广发百发100e怎么样(百发100大数据基金)

从炙手可热到颇受争议，市场从热情追捧转向冷静观察，曾经的爆款“大数据基金”还需要用业绩为自己正名。

自2014年首只大数据基金——银河定投宝中证腾安指数基金面世以来，大数据基金已经跨越了一个完整的牛熊周期，在市场中也已占据一席之地。

但经过时间与市场的洗礼，昔日被吹爆的大数据因子并没有起到预期的投资效果。

券商中国记者统计，截至目前，全市场15只大数据基金中仍然有5只大数据基金处于亏损状态；超过半数的大数据基金在2019年的收益表现排在同类后50%。而基金规模上，相比高峰时期，也已遭“腰斩”。

表现平平的大数据基金

大数据基金，顾名思义就是对一些特殊的大数据进行定性与定量分析，从而辅助股票投资。

这类大数据因子主要来源于一些财经或互联网门户网站的数据，用以反映投资者行为，主要可分为以下四类：

第一类是搜索数据，即各类搜索引擎上关于证券市场的搜索记录；

第二类来自于财经网站上对行业和个股的关注度；

第三类消费数据则来自于大型电商平台的购买记录和线下的pos刷卡记录；

第四类是社交网站和媒体的数据。

尽管怀着从大数据中挖掘股票价值的美好初衷，但经过数年的实践洗礼，大数据基金的表现并不尽如人意。

在下表15只大数据基金中，表现最好的为成立于2017年1月的浙商大数据智选消费基金，自成立以来取得了55%的回报，其2019年的全年收益也位居同类排名前10%。

大成互联网+大数据基金与博时银智大数据100基金紧随其后，自成立以来分别取得了51.76%和44.4%的收益，2019年的区间收益排名也位居同类前20%左右。

然而，从整体上看，依然有超过半数的大数据基金2019年的表现排在同类基金中的后二分之一，其中有5只基金目前依然处于亏损状态。

从绝对收益的角度看，成立时间依然是极大的一个影响因素。成立于2015年的一只大数据基金遭遇了“山顶站岗”的窘境，自成立以来亏损接近25%，几乎位于同类垫底。

值得一提的是，在众多的基金公司中，广发似乎是对大数据最钟情的那一家。

在广发旗下的第一只大数据基金——广发百发大数据100于2015年9月成立以后，又陆陆续续地成立了三只大数据基金，包括广发百发大数据策略成长、广发百发大数据策略价值和广发东财大数据精选。

在这一过程中，广发既尝试利用了多种大数据，包括百度互联网行为大数据（具体表现形式为搜索因子指标）和东方财富网互联网行为大数据（具体表现为东方财富网股吧的舆情动向因子）；也尝试运用了成长与价值等多种风格。2019年，上述四只基金中广发百发大数据策略成长排进了同类基金的前50%。

大数据到底靠不靠谱？

据券商中国记者统计分析，在大部分的大数据基金中，大数据均被用作量化因子以精选个股。

理论上来说，搜索数据、舆情信息这样的数据具有高频、实时的特点，基金公司正是希望借助大数据的这些特点从而更加精准地把握股市的动向。

据Wind数据显示，以2019年为例，在大数据股票型基金中，除大成互联网+大数据基金具有较好的选时能力外，其余基金在选股择时上的表现都非常一般。

为何大数据基金符合“逻辑”，又能反应市场实时情绪，却在股市中折戟沉沙？好买基金研究中心分析称，原因主要有三点：

第一，第一代被动指数型基金仓位限制在90%至95%，基金经理无法通过减仓来规避风险，只能增加换手率改善被动的窘境，但终究杯水车薪。

第二，大数据的挖掘仍是一个比较新兴的领域，并无太多前人铺好的路，非常考验基金经理的个人能力。有些基金借大数据热点，并没有真正去挖掘大数据。

第三，目前国内的股民已经上亿，而大数据在几十万甚至几万人的样本中进行筛选，而且很多信息受限于法律规定不得公布，所以数据失真是大概率事件。

有基金经理表示，与成熟市场主要由理性机构投资者构成相比，A股市场仍以散户为主，因此市场受投资者情绪影响很大，投资者情绪可以更多反映在互联网大数据上，但投资者情绪的巨大波动也会带来互联网基金的高贝塔属性，对此投资者要有心理准备。

上述基金经理表示，从目前来看，投资者在市场低位布局该类基金，等待市场热度提升，是比较好的方法。

大数据炒股任重道远

昔日火爆时，全市场大数据基金总规模接近200亿元，而时至今日，却已仅剩不到百亿，生生遭受腰斩。

从上述表格可以看到，大量的大数据基金规模在1个亿左右徘徊，其中招商财经大数据策略基金规模仅剩1600余万，已低于清盘线。

目前，规模最大的南方大数据100基金实际上也经历了巨幅缩水。在顶峰时期，其规模曾达100亿元，而近年来投资者不断赎回，目前规模30亿不到。

尽管大数据基金的表现不够出彩，但大数据在投资中的作用依然不可忽略。

某大型公募基金人士表示，交易数据资源运用的未来无可限量，应加强对交易数据各种场景的分析，运用网络爬虫技术做好舆情与预警监控，通过对历史交易数据进行分析、画像，客观评估产品的风险及收益特征；同时，实现可视化分析，做好数据管理和质量监控也是需要进行的工作。

另一方面，在制度和机制建设上，加强交易数据资源商业化，让数据提供商和服务商提供规范、准确、快速的服务；提高专业化处理数据的能力；同时加强市场机构主体数据信息权益及安全隐私保护。