大開眼界！百發價值探索智能投資新疆域！

「都那麼多大數據基金了，怎麼百度又要出一隻？你怎麼看這隻基金」，有朋友知道我很早就開始關注大數據基金，所以看到新近百度理財上線的百發價值，就問我意見。

說起大數據基金，早在2014年10月市場第一隻大數據基金廣發百發100指數基金發行的時候我就做過點評，之後也分析過許多隻大數據基金的異同。既然有一隻有意思的新品發行，這裡就花一些筆墨來跟蹤分析下。

大數據基金的自我革命

先來看一張表格，是我所掌握的市面上所有大數據基金的匯總表。

從表格中可以看到，從2014年百度攜手廣發推出第一隻大數據基金，到此次百度第四度攜手廣發推出的百發價值基金，整個行業累計已經發行了17隻大數據基金了。

這17隻大數據基金，其實不盡相同，期間已經完成了一次自我革命。

最早的產品，自然是以2014年的百發100為代表的被動指數型大數據基金。

這類一般是由數據提供方利用獨家的大數據資源和技術開發一系列因子，然後與一家基金公司合作選股模型，推出基金產品。自打百度百發100在 2014年10月推出而且表現不俗后，互聯網巨頭們是扎堆跟風推出此類基金，比如南方大數據基金是和新浪合作，博時淘金100是和阿里巴巴合作……

不過，這類被動指數型基金，一個重要的缺點就是必須嚴格跟蹤指數成份股、幾乎全部是股票倉位，一旦遇上市場連續大跌的行情，任你選股牛逼，一樣難逃凈值大幅下跌。

所以，2015年年終股市出現巨幅下跌后，就有了以廣發百發大數據精選為代表的混合型大數據主動量化基金的自我革命。這些基金在投資上會使用大數據技術進行選股，但是不再完全被動跟蹤特定指數，嘗試在資產配置和擇時上應用大數據因子信號，使得基金資產配置更為靈活，給基金經理在投資上上更大的餘地。

EarlETF的老讀者都知道，我對於A股擇時是大為推崇的。A股是一個投資者比較衝動的市場，最容易出現的就是大漲大跌，這種情況下，堅持滿倉股票而不擇時，那就是天理難容了。

從這點上來說，百發精選的探索方向是正確的，畢竟對基民來說，是不是大數據不重要，賺得多虧得少才重要，能夠有更合理的持倉才是關鍵。

當然，從指數型轉向混合型，我覺得還有一個重要的好處就是：拓展了人工智慧技術在投資領域應用領域。

只要看點新聞的，自然都知道去年那場著名的AlphaGo圍棋大戰，許多人也憧憬類似的人工智慧技術應用到投資上。

如果你了解下人工智慧，就會聽說過「調參」和「訓練」的說法。就像AlphaGo在2016年1月27日戰勝歐洲圍棋冠軍、職業二段選手樊麾時，還被許多圍棋人士認為棋力一般，但是到2016年3月15日戰勝韓國李世石時，棋力又有了突飛猛進，而到了2016年12月29日化名「大師」（Master）的AlphaGo依次對戰數十位人類頂尖高手，取得60勝0負的輝煌戰績時，棋力就更飆升了——這裡面就是大量機器學習反覆訓練的功勞。

股票指數，一般是較固定的規則編製而成，大數據和人工智慧技術主要應用於選股領域，且受指數編成規則的限制，很難承載日新月異的技術發展和數據便捷拓展所帶來的更豐富的機遇。大數據基金從指數基金變成主動量化混合型基金，為人工智慧技術在投資領域應用開闢了更多想象空間，這方面的潛力，後文會專門談到。

「大數據+」才是正確打開

大數據基金髮了將近二十隻，其實值得一說的，不僅僅是從指數型到主動量化混合型的改變。

「從大數據到大數據+」同樣是一個值得關注的變化。

說到這點，請注意表格中廣發和百度合作後期推出的三隻基金的業績基準，可以清楚的看到，主要業績比較基準分別是大小盤均衡的中證800指數、側重成長股的創業板和側重大盤股的滬深300指數，完整覆蓋目前股票的大中小盤風格。

相比其他巨頭髮行一隻大數據基金或受自身數據特點局限圍繞特定行業布局，至少從產品線角度而言，百度顯然在探索大數據基金產品上是認真的，在不斷豐富產品線、完善投資風格布局。

