱度；股票相關微博的多空分析數據等。

此外，阿里巴巴旗下的天弘基金也有意在大數據策略上做文章。據了解，天弘基金將和阿里巴巴合作，推出大數據基金產品，最早將於2015年初問世。

天弘基金機構產品部總經理劉燕曾對媒體表示，「在傳統的調研上，大數據將貢獻於基礎資產的研究，而以往過度依賴線下研究報告。大數據將視野拓展至了線上的數據分析，給基金經理選股帶來新的邏輯。」

在BAT三巨頭中，騰訊其實是最早推出指數基金的。騰訊與中證指數公司、濟安金信公司合作開發的「中證騰安價值100指數」早在2013年5月就發布了，號稱是國內第一家由互聯網媒體與專業機構編制發布的A股指數。不過，業內人士表示，有關指數並沒有真正應用大數據技術。雖然騰訊旗下的微信是目前最熱的社交平台，蘊藏了大量的社交數據，但騰訊未來怎麼開發，目前還並不清晰。

大數據投資平台化

中歐商學院副教授陳威如在其《平台戰略》一書中提到，21世紀將成為一道分水嶺，人類商業行為將全面普及平台模式，大數據金融也不例外。

然而，由於大數據模型對成本要求極高，就好比不可能每家公司都搭建自己的雲計算系統一樣，讓每家機構自己建設大數據模型，從數據來源和處理技術方面看都是不現實的。業內人士認為，大數據未來必將成為平台化的服務。

目前，阿里、網路等企業都表示下一步方向是平台化。

螞蟻金服所致力搭建的平台，一方麵包括招財寶一類的金融產品平台，另一方麵包括雲計算、大數據服務平台。螞蟻金服人士說，「我們很清楚自己的優勢不是金融，而是包括電商、雲計算、大數據等技術。螞蟻金服希望用這些技術搭建一個基礎平台，把這些能力開放出去，供金融機構使用。」

網路亦是如此。接近網路的人士稱，未來是否向平台化發展，目前還在討論中，但可以確定的是，「網路不是金融機構，目的不是發產品，百發100的意義在於打造影響力，而非經濟效益。」
當BAT還在摸索前行時，已有嗅覺靈敏者搶佔了先機，那就是通聯數據。

通聯數據股份公司（DataYes）由曾任博時基金副董事長肖風帶隊創建、萬向集團投資成立，總部位於上海，公司願景是「讓投資更容易，用金融服務雲平台提升投資管理效率和投研能力」。該平台7月上線公測，目前已擁有130多家機構客戶，逾萬名個人投資者。

通聯數據目前有四個主要平台，分別是通聯智能投資研究平台、通聯金融大數據服務平台、通聯多資產投資管理平台和金融移動辦公平台。

通聯智能投資研究平台包括雅典娜-智能事件研究、策略研究、智能研報三款產品，可以對基於自然語言的智能事件進行策略分析，實時跟蹤市場熱點，捕捉市場情緒。可以說，和百發100類似，其核心技術在於將互聯網非結構化數據的量化使用。

通聯金融大數據服務平台更側重於專業金融數據的分析整理。它可以提供公司基本面數據、國內外主要證券、期貨交易所的行情數據、公司公告數據、公關經濟、行業動態的結構化數據、金融新聞和輿情的非結構化數據等。

假如將上述兩個平台比作「收割機」，通聯多資產投資管理平台就是「廚房」。在這個「廚房」里，可以進行全球跨資產的投資組合管理方案、訂單管理方案、資產證券化定價分析方案等。

通聯數據可以按照主題熱點或者自定義關鍵字進行分析，構建知識圖譜，將相關的新聞和股票提取做成簡潔的分析框架。例如用戶對特斯拉感興趣，就可以通過主題熱點看到和特斯拉相關的公司，並判斷這個概念是否值得投資。「過去這個搜集過程要花費幾天時間，現在只需要幾分鍾就可以完成。」王政表示。

「通聯數據就好比一家餐館，我們把所有原料搜集來、清洗好、准備好，同時准備了一個鍋，也就是大數據存儲平台。研究員和基金經理像廚師一樣，用原料、工具去『烹制』自己的策略。」王政形容道。

