基金名单推荐([求助]5万买哪些基金好)

作者:“admin”

[求助]5万买哪些基金好 谢谢各位。我有邮蓄的卡和中银的卡，买哪些合适。中邮能不能加仓 2015年沪深300指数基金第一名与最后一名 沪深300指数：由上海和深圳市场选取300只a股作为样本股，其中

[求助]5万买哪些基金好

谢谢各位。我有邮蓄的卡和中银的卡，买哪些合适。中邮能不能加仓

2015年沪深300指数基金第一名与最后一名

沪深300指数：由上海和深圳市场选取300只a股作为样本股，其中沪市208只，深市92只，均为规模大、流动性好，交易活跃的主流股票，覆盖了沪深市场六成左右的市值。上证综指和深圳成指只是分别反映了沪深市场各自的股票行情走势，不能反映沪深两个市场的整体走势，而沪深300指数则能综合反映沪深两市的整体走势。由于基金一般都持有沪深两个市场的股票,当上证综指与深圳成指的涨跌幅相差较大时,沪深300指数更能反映基金的涨跌幅度。中证500指数：剔除沪深300指数样本股及最近一年日均总市值排名前300名的股票，将其余股票按日均总市值由高到低进行排名，选取前500名的股票作为样本股，综合反映了深圳市场小市值公司股票的整体行情走势。所以中证500指数又称中证中小盘500指数。从整体收益看，中证500指数较沪深300指数高，风险也较大。希望采纳

干货分享|2021年优秀基金名单，建议收藏！

昨晚直播到太晚，所以就没有第一时间更新到文章里！刚刚睡醒，做个补充~希望大家理性参考，也希望能对大家新一年的基金理财有帮助！

[1.宽基指数基金-适合新手买入]

易方达上证50指数C004746

富荣沪深300指数增强A 004788

兴全沪深300指数（LOF）A 163407

[2.消费主题基金-长期业绩稳健]

易方达中小盘混合 110011

银华富裕主题混合 180012

景顺长城鼎益混合（LOF）162605

[3.医*主题基金-长线投资必备]

中欧医疗健康混合A 003095

招商国证生物医*指数 161726

前海开源医疗健康灵活配置混合A 005453

[4.科技主题基金-市场进攻之矛]

华宝科技ETF联接C007874

诺安成长混合 320007

银河创新成长混合519674

[5.新能源主题基金-市场新晋宠儿]

农银新能源主题 002190

汇丰晋信低碳先锋股票 540008

申万菱信新能源汽车主题 001156

[6.军工主题基金-政策推动上行]

博时军工主题股票 004698

富国军工主题混合A005609

易方达国防军工混合 001475

[7.港股主题基金-公募一致看好]

嘉实恒生港股通新经济指数（LOF）A501311

南方香港成长灵活配置混合QDII 001691

华宝香港中小（QDII-LOF）A501021

以上就是本次分享的所有内容，如果觉得对自己有所帮助的话，还望能点个赞鼓励支持一下小高！你们的鼓励，真的是小高继续分享的最大动力！

推荐两只指数基金吧

嘉实300，华夏复兴

什么场无急物呼乎批直京破田是保本基金？保本基金排名？

保本基金就是承诺持有基金满基金运作周期的话，本金100%保证，收益浮动，大于等于0.保本基金在运做周期内（一般三年为一个周期）会有波动（即有可能出现亏损），未到期提前赎回的话，盈亏由投资者自已承担，且期间内赎回会收手续费。关于基金排名，建议楼主不要太看重这个。有时间你可以自已对比一个前几年每年的基金业绩排名，变化都很大，一次两次的排名也不能代表后期的业绩走向，做做参考就行。保本基金中，南方旗下的保本基金业绩还不错

目前最好基金排名

2021年最火的事情莫过于投资基金，由于基金投资门槛低，所有受到大家的关注。投资基金时，不仅要看基金产品的盈利，还要看基金公司的实力，所以选择基金公司要慎重，那么中国十大基金公司排名怎么样？一起去看看吧。基金公司排名当前中国十大基金公司分别是：天弘基金公司、易方达基金公司、建信基金公司、工银瑞信基金公司、博时基金公司、南方基金公司、汇添富基金公司、广发基金公司、华夏基金公司、嘉实基金公司等。当前中国实力最强的基金公司是天弘基金公司，截至2019年6月30日，天弘基金公募资产管理规模12039.42亿元，位列全行业第一。其实，天弘基金公司以前的实力一般，不过余额宝出来以后，天弘基金公司就崛起了，现在基金规模越来越大。本文到此结束，希望对大家有所帮助呢。

基金经理排名一览表

基金经理排行榜前十名分别是：1、董承非，十金牛两晨星，实力不言而喻。2、张坤，火出圈的基金经理，也是首个千亿级经理。3、朱少醒，老将尤勇，从业至今年化率超过巴菲特。4、刘彦春，多次获得金牛奖，其资历足以比肩董承非...

