大数据基金强势出击：牛刀小试，前景大好

大数据基金证券投资

冯永昌石岩 | 2016-01-08 10:33

【数据猿导读】余额宝的广泛应用也标志着大数据基金时代的到来，依托着大数据的强大互联网优势，想必大数据基金未来将大有作为，相信伴随科技及市场的发展，未来3-5年的时间内，大数据基金会成为整个股票型证券投资基金的主流

自2014年10月中证百度百发策略100指数型基金正式发布后，“大数据基金”一词便在基金行业内流行起来。大数据基金是利用“大数据”独特的洞察发现力和海量的信息资产建立量化模型，用以选择股票进行投资，合作模式上为业内大中型基金公司+互联网商业巨头，所以诞生时就受到投资者青睐。近日，百度与国金证券联合宣布，共同推出国内首只大数据量化基金――“国金百度大数据基金”，一年多的时间内，市场上已产生10多只大数据基金，版本从最初的跟踪大数据指数的1.0版本上升为现在采用灵活配置策略的大数据2.0版本，未来还将针对高净值用户的对冲专户产品――3.0版本。投资创新永不眠，对于信息和方法论的寻求必然诞生大数据基金。

其实大数据基金不是一个法规层面的基金分类，而是一个业务特点层面的分类，属于量化基金的一类，一般有以下三种情况。

其一，量化基金特指使用量化模型进行资产配置、行业配置和个股选择的证券投资基金，国内于2008年有了第一支量化基金，核心原理就是利用基本面数据和交易数据进行量化投资建模。由于交易数据本身就是大数据，量化投资方法就是大数据分析，所以量化基金必然是大数据基金。

其二，2013年以来，随着移动互联的发展和成熟，互联网金融的兴起和深化，业内各方开始利用互联网公司的大数据进行投资分析，这里的大数据既包括宽泛的个人网络生活行为数据，也包括特有的股票关注行为数据，把这些数据作为增量信息有机纳入传统的基本面数据和交易数据，进行量化选股，这就形成了利用互联网大数据信息补充投资的基金，也就是通常所说的“大数据基金”。

其三，一些具备强悍互联网基因的基金，比如余额宝，它本身是货币基金，和量化投资毫无关系，但是因为其庞大的体量，快速增长的规模，以及随之而来的海量运营数据和压力，在其互联网基因的引导下，自然引入了阿里娴熟的“大数据处理技术”，业内最早采用云端运营，大幅度提升运营效率和运营精度，形成以大数据技术运营的基金，因此也是某种大数据基金。

当然，大数据基金和普通基金相比，也各有所长。如果谈论整体的量化基金，优势一是具备更好的性价比――单位风险收益率衡量，也就是夏普比率或者信息比率，二是具有很好的规模容量，三是具备更稳定的业绩;缺点是难以对市场快速反应，难以出现最出彩的业绩。如果谈论当下最热的互联网大数据信息基金，优势是引入增量信息，比普通股票型基金甚至量化基金增加捕捉超额收益的信息来源，有可能构造独到的“阿尔法因子”，具体来说，可能是更好衡量了企业的基本面价值，也可能是量化了广大投资者的市场参与行为，最终进一步发扬量化投资的优势。从这个维度，大数据基金的优点是量化基金的固有优点加上互联网数据的时效性和全面性优点。或有的缺点一是过于强调互联网大数据的信息优势，忽略量化投资建模的基本要点;二是大数据本身的代表性问题;三是大数据的持续性和持续有效性问题。具有强悍互联网基金的余额宝，是公募基金销售对银行渠道突围的成功，是互联网时代对互联网金融诉求的成功，而这一切，绝非一般意义上大数据基金的成功，这倒是大数据运维技术在超级基金运营中的成功应用。

然而，利用互联网大数据信息补充投资的基金，投资者购买热情虽较高，但基金表现短期内并不尽如人意。截至2015年12月24日，10只大数据基金有6只基金略战胜同期沪深300指数，其中银河定投宝设立时间最长，累计收益最高，达83.4%，南方大数据300A超越同期沪深300指数最多，超额收益为21.64%，与股票型基金平均水平基本持平。但从风险波动水平来看，大数据基金所承担的风险性却非常大，尤其是在市场行情急速下挫的环境下，回撤高于常规指数。业绩不如预期主要原因是大数据基金采用了指数化投资的方式，跟踪于大数据指数，使其很难回避市场的下行风险。此外，大数据基金投资过于分散化，股票切换频率过快，也是其运作的弱势之处。这也说明了投资从来都不是短期行为，产品论证阶段是基于大量历史数据进行回测分析，产品验证阶段也需要较长时间的实盘测试。

大数据真正的价值在于通过数据做分析整理，最后产生分析和预测，长期目的是建立起金融大数据库，以满足各类投资需求。而当前的大数据基金多数是互联网数据作为增量信息有机纳入传统的基本面数据和交易数据，进行量化选股，这只是简单的尝试。相信伴随科技及市场的发展，未来1-2年的时间大数据基金会全面升级现有的量化基金，促进发展新的量化基金，3-5年的时间内，会成为整个股票型证券投资基金的主流。

来源：上海证券报

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。