大數據在平台上扮演的角色，就是尋找關聯關系。人類總是習慣首先構建因果關系，繼而去倒推和佐證。機器學習則不然，它可以在海量數據中查獲超越人類想像的關聯關系。正如維克托`邁爾-舍恩伯格在《大數據時代》中所提到的，社會需要放棄它對因果關系的渴求，而僅需關注相互關系。

例如，美國超市沃爾瑪通過大數據分析，發現颶風用品和蛋撻擺在一起可以提高銷量，並由此創造了頗大的經濟效益。如果沒有大數據技術，誰能將這毫無關聯的兩件商品聯系在一起？
通聯數據通過機器學習，也能找到傳統量化策略無法發現的市場聯系。其中包括各家公司之間的資本關系、產品關系、競爭關系、上下游關系，也包括人與人之間的關系，例如管理團隊和其他公司有沒有關聯，是否牽扯合作等。

未來量化研究員是否將成為一個被淘汰的職業？目前研究員的主要工作就是收集整理數據，變成投資決策，而之後這個工作將更多由機器完成。

「當初醫療科技發展時，人們也認為醫生會被淘汰，但其實並不會。同理，研究員也會一直存在，但他們會更注重深入分析和調研，初級的數據搜集可以交給機器完成。」王政表示。
但當未來大數據平台並廣泛應用後，是否會迅速擠壓套利空間？這也是一個問題。回答根據網上資料整理

㈢ 藍方001113基金用的什麼大數據

國內首批推出的大數據指數，南方新浪大數據100指數的編制初衷在於股票研究數據和方法上的補位。互聯網大數據信息、財務信息、市場行情驅動信息三大信息源構成了三維一體的投資數據基礎。在研究方法上，通過藉助大量數學模型和優化工具來處理大數據。得益於計算機的強大處理能力，將海量數據和數學模型有效結合，使得基於互聯網大數據的股票研究成為可能。

㈣ 大數據基金該怎麼投

大數據基金該怎麼投_數據分析師考試

自去年以來，大數據基金紛紛成立。在運作了將近一年的時間里，這些大數據基金體現出來的特性如何？適合什麼樣的投資人？如何投資才能收益最大化？

風格迥異

目前市場上正在運行的大數據基金有4隻，分別是中證騰安價值100指數、中證網路百發策略100指數、中證淘金大數據100指數和大數據系列策略指數（i100和i300）。4隻跟蹤上述指數的基金分別是博時中證淘金大數據100、銀河中證騰安指數，廣發百發100、南方大數據100。

具體從4隻指數基金來看，風格迥異的同時也有相似點。

廣發百發100跟蹤百發100指數。該指數採用網路金融搜索和用戶行為大數據，通過相應的數據挖掘和分析手段，將涉及特定金融實體的數據進行自動分析、歸並、統計和計算，並引入量化投資模型，編制股票市場指數。

南方新浪大數據i100與廣發中證100較為相似，它以新浪財經的互聯網財經大數據應用為特色，基於財經新聞媒體與社交平台海量大數據，在選股策略上，i100指數綜合財務、市場驅動、大數據三大因子。

博時中證淘金100，從編制方案來看，以電商商品類目相關中證三級行業的所有股票為樣本空間，從中根據綜合財務因子、市場驅動因子、聚源電商大數據因子選取綜合評分最高的樣本股，並採用等權重計算。數據來源為支付寶的實際交易，包含了行業的價格、銷量、人氣等景氣程度數據。對樣本空間的股票，按其綜合財務因子、綜合市場因子和淘寶大數據因子計算的綜合評分降序排列，選取排名前100名的股票作為中證淘金大數據100指數成分股。

銀河定投寶中證騰安價值100更偏愛被低估的上市公司：指數依據定價偏離程度排序，佐以質價比率、公司資質、每股評分等多項財務指標，選擇市場價格相對低估的100家上市公司股票為樣本。指數樣本主要集中於工業、可選消費及醫葯衛生三個中證一級行業，樣本數量分別達到30隻、23隻及14隻，合計權重達67%。信息技術、原材料、金融地產、主要消費、電信業務、能源及公用事業依次排名4到10位。

