今年量化基金大行其道，同樣採用“量化模型大數據”選股方法的大數據基金也有不俗表現。數據顯示，今年收益率的大成互聯網大數據大賺34%，多隻產品成立以來年化回報超10%，斬獲不錯的長期業績。
多位業內人士表示，大數據基金是大數據技術和傳統金融投資理念相結合的金融產品，作爲量化基金的一員，在今年結構性行情和熱點較爲分散的市場中，能夠發揮量化模型的統計優勢，整體取得了超額收益。伴隨着大數據、大模型、人工智能等金融科技技術的應用，大數據基金未來還有發展空間。
多數採用“量化模型大數據”投資策略
收益率超30%
數據顯示，今年以來場大數據基金平均收益率-0.64%，跑贏了同期滬深300、中證500等主流大盤指數。
其中，大成互聯網大數據大賺33.82%，廣發百發大數據策略成長、南方大數據300、東方紅京東大數據等多隻基金收益率在10%左右，超額收益同樣明顯。博時淘金大數據100、銀河定投寶等也斬獲了正收益，在今年權益低迷市場中，爲投資者打造了不錯的投資體驗。
隨着投資業績表現持續，部分大數據基金斬獲年化10%以上回報，比如東方紅京東大數據、大成互聯網大數據、銀河定投寶等，基金規模也實現了增長。
談及今年大數據基金整體取得的超額收益，大成互聯網大數據基金經理夏高表示，2021年以來，隨着A股市場小盤風格的崛起，持股較爲分散、風控嚴格的量化基金表現，整體取得顯著的超額收益。大多數大數據基金採用“量化模型大數據”的投資策略，屬於量化基金的一員，因此也取得了超額收益。
濟安金信基金評價主任王鐵牛也認爲，今年以來大數據基金整體獲得超額收益，主要原因還是在於大數據基金除了傳統基本面、技術面、行業配置等分析維度外，增加了與大數據相關投資分析的維度，相比傳統基金投資具有優勢。
據介紹，大成互聯網大數據基金的主要投資範圍是“互聯網”相關的股票，今年業績主要受益於科技股行情。主要選股因子包括市值、反轉、成長、質量和大數據因子等，其中市值和反轉因子比較符合今年的市場風格，成長和質量因子提供基本面支撐，大數據因子帶來另外的增量信息。
銀河基金基金經理羅博也表示，銀河定投寶騰訊濟安指數基金跟蹤的是中證騰訊濟安價值100A股指數，根據銀河證券基金研究的排名數據顯示，截至2023年三季末，該基金近五年同類產品排名爲2/15，獲得了亮眼的排名。指數從滬深A股股票中，根據行業特徵，選取相應估值指標，採用多階段迴歸等算法計算個股內在價值，選擇低估程度的135只股票構建組合。
首尾業績分化超50%
更加適應較爲分散的市場
雖然頭部業績非常亮眼，但大數據基金業績的兩極分化現象也很顯著，今年以來首尾業績相差超過50%。
在夏高看來，大數據基金業績出現分化的原因或有以下三方面：首先，市場上各個大數據基金選股範圍有所差異。一部分大數據基金是場選股，另一部分大數據基金則有約定的選股範圍，例如科技、消費等。不同的選股範圍會帶來不同的基礎差異。
其次，各個大數據基金的選股風格不同。一部分大數據基金是大盤、動量等風格，另一部分大數據基金的風格是小盤、反轉等風格，在今年偏小盤和存量博弈的市場裏業績出現分化。
，不同大數據因子的表現有所差異。一些大數據因子反映市場熱點，另一些大數據因子反映產品銷售熱度，還有基本面、估值、市值等不同大數據因子，具有不同的投資邏輯，這些差異使得各個基金在今年的市場裏表現各異。
王鐵牛也認爲，大數據基金業績的兩極分化，一方面與大數據基金，選用的不同的數據來源，以及投資策略構成的選用了不同的宏觀因子、價值因子、成長因子、大數據基本面因子和市場因子等差異，導致的大數據基金業績兩極分化。
另一方面，也與相關基金主要投資行業的屬性相關，比如大成互聯網大數據基金主要投向爲傳媒、計算機、雲計算、AI等相關行業標的，這些TMT相關行業在在今年表現優異是業績較好的重要原因。
部分機構認爲大數據基金可能比較適應熊市或震盪市行情，可以發揮多因子選股的能力，獲取超額收益。
夏高對此表示，大數據是對傳統選股因子的補充，能夠帶來不一樣的增量信息，長期邏輯是有經濟學意義支撐的，也經過了多年的實際檢驗，具有的有效性。當然，大數據因子的表現也會受到市場風格的影響，不同時期的表現會有差異。整體來看，大數據基金，或者擴大一點說量化基金，更加適應較爲分散的市場，能夠發揮量化模型的統計優勢；反之，在少數股票的極致市場裏，量化模型的優勢就比較小。
羅博也認爲，從市場環境來看，市場表現亮眼的時候指數型基金有利於發現有上漲能力的股票；市場表現低迷時，因爲指數型基金可以分散投資，有利於控制回撤。
王鐵牛也表示，在今年一些大數據基金和量化基金整體跑贏主動管理基金，主要原因還是由於市場在今年以來是比較典型的結構性行情，熱點轉換較快，行業輪動，對於這樣的市場，大數據基金和一些量化基金大部分選取中小市值股票，又引用了其他一些大數據源，同時應用了人工智能，模型訓練等進行數字化分析和投資，相對更適應目前這種市場風格。
融入行業新發展趨勢
投資者也應關注策略基金的侷限性
事實上，與2015年行業密集佈局大數據基金相比，目前基金公司已經較少佈局大數據基金。
“主要原因與大的環境背景相關。”王鐵牛認爲，2015年互聯網金融和金融科技公司在傳統金融領域的創新是關注度的時期，相關大數據基金和互聯網基金在當時也得到市場和行業更多的關注。後期因爲風險控制和一致性等方面監管要求，以及市場波動等原因，相關基金品類發展進入的瓶頸期。相信後期伴隨的大數據、大模型、人工智能等金融科技技術在行業裏更多的應用，大數據相關基金未來還是有的發展空間。
夏高也認爲，大數據基金的開發涉及大數據的來源和品牌合作等商業因素，還受到大數據有效性變化等技術因素的影響，開發難度大於普通基金。
他說，近幾年來，機器學習等新的量化投資技術快速發展和日臻成熟，基於此類方法研發的量化策略傾向於更多采用更直接的量價類因子，其邏輯鏈條短、對市場變化的反應迅速，有效性優於邏輯鏈條長、對市場變化反應相對慢的傳統大數據因子。因此，大數據基金較少再獨立發展，而是融入行業新的發展趨勢之中。
此外，雖然部分大數據基金今年表現突出，但王鐵牛也提醒投資者注意，大數據和量化策略基金也會有相應的侷限性，策略是否與當前市場風格匹配、選擇標的流動性如何、投資策略在極端系統性風險中如果應對等問題，都需要投資者持續關注。
最新评论