「都那么多大数据基金了，怎么百度又要出一只？你怎么看这只基金」，有朋友知道我很早就开始关注大数据基金，所以看到新近百度理财上线的百发价值，就问我意见。
说起大数据基金，早在2014年10月市场第一只大数据基金广发百发100指数基金发行的时候我就做过点评，之后也分析过许多只大数据基金的异同。既然有一只有意思的新品发行，这里就花一些笔墨来跟踪分析下。
▌ 大数据基金的自我革命
先来看一张表格，是我所掌握的市面上所有大数据基金的汇总表。
从表格中可以看到，从2014年百度携手广发推出第一只大数据基金，到此次百度第四度携手广发推出的百发价值基金，整个行业累计已经发行了17只大数据基金了。
这17只大数据基金，其实不尽相同，期间已经完成了一次自我革命。
最早的产品，自然是以2014年的百发100为代表的被动指数型大数据基金。
这类一般是由数据提供方利用独家的大数据资源和技术开发一系列因子，然后与一家基金公司合作选股模型，推出基金产品。自打百度百发100在 2014年10月推出而且表现不俗后，互联网巨头们是扎堆跟风推出此类基金，比如南方大数据基金是和新浪合作，博时淘金100是和阿里巴巴合作……
不过，这类被动指数型基金，一个重要的缺点就是必须严格跟踪指数成份股、几乎全部是股票仓位，一旦遇上市场连续大跌的行情，任你选股牛逼，一样难逃净值大幅下跌。
所以，2015年年终股市出现巨幅下跌后，就有了以广发百发大数据精选为代表的混合型大数据主动量化基金的自我革命。这些基金在投资上会使用大数据技术进行选股，但是不再完全被动跟踪特定指数，尝试在资产配置和择时上应用大数据因子信号，使得基金资产配置更为灵活，给基金经理在投资上上更大的余地。
EarlETF的老读者都知道，我对于A股择时是大为推崇的。A股是一个投资者比较冲动的市场，最容易出现的就是大涨大跌，这种情况下，坚持满仓股票而不择时，那就是天理难容了。
从这点上来说，百发精选的探索方向是正确的，毕竟对基民来说，是不是大数据不重要，赚得多亏得少才重要，能够有更合理的持仓才是关键。
当然，从指数型转向混合型，我觉得还有一个重要的好处就是：拓展了人工智能技术在投资领域应用领域。
只要看点新闻的，自然都知道去年那场著名的AlphaGo围棋大战，许多人也憧憬类似的人工智能技术应用到投资上。
如果你了解下人工智能，就会听说过「调参」和「训练」的说法。就像AlphaGo在2016年1月27日战胜欧洲围棋冠军、职业二段选手樊麾时，还被许多围棋人士认为棋力一般，但是到2016年3月15日战胜韩国李世石时，棋力又有了突飞猛进，而到了2016年12月29日化名「大师」（Master）的AlphaGo依次对战数十位人类顶尖高手，取得60胜0负的辉煌战绩时，棋力就更飙升了——这里面就是大量机器学习反复训练的功劳。
股票指数，一般是较固定的规则编制而成，大数据和人工智能技术主要应用于选股领域，且受指数编成规则的限制，很难承载日新月异的技术发展和数据便捷拓展所带来的更丰富的机遇。大数据基金从指数基金变成主动量化混合型基金，为人工智能技术在投资领域应用开辟了更多想象空间，这方面的潜力，后文会专门谈到。
▌ 「大数据+」才是正确打开
大数据基金发了将近二十只，其实值得一说的，不仅仅是从指数型到主动量化混合型的改变。
「从大数据到大数据+」同样是一个值得关注的变化。
说到这点，请注意表格中广发和百度合作后期推出的三只基金的业绩基准，可以清楚的看到，主要业绩比较基准分别是大小盘均衡的中证800指数、侧重成长股的创业板和侧重大盘股的沪深300指数，完整覆盖目前股票的大中小盘风格。
相比其他巨头发行一只大数据基金或受自身数据特点局限围绕特定行业布局，至少从产品线角度而言，百度显然在探索大数据基金产品上是认真的，在不断丰富产品线、完善投资风格布局。
为什么丰富的产品线很重要？
很简单，因为投资不是一件简单的事情。
