让更多人知道事件的真相,把本文分享给好友:

全球资产配置 大类资产配置 行业风格配置

  然而,易百智能量化的最大特色和优势就是介于大数据和量化模型之间找到平衡。该基金能将百度中出现的搜索关键字、词,以及舆情等特色数据,构造成能反映投资者行为和市场情绪的“搜索量因子”及“舆情因子”,并纳入量化模型,从而获得更多的维度来分析市场、规避投资风险。同时,该基金能借助百度人工智能技术领域方面的优势,结合其在互联网数据挖掘方面的积累,对证券市场相关数据进行深度分析,不断学习、理解市场,在多因子量化选股框架下扩充因子维度,进一步完善量化策略模型,从而对股票超额收益进行预测,并据此筛选具有投资价值的股票构建投资组合。

绩效评估准则

摘要:如果一个人每天只订外卖,买的都是技术书,那他可能就是单身加班程序员。类似如此通过细枝末节来推断一个完整的形象,甚至能预测他人行为的福尔摩斯式大数据分析,对大众来说已经不是一个陌生概念了。通过借助大数据的魔力获得对未来发展趋势的预测,逐渐令…

  行为金融学是对传统金融学理论的革命,也是对传统投资实践的挑战。随着行为金融理论的发展,理论界和投资界对行为金融理论和相关投资策略作了广泛的宣传和应用,好买认为,无论机构投资者还是个人投资者,了解行为金融学的指导意义在于:可以采取针对非理性市场行为的投资策略来实现投资目标。在大多数投资者认识到自己的错误以前,投资那些定价错误的股票,并在股价正确定位之后获利。目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。

  截至今年9月底,我国A股市场已拥有超过3400只股票,面对如此庞大的市场容量,人工交易很难实现全市场的跟踪与监测,这就需要借助量化投资来分析市场数据,及时跟踪发现短期套利、价格配错等交易机会。同时,量化模型给出的测算结果所构建的投资组合,能从一定程度上弱化个人主观判断以及个人情绪对投资决策的影响。但是,量化策略基金的业绩表现取决于数据源的完整性和多样性,以及所应用的量化选股模型的有效性。

总风险收益

  据了解,大数据已经上升为国家基础性战略资源,并被列入“十三五”规划的国家发展战略。大数据技术的加速发展,也正逐渐扩散至各个行业领域。而百度作为全球最大的搜索引擎之一,拥有庞大的数据平台和最强的数据获取能力,有统计显示,百度搜索的单日信息获取量已达到10亿量级。

  来源:好买基金研究中心

  易方达基金拥有长达11年设计、投资、管理运作各类指数、量化产品的丰富经验,一直以来持续布局各类指数量化创新产品,成为行业标杆。Wind资讯显示,截至9月底,易方达指数量化类公募基金管理规模达到514亿元,位居行业第二。

战略资产配置

更多

  四、绩效评估

  该产品依托百度提供的特色数据,例如互联网搜索、新闻舆情等,以及百度的数据处理能力,过大数据挖掘和分析技术,并结合易方达基金自主研发的量化策略进行投资组合管理,追求基金资产的长期稳健增值。

资产配置类别

  易百智能量化由官泽帆担任基金经理,他目前管理的易方达沪深300量化增强业绩表现持续优异。Wind资讯显示,截至2017年10月31日,该基金自成立以来累计超越沪深300指数约80.47%;今年以来累计净值增长率30.06%,在全市场股票型基金及混合型基金中均排名居前。

威尼斯人线上娱乐 1,
威尼斯人线上娱乐 2,
威尼斯人线上娱乐 3

  “如果一个人每天只订外卖,买的都是技术书,那他可能就是单身加班程序员。”类似如此通过细枝末节来推断一个完整的形象,甚至能预测他人行为的福尔摩斯式大数据分析,对大众来说已经不是一个陌生概念了。通过借助大数据的“魔力”获得对未来发展趋势的“预测”,逐渐令近几年的金融市场上涌现出了一批大数据概念股和概念基金。2017年12月18日起至2018年1月19日,易方达基金携手百度将发行
“易百智能量化策略灵活配置基金”(基金代码:A类005437,C类005438)就是一只借助大数据挖掘的主动量化产品。

