網際網路崛起改變著我們的行為方式，由此産生的海量大數據成為眾多行業掘金的新能源。百發100指數引入大數據因子，顛覆性地改造了傳統股票市場指數編制方法和量化投資方法，成為網際網路金融的又一創新標桿。陸志明表示，對於金融投資來説，投資者網際網路行為大數據作為選股因子的有效性和價值性逐漸顯現，為傳統量化選股模型打開了全新視角。

　　中國證券報：對於百發100來説，用戶網際網路行為怎樣對其投資策略産生影響？

　　陸志明：傳統金融理論認為投資者是完全理性的，市場是有效的，傳統的投資策略或模型，通常也是基於基本面或技術面指標等常規因子選股。自上世紀70年代誕生的行為金融學，則認為市場是非有效的，投資行為會受投資者情緒影響，尤其是在存在風險和不確定的時候。投資者在網際網路和移動終端所表現出的行為路徑，恰恰是對市場熱點的反應。尤其是通過網際網路用戶行為金融投資屬性大數據挖掘反應的集體市場行為預期，可以準確捕捉市場投資熱點。

　　百發100指數通過百度完整的網際網路生態佈局、移動網際網路應用矩陣和大數據蒐集、分析、挖掘能力，積累用戶行為數據從而形成投資策略。具體來看，百度搜索引擎每天要響應60億次的訪問量，處理的數據超過100PB，百度每天的數據處理量不僅包括搜索數據，還有網際網路用戶的行為數據，即用戶各種各樣的操作路徑。百發100指數根據金融大數據挖掘結果與股票基本面資訊綜合測度，採用量化演算法構造基於網際網路金融大數據的綜合情緒模型，在此基礎上，實現指數樣本股選取的全自動、自適應系統，不依賴人為干預，自動運作、萃取符合當期投資市場熱點的100隻樣本股，編製成為指數。

　　中國證券報：能否具體介紹一下這個綜合情緒模型的選股策略？

　　陸志明：在量化投資領域，傳統的多因子模型包括財務因子、交易數據所獲得的動量、反轉因子等，這些動量和反轉因子實際上是投資者決策的結果，而綜合情緒模型則在傳統指數模型的基礎上又增加了百度網際網路大數據因子，將投資者決策的前面半個部分提前納入指數指標中，表現為投資者的心理數據或者是敏感性。從這個意義上説，通過對百度網際網路大數據的分析將投資者的情緒量化了，反映的是投資者的投資意願或預期，更符合A股的特點。

　　總體上來説，綜合情緒模型就是將百度的網際網路大數據因子加上財務因子，再加動量因子這三層數據放在一個大熔爐裏面，發生一定的化學反應，最終選取排名前100的股票作為百發100指數的成份股樣本股。

　　中國證券報：未來網際網路大數據對基金産品設計還會産生哪些影響？

　　陸志明：廣發基金在兩年前就成立了專門的電子商務部，現在改名叫網際網路金融部，先後與淘寶、蘇寧、騰訊等大型網際網路企業對接。今年年初，網際網路金融部與百度金融接觸，開始認識到網際網路大數據的作用，並把相關資訊反饋到公司金融工程部，金融工程部建議公司與百度在權益類基金方面進行合作，達成意向後數量投資部介入指數方案設計和數據測算，後來公司內部組織資源研究、調試，曾圍繞著相關因子提出過上百種方案，最終才確定出現在的多因子模型，才有了廣發百發100指數基金産品。

　　這個模型不是動態不變的，後續還需要不斷優化。未來希望在移動網際網路端再挖掘一些數據，放到模型裏面試用。還會考慮做一些利好和利空的篩選，對整個模型做一些有益的補充。對於海量的網際網路行為數據，怎麼將有用的資訊提煉出來，需要指數編制各方去做更多的努力。

　　隨著網際網路金融的推行，大數據投資將是未來基金業發展的新方向。以往網際網路金融領域的跨界合作，合作對象僅涉及基金公司和網際網路雙方，合作領域也基本集中于産品銷售渠道的網際網路化，産品本身在投資方法、運作模式等方面，與傳統基金産品並無重大差別。而網際網路大數據則好比另一個金礦，百發100指數其實只是挖了其中的一勺，其本身也需要不斷完善。如果能把現在的網際網路用戶的行為數據提煉整理出來，將來一定是有價值的，未來會出現很多大數據平臺産品，比如多空、杠桿産品等。