大数据造就反弹“先锋”宽基定投大有可为

　　近日，基于“互联网+大数据”构造的基金产品再次在震荡市中引发关注。互联网+基金相比传统宽基指数基金收益明显，多数基金已开始借大数据之力扭转乾坤。
　　大数据造就反弹“先锋”
　　近年来，得益于互联网+底层数据的不断沉淀，深耕数据挖掘的互联网巨头也开始试水指数领域，大中型基金公司也随之将“互联网+”主题作为产品指数跟踪的标的选项。值得一提的是，有的大数据指数具有“高弹性”，在今年震荡市中大幅超越创业板指与沪深300的反弹势头。
　　据不完全统计，目前共有17只大数据指数，包括360互联+、淘金100、百发100等。其中，360互联+指数仅在2013年的涨幅跑输，其余年份均跑赢创业板、中证500和沪深300指数。今年3月1日至9月8日期间，创业板指与沪深300分别反弹11.28%和14.82%，而360互联网+大数据反弹幅度则高达54.59%。数据统计，截至三季度末，在可统计的11只互联网+大数据基金中，今年以来收益最好的大成360互联网+大数据累计收益率达到22.4%，而同期沪深300指数下跌11.79%，创业板指更是大跌20.1%。
　　大成360互联网+大数据基金经理夏高认为，这一切来自于量化策略和大数据投资方法的有机结合。他介绍，360互联网+大数据指数选股首先是通过360金融获取海量用户的上网行为，然后经过文本挖掘和语义分析得出用户对股票的情绪，从而更快更准确地把握大众情绪，最后综合财务因子、市场因子和大数据因子，选取总分最高的100只股票并等权重分配。
　　“该指数定位准确。利用海量数据，多因子构造投资组合，调仓迅速，有助于把握市场的投资机会。”夏高说。
　　“宽基”定投“大有可为”
　　大数据指数不仅为量化选股注入强劲动力，也为“定投”策略输入新基因。目前，诸如上证50、中证500、创业板指等宽基指数竟跑“乏力”，而诸如淘金100、360互联+等新兴宽基指数较传统宽基优化明显，跑赢市场中位数的延续性良好。
　　以淘金100和360互联网+指数为例，数据显示，2014年7月至2015年5月牛市周期中，淘金100上涨270.09%，360互联网+上涨242.69%，市场中位数上涨154.11%；2015年6月至2015年9月股灾前奏时期，淘金100下跌33.23%，360互联网+下跌33.91%，而市场中位数已下跌了42.11%；今年以来，从2016年3月至2016年10月的震荡期，淘金100上涨39.16%，360互联网+上涨56.66%，而市场中位数仅上涨18.82%。综合来看，自2014年7月至2016年10月，淘金100上涨近263.44%，360互联网+上涨301.92%，市场中位数上涨97.94%。
　　另据市场人士测算，自2014年7月以来，上证50的涨幅仅战胜24.85%的股票，中证500可战胜32.4%的股票，创业板指可战胜26.24%的股票。即使剔除14%的新股，中证500仅勉强可以战胜46%的股票。
　　数据表明，使用淘金100和360互联网+指数后，2014年7月以来，在各阶段，上述指数均能取得超过市场中位数的业绩。
　　总收益方面，360互联网+战胜市场前10%对应的涨幅，与前9.34%的涨幅接近；淘金100战胜前20%对应的涨幅，与前12.09%对应的涨幅接近（均含新上市股票）。从标准差方面看，淘金100和360互联网+指数均与市场前20%对应的波动较为接近，显著高于上证50、中证500和创业板指。
　　这意味着，基于大数据指数做“定投”效果明显。究其原因，有专家表示，是因为这些指数都是基于互联网沉淀数据进行的大数据挖掘与分析来制定选股逻辑。
　　数据挖掘料成公募“新抓手”
　　目前公募基金行业的大数据产品发行热度不减。有市场人士坦言，大数据产品最后的趋势就是深耕细作，在大数据基础上做主动管理和加强，把数据源及大数据产品品牌化运作。有分析认为，在传统公募基金的模式下，创新开发互联网+大数据+人工智能产品将成为趋势。
　　摩根士丹利华鑫基金数量化投资部王联欣表示，当前金融行业发展的一大趋势就是大数据化，这意味着从前通过手绘K线图，或者查阅相关报纸来了解股市动态的行为已经一去不复返。“只要投资者愿意，无论是上市公司发布的临时公告，还是交易所公开的秒钟级别行情数据，甚至是遥远美洲大陆上的议息会议讨论结果，都会及时、准确乃至‘无延时’地推送到投资者的终端界面上来，以帮助投资者构建一个信息几乎完全对称的投资环境。”
　　同时，随着投资者订阅的数据信息量越来越大，对信息的处理和运用如何对接计算机分析技术是目前的“瓶颈”。王联欣表示，金融投资的智能化发展之路远未停止。目前大多数量化模型只是局限在特定样本区间的局部最优模型，随着时间的推移，很多假设不变的恒量可能会发生本质变化，进而导致模型的逐步失效。
　　据了解，目前已经有不少机构和个人开始着力于开发更加智能的投资体系，并不惜引入人工智能领域的深度学习理论，在用模型指导交易的同时也用数据训练模型，以追求资产的长期稳健增值。王联欣称，包括资本资产定价模型、Black-Scholes期权定价模型等经典定量模型的推出，尤其是行为金融领域的异军崛起，更是将计算机技术在金融领域的应用向前推进了一大步，同时也催生了当前炙手可热的量化投资技术，即人们发现基于特定金融理论或统计模型产生的交易策略，同样能够在资本市场获得不俗的投资业绩。