高貝塔適合波段操作

從這些大數據指數走勢來看，更具備高貝塔產品的特性。

今年以來，淘金100漲幅86.37%，中證騰安價值100漲幅64.01%，網路100漲幅51.65%，新浪大數據i100漲幅82.37%。同期上證綜指今年以來的漲幅為25.83%，滬深300漲幅18.18%，創業板指數漲幅96.89%。

自6月份發生的股市大跌，滬深300由最高點跌至近期最低點的跌幅為34%，上證指數跌幅不到35%，創業板指數跌幅51%。同期，淘金100跌幅46%，中證騰安價值100跌幅44%，網路100指數跌幅49%，新浪大數據i100跌幅42.7%。

從4隻大數據基金或長或短的歷史業績可發現，大數據基金相對於普通的權益類基金在股市中表現為凈值波動大。有基金經理表示，與成熟市場主要由理性機構投資者構成相比，A股市場仍以散戶為主，因此市場受投資者情緒影響很大，投資者情緒可以更多地反映在互聯網大數據上，但投資情緒的巨大波動也會帶來互聯網基金的高貝塔屬性，對此投資者要有心理准備。從目前來看，投資者在市場低位布局該類基金，等待市場熱度提升，是比較好的方法。

以上是小編為大家分享的關於大數據基金該怎麼投的相關內容，更多信息可以關注環球青藤分享更多干貨

㈤ 我想一輩子做分析研究股票基金投資理財這方面的工作，請問有什麼工作合適嗎

一輩子做分析研究股票基金投資理財這方面的工作是沒有問題的。一般情況下這種工作是證券交易公司，以及基金公司等。

想進入這樣的公司需要一定的專業知識，一定的工作經驗，或者研究成果等等、

如果你什麼都不找到建議你還是多學習，豐富自己才能更好地去工作，工作才能得到認可。

㈥ 養基寶怎麼樣

1.還可以。
2.「養基寶」由倉石基金運營，是新浪官方基金理財服務平台。養基寶平台充分利用新浪金融大數據處理技術，背靠微博海量用戶與大數據資源，依託機器智能與專家人工方式，向廣大投資者提供最精準有效的特色基金策略產品。理財首先要保證安全性，其次才是收益，養基寶小程序，安全性很高，上面基金收益也不錯。
3.新浪養基寶選擇基金時，是從絕對收益出發來精選基金，同時注意規避市場風險和基金管理人風險。就短期業績來看，衡量業績的基準是相對收益；而中長期來看，推介基金應有絕對收益。新浪養基寶精選基金，力求目標是部分主題策略精選短期獲得正收益；部分成長股類基金質地優秀，即使短期不能獲得正收益，中長期也要獲得正收益。
4.新浪養基寶主要從兩方面的策略來精選基金，以期提高基金獲得正收益的概率。 一是優秀基金經理管理的優秀基金，比如推介的國泰金龍行業三年賺105%，四星級基金；另外還有四隻基金有望強者恆強。二是運用前瞻性的眼光，運用新浪基金主題大數據，從正在萌芽的熱點主題中，精選大概率賺錢的主題，優選優秀基金經理管理的基金。 滬港深主題和高股息主題兩個主題即是遵照此策略選擇的基金。新浪基金研究中心研究成員具有多年深厚的股票、債券理論研究基礎，對市場上大量的基金經理做過深度研究訪談，將會繼續運用新浪基金研究系統，依託新浪財經的大數據信息優勢，挖掘基金市場的優質投資機會，為投資者精選優質基金，歡迎大家持續關注。
拓展資料
養基寶哪裡下載
手機搜索小程序養基寶。同步支付寶基金——我最喜歡的功能。然後點擊同步我的資金。接著上傳支付寶持有界面截圖即可，3秒就識別出來了。開通完成，主頁下拉打開小程序，就能看到最新收益。這個小程序具有「一鍵同步持倉」的功能，截圖上傳識別，30s搞定。不用打開支付寶，不用等收盤就能看到今日的收益漲跌情況。
操作環境：華為nova4 2.0.0.195微信8.5.0 支付寶9.5

㈦ 大數據基金逆勢猛發 主動引入量化對沖策略

大數據基金逆勢猛發 主動引入量化對沖策略

大數據正在持續激發商業模式創新，不斷催生新業態，成為互聯網等新興領域促進業務創新增值、提升企業核心價值的重要驅動力。大數據產業正在成為新的經濟增長點，對未來信息產業格局產生重要影響。在各個互聯網平台紛紛拿出自己的數據做成金融產品的同時，基金公司也在希望借力大數據基金，抓住成長於互聯網時代的新一代基民。