传统能源基金有哪些？

我收集了近一周增长排名前十的传统能源基金。

第一名，英大国企改革主题股票，近一周上涨9.81%；这只基金重仓方向，除了煤炭就是油气，而这两个方向，也是本周表现最好的！

第二名，诺德新盛灵活配置混合，近一周上涨9.54%；同样，十只重仓里，九只是煤炭，另一只是石化类个股，煤炭在本周的表现确实好。

第三名，万家双引擎灵活配置混合，近一周上涨8.50%；所谓的双引擎，一个肯定是煤炭！

第四名，万家宏观择时多策略混合，近一周上涨8.15%；半程冠军本周的表现不错，黄海的基金，大家都比较熟悉了，就是煤炭和房地产。

第五名，万家新利灵活配置混合，近一周上涨8.13%；

第六名，万家精选混合，近一周上涨8.11%；上面两只都是黄海的基金，表现都不错，持仓都接近。

第七名，易方达供给改革混合，近一周上涨7.63%；这只基金吴哥最近多次提到，是一只可以关注的基金，持仓主要方向是煤炭、有色、汽车、化工等，有一定的分散度。

第八名，易方达瑞恒灵活配置混合，近一周上涨7.34%；这只基金是由萧楠和王元春共同管理的，持仓方向是煤炭和白酒，比较有意思的组合。

第九名，中银证券优势制造股票，近一周上涨7.16%；白冰洋管理，主要持仓是煤炭、石化、汽车、建安材等。

第十名，华商主题精选混合，近一周上涨7.01%；这只基金的主要持仓也是集中在煤炭这一块上的。

内蒙古含触大自然科学基金立项名单

内蒙古自然科学基金立项名单如下：国家自然科学基金委网站上有，项目类别就是面上项目，重点项目，杰出青年项目等等，申报学科代码要在网上查询。1、百度搜索“国家自然科学基金管理信息系统”，并点击进入官方网站纤型。2、进入网站页面如下图所示，注意不要进错网站，官方网站网址一定有.gov。3、进入官方网站后，点击网页右上角的“项目搜索”。袭粗4、输入已知信息进行综合查询即可，综合查询无须输入所有信息，部分信息加上必填的资助类别即可。自然科学基金坚持支持基础研究，逐渐形成和发展了由研究项目、人才项目和环境条件项目三大系列组成的资助格*。建立了面上、重点、重大项目、重大研究计划、联合资助基金、实质性国际合作研究等多层次相互配合衔接的资助项目系列；通过实施科技人才战略，架构了以国家基础科学人才培养基金、青年科学基金、地区科学基金、国家杰出青年科学基金、创新研究群体科学基金等较为完整的人才培养资助体系;完善了以科学仪器基础研究、国际合作交流拍竖镇项目、科普项目等专项构成的环境条件项目体系。

牛人荐基金——智能化榜单探索

作者：中国银行软件中心（西安）

张馨李瑞男张开乐王冰

 当前我国居民普遍缺乏基本理财知识和较成熟配置技术，影响居民的理财积极性和财富配置多元化发展。基于该背景，本文通过分析当前现状后，提出了一种基于数据驱动和人工智能的新型基金推荐算法——牛人荐基金，该算法结合居民兴趣和大数据分析，确定哪些是理财优秀的客户，从而明确了哪些客户决策信息是值得借鉴的。然后提出了牛人画像以反映基金行业整体交易趋势，并与客户心态画像配合，借助优秀客户决策行为，为小白用户提供高质量精准实时推荐。同时，本文对如何识别优秀理财客户、如何将人工智能和数据分析相结合等难点问题的解决思路进行阐述。总的来说，牛人荐基金是一种创新的基金推荐算法，可以为用户提供更好的投资建议，有望成为未来智能投资领域的重要技术之一。 

一、研究背景

自2018年资管新规发布以来，居民财富管理趋向资产配置化，投资类产品发展迅速。同时受到存款利率和理财产品收益率持续下滑影响，基金市场热度稳步攀升。中国证券投资基金业协会最新数据显示，截至2022年5月末，我国公募基金数量达到9872只，加上今年6月份新成立的135只新基金，正处于发行期的90只基金，排除6月份清盘的20只基金，截至6月份已经面市的公募基金总数量已经多达10077只，超过1万只大关，创下公募基金历史上的里程碑时刻。

