惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

V
V2EX
aimingoo的专栏
aimingoo的专栏
S
SegmentFault 最新的问题
博客园_首页
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
IT之家
IT之家
博客园 - 【当耐特】
月光博客
月光博客
C
Check Point Blog
T
The Blog of Author Tim Ferriss
罗磊的独立博客
博客园 - Franky
MongoDB | Blog
MongoDB | Blog
H
Help Net Security
Microsoft Security Blog
Microsoft Security Blog
B
Blog
阮一峰的网络日志
阮一峰的网络日志
腾讯CDC
美团技术团队
N
Netflix TechBlog - Medium
Stack Overflow Blog
Stack Overflow Blog
Y
Y Combinator Blog
L
LangChain Blog
The Cloudflare Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
基金理财之大数据选基应用分析-上
十里马 · 2023-10-13 · via 人人都是产品经理

随着经济的发展,目前公募基金行业的发展多元化,基金的种类也是是多样化。下面这篇文章是笔者对利用“大数据”进行选基的方式及其目前在市场上的应用情况进行分析和介绍的相关内容,其中内容则分为数据选基和自定义选基分析这两方面,大家一起来看看吧!

当前,我国公募基金行业的发展呈现出越来越多元化的趋势,为满足不同投资者的需求,基金的种类也是越来越丰富,截至2023年7月底,我国公募基金管理规模达28.8万亿元,产品数量达11039只,规模和数量双双创出历史新高。

随着基金种类和数量的增多,投资者的选择也受到了一定的困扰,因此各大基金销售平台为投资者提供了多样化的选基工具和选基方法,以此帮助投资者选择符合自身投资需求的基金,笔者将通过上下两篇文章重点对利用“大数据”进行选基的方式及其目前在市场上的应用情况进行分析和介绍。

一、大数据应用范围

应用范围可分为数据选基、自定义选基、数据对比、数据诊断四大方向,上篇将重点对数据选基和自定义选基分析。

二、应用分析

1. 数据选基

1)排行选基

支持对不同类型的基金,根据收益指标、风险指标、特色指标等进行排序筛选。

  • 收益指标:阶段业绩、定投收益、近期涨跌等;
  • 风险指标:夏普比率、最大回撤等;
  • 特色指标:访问人气、购买人数、估值等。

2)量化榜单

量化榜单指按照一定的逻辑和规则,通过不同的指标对全市场的基金进行筛选和过滤,量化榜单也可以说是对排行榜的一种能力升级。目前各大基金销售平台主要从收益表现、风险控制、风险级别、投资特征等几个维度进行量化选基,下图为几个维度的常见榜单的举例展示。

①收益表现维度

收益表现维度主要侧重长期盈利能力和超额收益能力。

  • 长期盈利:如年年正收益,屡创新高、任意时间点买入盈利概率高等;
  • 超额收益:跑赢大盘、跑赢沪深300等。

②风险控制维度

风险控制维度一般从波动率、回撤、性价比进行选基。

  • 波动率:选取同类型基金中波动较小的基金,波动率小说明基金收益比较稳定;
  • 回撤:选取同类型基金中回撤较小的基金,回撤低说明基金在下跌时,幅度较小;
  • 性价比:一般通过夏普比率(同时对收益与风险加以综合考虑)进行筛选,选取收益与风险性价比最高的基金。

③ 风险等级维度

风险等级维度通常为投资者筛选不同风险等级和投资期限的基金产品。

  • 风险等级:如进取型-赛道选基(选取行业中最优秀的基金);进取型-长期持有,选取收益率较高同时胜率较高的基金;
  • 投资期限:如筛选短、中、长期的稳健型产品,中短期以纯债为主、长期以偏债型混合基金为主。

④投资特征维度

投资特征指的是筛选具有一些特定投资特点的基金,如机构最爱、风格稳定等。

3)指数选基

指数选基是指通过行情、业绩、估值三大子维度对宽基指数、行业指数、概念指数等指数进行筛选,同时统计出每个指数的重仓基金。

  • 行情维度:按照不同周期下的涨跌幅、北向资金流向、主力资金流向等进行指数的筛选。
  • 业绩维度:按照不同周期下的净利润增长率、净资产收益率、股息率等进行指数的筛选。
  • 估值维度:按照不同周期下的PE、PB及指数所处的阶段性估值百分位指数进行筛选。

筛选出指数后,再根据业绩相似度、跟踪误差、超额收益等维度筛选出每个指数下对应的基金。

2. 自定义选基

自定义选基目前有两种形式:

  1. 基金销售平台为客户提供一系列维度和指标的筛选功能,由客户自身完成条件的设置,因此称之为“条件选基”。
  2. 是通过与智能助手对话的形式,完全由客户自主进行选基,这种形式对于客户自身的选基逻辑和知识面有一定的门槛,更加适合有一定投资经验的客户。

1)条件选基

前文提到的量化选基大多也都是根据“条件选基”的指标筛选而来,客户可从基本信息、收益能力、抗风险能力、投资性价比、持仓特点、基金经理六大维度对全市场的公募基金进行组合筛选。

下面对每个维度的指标进行举例说明。

①基本信息

基本信息包括基金类型、申购费率、成立年限、基金规模、风险等级、基金公司等指标。

②收益能力

收益能力包括收益率、收益率排名、年化收益、年度收益、定投收益、历史盈利概率、净值新高率等指标,体验较好的基金销售平台支持简单拖拉的形式进行收益率等指标的快捷设置,辅助客户快速进行筛选。

③抗风险能力

包括最大回撤、最大回撤排名、年化波动率、最大回撤恢复期、跟踪误差等指标。

④投资性价比

包括夏普比率、夏普比率同类排名、卡玛比率、卡玛比率同类排名、信息比率同类排名等指标。

⑤持仓特点

包括重仓行业、不重仓行业、股票仓位、持股风格、重仓股集中度、换手率、机构持仓占比等指标。

⑥基金经理

包括从业年限、管理规模、年化回报、金牛奖次数、在管基金数量、管理该基金时长等指标。

2)智能顾问

对话式的智能顾问,尤其是开放式对话的模式,对语义的解析和内容的提供有着极高的技术要求,目前处于领先地位的是同花顺的问财助手,基本上实现了常用金融指标解析,并支持多指标组合和进一步的推荐。

三、小结

  1. 市场上各类数据选基策略层出不穷,已经很好的覆盖了大部分客户选基的需求,但是这些选基策略往往缺少了评价机制,对于客户来说依然很难做出正确的投资决策,或者说依然是在靠运气买基金。基金销售平台应围绕选基策略的优势、局限性、历史盈利概率、适用场景等维度进行分析,提升辅助投资决策的能力。
  2. 目前市场上注重的是“选品”,也就是“买什么”,但是很少有大数据选基策略的侧重点是“择时”,也就是“什么时候买”,比如“近半年上涨10%的基金”及“近半年下跌10%的基金”这两个选基方法,在当前这个时间节点很难说哪一个投资策略更好,应根据当前市场行情提供一些回撤、上涨概率等数据分析来提升客户的投资成功率。

本文由 @十里马 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。