為什麼豐富的產品線很重要？

很簡單，因為投資不是一件簡單的事情。

如果你留意過前幾年獲得諾貝爾經濟學獎的尤金·瑪法的多因子理論就知道，即使是他們的早期版本中，就認為規模、價值會對股票的收益造成影響，而這幾年新的論文更是加入了盈利質量(RWM)、再投資風格(CMA)、動量等新的因子。

可見，股票投資是不存在一招打天下這樣的好事的——類似規模、價值或者其他因子不可能，大數據技術簡單應用也不可能。

正因此，如果你留意海外那些發行SmartBeta(聰明貝塔，智慧型投資策略)選股基金的公司，往往會把多元化的策略用在不同的行業指數和地區市場上，以確保在連貫投資風格的基礎上錦上添花，提高對市場的適應性。

在這點上，百度走的顯然也是一套和國際成熟路數接軌的道路，不是合作發行一兩隻產品刷存在感，而是有清晰思路和連貫的產品布局。

這樣做一個顯而易見的好處就是，像我這樣熱愛不同市場風格資產配置的投資者，可以將其不同基金視為不同市場風格的投資配置工具。

從廣發百發價值提供的策略回測模型來看，顯然相對滬深300指數還是有著比較穩定的超額收益的。

未來我倒是考慮將針對滬深300指數的定投基金計劃挪一大部分到這個基金中去，追求更多的超額收益。

大數據和人工智慧還能探索什麼？

因為這次新基金的發行，百度倒是針對如何利用大數據和人工智慧提升投資效能透露了一些心得和計劃。

相比以往大數據基金相對單一的策略和模型，這些才是讓人嗅到了真正的高科技味道。這裡挑選兩個我自己比較感興趣的和諸位分享。

◢ ①LBS時空數據

關於這個，百度有這麼一個設想：

利用百度地圖LBS定位數據監測全國工業園區定位和地理位置搜索數據監測全國工業園區、大型商圈的人流、物流、車流情況，通過機器學習額提煉因子，應用於度量開工、就業、消費等宏觀經濟情況消費等宏觀經濟和特定行業分析；微觀層面上，利用定位和地點檢索數據評估企業或行業經營狀況，在行業景氣維度為選股模型提供增量信息的支持利用定位和地理位置檢索數據高頻評估上市公司經營狀況，在行業景氣和上市公司基本面維度為選股和擇時模型提供增量信息的支持，也有利於遴選安全邊際更高的價值股。

是不是覺得有些耳熟？

是的，美國那些對沖基金，其實就是通過各種法子在做類似的事情，從超級高科技的用實時衛星監控畫面去評估油田產量、糧食產量、海運規模，到超級人力的蹲在廠區門口數人頭，其實都是為了獲得比財報更新的前瞻高頻數據。

在這點上，坐擁百度地圖等一大堆超級APP的百度，倒是有著得天獨厚的優勢，對於許多與經濟運轉變遷相關的數據，可以隨時拿到第一手的資料。

如何用好LBS時空數據作為投資輔助，這個還真是值得深挖的前沿方向。

◢ ②千人千面

百度的大數據在基金投資方面的應用，就是以大量引入百度搜索的數據來判斷市場情緒作為肇始。

不過，引入基於搜索數據的市場情緒判斷雖然有立竿見影的效果，但是其實有一個不穩定的問題。舉個簡單的例子，2015年上半年行情大熱，大量小白投資者湧入股市，在互聯網上搜索股票投資有關的信息，這有可能代表市場已經處在了某種過熱、不穩定的狀態，可能就要當做反向指標看了——這與行情低迷的時候，類似EarlETF讀者這樣相對資深投資者的搜索意義是截然不同的。

是的，同樣一次搜索，不同人能夠提供的投資參考是完全不同的。

所以百度計劃引入的是對原有的搜索數據市場情緒化指標進行精細化重鍛及應用：

結合百度用戶畫像模型與搜索數據、進行不同群體用戶行為的區分，例如金融從業人員或40歲以上有投資能力人群等特定人群的股票搜索行為、並結合多元化指標，能提高市場情緒因子的有效性；

當然，其實人工智慧的深度學習領域，屬於一日千里的發展，上述不過是兩個潛在的應用。到底百度這隻基金在智能投資+大藍籌的基礎上，未來能夠引入多少人工智慧的應用成果，還真要拭目以待了。

EarlETF(ID:Seekingbeta_earl)是由張翼軫撰寫的原創投資理財微信公眾號，是WeMedia自媒體成員之一，WeMedia是自媒體第一聯盟，覆蓋5000萬人群。詳情搜索「wemedia2013」