六月以來，國內資本市場逐步走弱，基金募集依然極度低迷。新基金不僅首募規模慘淡，且頻現延長募集問題。行情不好，公募也明顯放慢了新產品的發行節奏。而其中，大數據基金反而是靜流中的一股暗涌。不僅形形色色大數據指數陸續面世，而且基於這些指數開發的產品也將列隊發行。

大數據指數的開發也進入精耕細作的階段。公募對互聯網數據的要求越來越挑剔，尤其要求與投資者行為密切相關。公募合作的互聯網平台從網路、新浪財經，亦發展到雪球、騰訊自選股、同花順等記錄了投資行為的平台。

中國公募基金行業對大數據引入投資的應用還處於初級階段，因此開發較為簡單的指數型基金是多數試水者的首選。然而，今年6月中旬以來A股接連幾度大跌，讓始終保持高倉位、必須跟隨指數的大數據指數基金面臨著業績的壓力。

震盪市中，配置了代表轉型方向小票的高倉位大數據指數基金遭遇重挫，先行者也在思考這類產品如何轉身的問題。如今，大數據基金產品的開發走向了倉位和操作更加靈活的主動量化趨勢，引入對沖策略。

大數據為新基金「貼金」

經濟觀察報注意到，僅是今年7、8兩個月份，中證指數公司已發布三條與雪球相關的大數據指數，三條與銀聯相關的大數據指數，一條與360旗下的搜索引擎有關的大數據指數，一條與搜房網房天下有關的大數據指數。記者了解到，博時基金、大成基金、天弘基金、中歐基金、鵬華基金正在開發基於上述指數的基金產品，將在未來兩三個月內發行。

大數據基金始步於2014年，升溫於2015年。去年，廣發基金[微博]與網路的合作打響大數據基金頭炮;今年，除了新增南方、博時、大成、天弘、中歐、鵬華、嘉實等將近十家試水者之外，產品發行的速度和數量均在今年明顯上升一個台階。記者了解到，博時和大成等公募基金公司已經把大數據基金的開發作為公司的戰略重點。

年輕的大數據指數尚未建立自己的地位。大數據是否只是營銷的噱頭，仍是多數基民心中揮之不去的質疑。對此，博時基金副總裁王德英以量化基金在國內從不受重視到大受歡迎的經歷勉勵自己。他認為，前幾年尚未做出業績的量化基金發展得不溫不火。但從去年開始，一些運作時間較長的量化基金已積累出業績，尤其是在今年股市震盪期中成為很多投資者在債券、固定收益類產品之外的避險之選，「希望多積累點業績，來說服投資者。」

大數據因子的出現，寄予了公募在投研方式變革的期望，也希望能夠把大數據開發成一個良好的策略，幫助原有的量化模型跑贏市場。

大數據基金的選股多採用「多因子」模型，參考此類基金的基金合同，大都採用「財務」、「動量」、「大數據」等三類因子選股。

王德英介紹，目前各家公募所引用的互聯網數據要麼與基本面有關，如銀聯跨行交易數據，以及螞蟻金服旗下支付寶[微博]金融信息服務平台提供的網上消費類統計型趨勢特徵數據;要麼是與市場信心或情緒有關的數據，如反映市場熱點的網路或新浪財經等。

華南一位大數據指數基金經理告訴經濟觀察報，大數據跟投資的相關性大小對最後出來的指數產品的影響並不是那麼直接，還取決於它跟現有的模型匹配的程度有多大，「如果它在某一段時間的市場情況下我們覺得表現會好，會增加它的權重，有時候會降低。」

大成基金首席戰略官溫智敏認為，原則上隨著對大數據的應用能力的提升，大數據的權重會越來越大，「包括我們關於這支產品或者後續的產品方面在未來會把互聯網的元素強化。」

經濟觀察報了解到，大數據指數的選股模型的優劣取決與各家公募在量化投資領域的積累。仔細研究發現，來自各個互聯網平台的數據只是選股模型中的一個因子，且所佔的權重目前還不大，少則六分之一，多則三分之一。