择时 / 股能力

  多因素选股:通过寻找引起股价共同变动的因素,建立收益与联动因素间线性相关关系的多因素模型。影响股价的共同因素包括宏观因子、市场因子和统计因子(通过统计方法得到)三大类,通过逐步回归和分层回归的方法对三类因素进行选取,然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。多因素模型对因子的选择有很高的要求,因子的选择可依赖统计方法、投资经验或二者的结合,所选的因子要有统计意义上或市场意义上的显著性,一般可从动量、波动性、成长性、规模、价值、活跃性及收益性等方面选择指标来解释股票的收益率。

T-M 模型

  二、资产配置

双向表分析

> 相关专题:

&nbsp&nbsp&nbsp&nbsp新浪声明:此消息系转载自新浪合作媒体,新浪网登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。文章内容仅供参考,不构成投资建议。投资者据此操作,风险自担。

&nbsp&nbsp&nbsp已有_COUNT_条评论  我要评论

H-M 模型

  三、股价预测

  作为集合投资、风险分散、专业化管理、变现性强等特点的投资产品,基金的业绩虽然受到投资者的关注,但要对基金有一个全面的评价,则需要考量基金业绩变动背后的形成原因、基金回报的来源等因素,绩效评估能够在这方面提供较好的视角与方法,风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。

  根据NYSE的定义,程序化交易指任何含有15只股票以上或单值为一百万美元以上的交易。程序化交易强调订单是如何生成的,即通过某种策略生成交易指令,以便实现某个特定的投资目标。程序化交易主要是大机构的工具,它们同时买进或卖出整个股票组合,而买进和卖出程序可以用来实现不同的目标,目前程序化交易策略主要包括数量化程序交易策略、动态对冲策略、指数套利策略、配对交易策略和久期平均策略等。

业绩归因分析

  五、基于行为金融学的投资策略

  股价的可预测性与有效市场假说密切相关。如果有效市场假说成立,股价就反映了所有相关的信息,价格变化服从随机游走,股价的预测就毫无意义,而我国的股市远未达到有效市场阶段,因此股价时间序列不是序列无关,而是序列相关的,即历史数据对股价的形成起作用,因此可以通过对历史信息的分析来预测股价。

马克维茨 MV 模型 均值 -LPM 模型 VaR 约束模型 Black-Litterman 模型

资产配置层次

  上世纪50~70年代,随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出,现代金融经济学建立了一套成熟的理论体系,并且在学术界占据了主导地位,也被国际投资机构广泛应用和推广,但以上传统经济学的理论基石是理性人假设,在理性人假设下,市场是有效率的,但进入80年代以后,关于股票市场的一系列研究和实证发现了与理性人假设不符合的异常现象,如:日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应等。面对这些金融市场的异常现象,诸多研究学者从传统金融理论的基本假设入手,放松关于投资者是完全理性的严格假设,吸收心理学的研究成果,研究股市投资者行为、价格形成机制与价格表现特征,取得了一系列有影响的研究成果,形成了具有重要影响力的学术流派-行为金融学。

GII 模型

Sharp, Stutzer

周期判断 风格判断 时机判断

  基本面选股:通过对上市公司财务指标的分析,找出影响股价的重要因子,如:与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。然后通过建立股价与因子之间的关系模型得出对股票收益的预测。股价与因子的关系模型分为结构模型和统计模型两类:结构模型给出股票的收益和因子之间的直观表达,实用性较强,包括价值型(本杰明·格雷厄姆—防御价值型、查尔斯·布兰迪—价值型等)、成长型(德伍·切斯—大型成长动能、葛廉·毕克斯达夫—中大型成长股等)、价值成长型(沃伦·巴菲特—优质企业选择法、彼得·林奇—GARP价值成长法等)三种选股方法;统计模型是用统计方法提取出近似线性无关的因子建立模型,这种建模方法因不需先验知识且可以检验模型的有效性,被众多经济学家推崇,包括主成分法、极大似然法等。

行业内个股选择收益

战术资产配置 ( 动态资产配置 )

C-L 模型