如果你留意过前几年获得诺贝尔经济学奖的尤金·玛法的多因子理论就知道，即使是他们的早期版本中，就认为规模、价值会对股票的收益造成影响，而这几年新的论文更是加入了盈利质量(RWM)、再投资风格(CMA)、动量等新的因子。
可见，股票投资是不存在一招打天下这样的好事的——类似规模、价值或者其他因子不可能，大数据技术简单应用也不可能。
正因此，如果你留意海外那些发行SmartBeta(聪明贝塔，智慧型投资策略)选股基金的公司，往往会把多元化的策略用在不同的行业指数和地区市场上，以确保在连贯投资风格的基础上锦上添花，提高对市场的适应性。
在这点上，百度走的显然也是一套和国际成熟路数接轨的道路，不是合作发行一两只产品刷存在感，而是有清晰思路和连贯的产品布局。
这样做一个显而易见的好处就是，像我这样热爱不同市场风格资产配置的投资者，可以将其不同基金视为不同市场风格的投资配置工具。
从广发百发价值提供的策略回测模型来看，显然相对沪深300指数还是有着比较稳定的超额收益的。
未来我倒是考虑将针对沪深300指数的定投基金计划挪一大部分到这个基金中去，追求更多的超额收益。
▌ 大数据和人工智能还能探索什么？
因为这次新基金的发行，百度倒是针对如何利用大数据和人工智能提升投资效能透露了一些心得和计划。
相比以往大数据基金相对单一的策略和模型，这些才是让人嗅到了真正的高科技味道。这里挑选两个我自己比较感兴趣的和诸位分享。
◢ ①LBS时空数据
关于这个，百度有这么一个设想：
利用百度地图LBS定位数据监测全国工业园区定位和地理位置搜索数据监测全国工业园区、大型商圈的人流、物流、车流情况，通过机器学习额提炼因子，应用于度量开工、就业、消费等宏观经济情况消费等宏观经济和特定行业分析；微观层面上，利用定位和地点检索数据评估企业或行业经营状况，在行业景气维度为选股模型提供增量信息的支持利用定位和地理位置检索数据高频评估上市公司经营状况，在行业景气和上市公司基本面维度为选股和择时模型提供增量信息的支持，也有利于遴选安全边际更高的价值股。
是不是觉得有些耳熟？
是的，美国那些对冲基金，其实就是通过各种法子在做类似的事情，从超级高科技的用实时卫星监控画面去评估油田产量、粮食产量、海运规模，到超级人力的蹲在厂区门口数人头，其实都是为了获得比财报更新的前瞻高频数据。
在这点上，坐拥百度地图等一大堆超级APP的百度，倒是有着得天独厚的优势，对于许多与经济运转变迁相关的数据，可以随时拿到第一手的资料。
如何用好LBS时空数据作为投资辅助，这个还真是值得深挖的前沿方向。
◢ ②千人千面
百度的大数据在基金投资方面的应用，就是以大量引入百度搜索的数据来判断市场情绪作为肇始。
不过，引入基于搜索数据的市场情绪判断虽然有立竿见影的效果，但是其实有一个不稳定的问题。举个简单的例子，2015年上半年行情大热，大量小白投资者涌入股市，在互联网上搜索股票投资有关的信息，这有可能代表市场已经处在了某种过热、不稳定的状态，可能就要当做反向指标看了——这与行情低迷的时候，类似EarlETF读者这样相对资深投资者的搜索意义是截然不同的。
是的，同样一次搜索，不同人能够提供的投资参考是完全不同的。
所以百度计划引入的是对原有的搜索数据市场情绪化指标进行精细化重锻及应用：
结合百度用户画像模型与搜索数据、进行不同群体用户行为的区分，例如金融从业人员或40岁以上有投资能力人群等特定人群的股票搜索行为、并结合多元化指标，能提高市场情绪因子的有效性；
当然，其实人工智能的深度学习领域，属于一日千里的发展，上述不过是两个潜在的应用。到底百度这只基金在智能投资+大蓝筹的基础上，未来能够引入多少人工智能的应用成果，还真要拭目以待了。
EarlETF(ID:Seekingbeta_earl)是由张翼轸撰写的原创投资理财微信公众号，是WeMedia自媒体成员之一，WeMedia是自媒体第一联盟，覆盖5000万人群。详情搜索“wemedia2013”