王德英表示，將大數據因子融入原有的量化模型中，考驗的是模型的成熟度。包括大數據在內的各個因子的權重並不是固定的。不同因子如何調配才能優勢互補，需要多年的運行經驗才能總結出來，「模型經常要調整，哪個失效，要剔掉;要不斷統計和優化。」

這意味著大數據指數和傳統被動管理型的指數有較大差異。通過多個因子策略的調整和權重優化，大數據指數可實現一定程度的主動管理。

目前市面上的大數據指數基金多數是每月調一次倉。一位不願具名的大數據指數基金的基金經理告訴經濟觀察報，現在大數據指數都是一個月一換倉，換手率比其它的主動管理型基金還是偏高一些。其進一步揭示了產品局限性和風險性，「主動管理型基金可以挑時間換倉，而我們每個月就定期這樣去換，如果趕上時間點不好，大容量可能會容納不下。」

前述基金經理管理的大數據指數基金並沒有設置最大的規模。其表示，「規模如果太大可能會影響一些調倉，尤其像現在股市不好成交低迷的情況。但是三十億、五十億正常規模的基金應該是沒問題的，畢竟百隻股票三千萬、五千萬，即使換倉一天換不了，拿三五天、一周來換的話也是很合理的。」

不過，與主動型基金相比，大數據指數基金的管理費用低廉具有明顯的競爭優勢。一位業內人士認為，這也是策略指數能夠在很短的時間內獲得市場和投資者廣泛青睞的一個重要原因。

逆勢而上 勇於創新

溫智敏告訴經濟觀察報，策略指數在國外很重要的一種策略就是等權重。傳統的指數採用的是市值加權的方式，意味著更看重所謂市值較大的股票。而大數據指數則是在等權重的情況下，由模型中的多個因子去考量和選擇。

溫智敏認為，現在經濟轉型的情況下，資本市場更加看重成長性股票。等權重的方式下選出了大量的小票，是有資本市場的判斷邏輯在背後支撐。

然而，先行者卻在實踐中發現了問題。傾向於小盤股的特點導致其收益不穩定。

以最早成立的廣發中證網路百發策略100指數基金為例，其募集金額曾高達23億元，基金的成分股為100隻，成分股中中小盤股佔比較高。該指數策略採用等權重方式，以23億元的募集金額來看，每隻股票的配置資金為2300萬元。值得投資者注意的是，中小盤股較多，當基金進行調倉時可能將產生一定的沖擊成本。

近幾個月的震盪市中，受傷最大的是那些被認為代表轉型方向，最有上升空間的小票。配置了小票的高倉位大數據指數基金，便在這一過程中遭遇了較大的回撤。百發100指數基金便是其中一員。

百發100指數基金自去年運行以來，廣發基金意識到該基金的規模局限性，廣發基金大數據混合基金經理季峰表示，「假設在極端行情下，市場流動性匱乏，成分股大部分集中在小盤股上，後果就是交易過程中會產生巨大的沖擊成本，對基金業績造成影響。」

高倉位，主動性差，作為第一波大數據指數基金的先行者，廣發基金思考著如何更好地發揮大數據的優勢。指數型產品碰壁之後，首隻大數據主動量化基金廣發大數據混合在解決問題的背景下誕生。記者發現，新發的廣發大數據混合在倉位上更加靈活，為0~95%之間，而非百發100那樣在任何時候都必須保持90%以上的倉位。

在加權方式上，第二代大數據基金也做了改變，拋棄了等權的方法。廣發大數據混合不再像此前那樣按等權重買入，而是按照市值比例進行配置。季峰認為，由於加權方式採用類市值加權，因而基金規模不做任何限制，調倉的流動性風險和沖擊成本將大幅降低。此外，在應對下跌趨勢時，除了降低倉位，一旦展開趨勢性行情時，該基金也會開股指期貨空單對沖。

股市行情震盪，讓市場上基金的業績表現分化。基金管理公司也開始從側重指數型產品轉型到側重主動管理型產品。主動管理型能夠在大數據選股的優勢上結合擇時對沖風險。

以上是小編為大家分享的關於大數據基金逆勢猛發 主動引入量化對沖策略的相關內容，更多信息可以關注環球青藤分享更多干貨