近五年公募基金规模和数量统计如图1所示。

图1近五年公募基金规模和数量统计

基金规模迅猛增长，银行业的表现却不尽人意。中基协7月30日发布2022年二季度末基金代销保有量100强，虽然银行系代销规模仍在前10占据较多席位，但排名均比较靠后（具体见表1）。

表1基金代销规模

随着基金规模的增长，基金经理、各类榜单层出不穷，在海量基金中选取合适的基金已经逐渐变成客户最关注的问题，客户对个性化服务的需求也越来越高，智能化的基金推荐已成银行基金业务的必争之地。 

二、研究意义

如何让客户选到适合自己的基金，是银行基金业务发展的一个难题。而智能化的基金推荐可以通过丰富榜单和基于大数据的深度分析，为客户提供更多投资指导，从而提高银行竞争力。

2021年支付宝调查报告显示，在众多基民中能够盈利5%以上的占总基民人数的10%左右，而基金市场保持在三个月以内的基民，亏损程度达到70%。这与大部分投资者希望寻找到适合他们的资产配置，以获得又稳又多的收益之间存在着天然的矛盾。

如果我们可以通过丰富榜单和基于大数据的深度分析，解决客户基金挑选和交易难题，为客户提供更多投资指导将大大提高我们的竞争力。同时，这也是一个创新的方向，有着广阔的应用前景和商业价值。 

三、解决方案

本文通过两大发力点，解决客户基金挑选和产品配置难题，满足客户所需。

 1

**挑一，方便选

为客户提供多种挑选策略，支持对比基金经理、基金盈利指标等核心数据，也可借助大数据榜单直观参考基金市场表现。

(1)基金经理PK

俗话说选对基金经理，就选对了一半，基金是由基金经理来管理的，基金经理的投资水平直接影响到基金的业绩，而对于新发基金来说，没有历史表现业绩，用户就更需要通过基金经理来挑选新发基金。而目前市场关于基金经理的信息整合较差，而我们要做的就是通过基金经理数据，有效整合，打造基金经理专区与基金经理PK，助力客户选择。

(2)数据指标选基

随着基金种类和各项指标数据逐渐复杂且繁多，导致客户眼花缭乱，一时找不到适合自己投资的产品，这对于我们来说这既是挑战也是时机。根据目前得到的数据指标信息，我们提出了一些方案。增加基于自选指标的条件选基和指数估值专区，支持客户自主组合多个指标条件，自定义参数值，进行筛选，为客户提供可靠直观的选基建议。

(3)大数据榜单

通过丰富榜单和基于大数据的深度分析，为客户提供更多投资指导，其中大数据特色榜单有超额收益基金榜单、定投人气榜单、各主题分类的基金销售榜单、各主题分类的业绩榜单、周销量基金榜单、月销量基金榜单、新发基金日销榜单、周自选基金榜单、月自选基金榜单等榜单数据。

 2

定制化策略，帮买卖

(1)智能定投

基金定投是当前较火热的投资策略，为不熟悉资本市场，无时间和精力去挖掘市场机会的投资者设计，因平均成本降低风险而受到投资者的喜爱，包括智能买和聪明卖。智能买就是“固定时间+浮动金额”。聪明卖则为选择合适的止盈点，落袋为安。比如，

-500均线定投：根据指数过去一段时间的收盘均价和定投前一天收盘价的比值确定定投金额；

-估值比例定投：根据过去一段时间的PE平均数和定投前一天PE的比值确定定投金额；

-价值平均定投：每期存入一定金额，存入金额=目标金额-基金持仓收益；

-价值平均止盈：达到目标金额后，每期赎回超额收益；

-目标收益率止盈：达到收益率目标后，全部赎回；

-目标收益加回撤止盈：达到目标收益率之后，若最大回撤达到设定值，则进行赎回。

(2)场景定制化投资

结合投资目标与场景，覆盖客户全生命周期，予金融产品以温度，支持客户调整各类资产投资比例、设立心愿资金，自动调仓，真正解决投资难题。

投前匹配：结合客户风险等级、投资目的（养老、结婚、教育等）、投资周期、资产状况，并通过大数据完善客户画像，基于对客户和产品的足够了解，给出资产配置计划，并在此基础上为客户设立心愿定投。

投中全权委托：本服务主打自动调仓，结合大数据分析与专家决策，在服务期内自动为客户进行调仓，以便实时掌握市场动态，为客户减负。

(3)投资者陪伴教育

四、智能的困境和突围

目前，智能化的基金推荐研究十分火热，但现在业内辅助用户的理财算法大多侧重将各种基础数据交给模型进行智能分析，而忽略了对个体围绕现实世界更加丰富的基础数据做出的分析决策的利用。

这样的忽视显然是不合理的，产生的根源在于人们对智能的错误认知，习惯性期待数据驱动的智能算法可以应对所有智能分析问题，但现实是真正的智能很复杂。一方面，单靠数据驱动是不够的，比如近期陈云天等人的论文《Integrationofknowledgeanddatainmachinelearning》表明领域知识加数据驱动更加合理，除此之外，针对基金推荐场景，好的推荐智能甚至需要考虑人类不可捉摸的情绪，依赖算法很难分析这部分信息，甚至信息本身如何合理表示都是问题；另一方面，算法很难及时获取最新的政策、资讯等数据，很难模拟经验丰富的专家，当然这些数据大部分本身就无法有效地获取。

可以看到，智能的困境来源于对智能错误的认知和定位，那么只有认命了吗？不，我们虽然无法短时间克服领域知识的合理表达以及多维客观信息的获取和表示，但大道至简，有时问题的答案其实很简单。其实对于领域知识和多维信息的获取和分析就是人类擅长的，既然如此，我们直接利用人类大脑分析决策的结论，便间接地实现了这部分信息的获取、表示和分析！将分析结论作为数据，利用数据驱动模式实现算法智能，这样就将所有信息都包含进来了，智能的困境得以突破。 

五、智能基金推荐

在基金推荐场景，聚焦用户，大部分用户并不懂也没精力学习专业的理财知识和关注相关信息，如果能让用户知道和自己兴趣相关的基金产品何时应该购买和赎回，展示的信息均为客观数据的统计展示，如何理解的决定权在用户，从而在吸引用户的前提下，保证了用户对本人决策的充分认可。

针对上述问题，如何设计才能打破上述的智能突破呢？首要难点在于确定哪些信息可以代表人类大脑的基金购买决策。有句话叫做行胜于言，在基金场景，则是一个人实际申购、赎回的行为，最能反映他们的所思所想、所学所见。因此，将申购和赎回作为我们数据驱动智能算法的输入，则实现了“人工”智能。

然而不是每个人的申购、赎回都代表智慧，有的人没有经验，那么使用他的数据则会适得其反，再就是数据驱动算法如何设计才能更好利用人类的决策结果，设计出良好的基金推荐算法呢？

我们借鉴生活中学生抄作业的场景，对于某个科目作业不会写的同学，他们一定会优先选择该科目学习好的同学作为抄作业的对象，毕竟学习好意味着答案可靠，犯错的可能小。因此，如果模型能及时告诉小白用户业绩优秀的用户此时的购买和赎回情况，那么照着做一般会比较稳（如图2所示）。可以看出该模型先通过受限的人工智能分类算法识别不同类型的用户，再通过数据分析确定哪些是优秀理财的客户，从而明确了哪些客户决策信息是值得借鉴的，接着用这些决策结果支持数据驱动算法的智能分析，并得到最终决策。我们将这种基于“数据驱动+人工驱动”的新型精准实时推荐算法叫做牛人荐基金。

图2牛人荐基金精准实时推荐算法示意

 1

牛人荐基金概述

牛人荐基金算法的本质是一种人类决策加数据驱动的智能决策算法，但人类决策结果也隐藏在数据中，因此依然同传统基于纯数据驱动算法一样，需要选择合适数据支持我们的方案。

首先是用户分类需要基于分类算法识别同类用户，需要性别、年龄、居住地、是否结婚等表征用户基本属性的指标，结合理财场景，还选择了存款额度、历史理财持仓情况、基金产品风险偏好、基金产品类别偏好等金融指标，以此全方面刻画用户，综合多维度使分类结果更加有利于本场景。

其次是划定的牛人要能反应该专业的理财赚钱能力，考虑到基金收益的长期性和收益波动性，我们选取年度、半年度和季度的收益率情况，融合时间衰减思想确定权重，得到能力确实突出的牛人。

牛人智慧决策的信息应最直观反应牛人群体的理财决策结论，毕竟有句名言叫做说的“伟大的思想只有付诸行动才能成为壮举”，因此我们认为牛人群体的申购和赎回信息便最能反映他们各种惊艳的分析和想法。可以看到除了基于人工智能的用户分类，其他部分指标十分的精简，这也再次体现了算法设计上抛弃以往完全依赖数据驱动模型进行智能分析的优势。

牛人推荐算法重点模块详情如图3所示。

图3牛人推荐算法重点模块详情

 2

逻辑层级结构

结合上述的算法设计，牛人算法可分为如下三层结构。

（1）第一层：信息梳理层

牛人行为和用户行为模块确定哪些信息代表人类智慧决策，牛人确定模块指定收集部分决策信息的范围，用户分类模块则基于数据驱动的传统人工智能对数据进行分类，确保后续推荐的准确性。

（2）第二层：画像构建层

基于收集的决策信息，通过牛人画像模块的处理，实现市场情绪、当前政策、突发事件和相关行业资讯等综合指挥决策的梳理总结，通过用户画像模块的处理，将个体用户受各种外部刺激、资讯、随机事件等影响后形成的兴趣进行梳理总结，得到真实的用户实时兴趣。

（3）第三层：数据碰撞层

基于分类和基金领域，进行数据碰撞，实现将牛人画像模块总结的智慧决策建议，匹配给合适的用户。牛人推荐算法整体逻辑如图4所示。

图4牛人推荐算法整体逻辑

其中，我们基于用户多维度数据进行无监督聚类算法实现用户分类，而确定牛人的依据主要是不同阶段收益率排名加权获得，公式如图5所示。 

图5牛人定义计算公式

 3

数据层级结构

好的数据规划可以大大降低算法的实现复杂度。针对不同指标数据的全流程处理，牛人荐基金进行了分层设计（如图6所示），将全流程数据处理分为源数据层、基础公共层、应用数据层，实现如下三个目标：

一是不同业务场景互不干扰。

二是降低数据处理耦合度。

三是公共数据共享，避免多副本。

另外，源数据层提供数值化表示的人类智慧决策信息和其他数据驱动依赖的基础信息，基础公共层则一方面负责对人类智慧决策信息进行总结梳理；另一方面负责将各类数据整合，满足传统数据驱动类算法的模型要求。应用数据层则主要基于模型输出的数据和总结梳理的人类智慧决策数据进行数据碰撞，生成最终推荐策略。

图6牛人推荐算法数据层级设计结构

 4

技术实施分析

算法如何一步一步实现呢？细节决定成败，在阐述具体步骤之前，我们可以看到牛人的确定和用户类别的划分是需要随着时间及时调整的低频动作，在这里我们通过设定一个月批处理更新一次。而用户和牛人画像则需要实时流处理才能满足业务需求。

至此，整个重生流程可分为六步：一是确定“牛人”客群；二是跟踪“牛人”配置动态；三是确定用户类别；四是跟踪客户配置行为；五是生成实时理财建议；六是生成精准实时理财推荐。

由于客户基数特别大，结合上述的重生流程，可以看到方案涉及人工智能、基于大数据的离线和实时处理，我们设计架构如图7所示，通过分析用户行为信息，并将该信息传递到批处理层和实时采集层，分别进行数据驱动的算法分析和人类智慧的总结提炼，然后通过服务层再进行一次数据驱动的智能算法分析，结果则为最终的推荐建议。需要特别说明，实时采集部分的滑动窗口需要基于业务经验设置具体的长度，这个参数将直接决定推荐池的实时程度以及用户兴趣的实时程度。

图7牛人推荐算法整体架构设计

六、总结及展望

牛人荐基金的方案是将外部各类难以获取和表示的相关信息依托人类智慧进行分析，而不是所有的分析都靠数据驱动的智能算法。避免了传统模型数据获取维度不足造成的效果低下。另外，不同于其他模型多只关注推荐客户买某产品，本方案既能识别哪些基金产品用户感兴趣，也能让用户了解该产品是应该买还是卖。同时这些信息都是基于真实的牛人群体分析得到，用户对推荐结果的认可度更高，该结果也更加符合实际情况。

本次研究主要是针对推荐榜单这一典型模型进行实践落地。后续还将通过以下两个方面去持续优化。首先，建立模型自反馈机制，根据客户的行为数据动态对模型进行优化。推荐的准确性依赖于模型的调优，而模型只有变化起来才能逐步完善，后续基于大量真实数据为数据源的模型优化机制，持续提高模型准确度。其次，推广模型的适用范围，拓展场景推荐、因客推荐等更多基金推荐场景，为客户提供更多智能化投资指导。

END

前期精彩原创推荐（点击图片进入阅读）：

这是科技创新最好的时代，这是属于我们每个人最好的时代，关注“BanTech智库”，专注银行科技发展，探索无界金融生态！

【基金名单推荐([求助]5万买哪些基金好)】相关文章：