大数据告诉你:"推倒"式拉票,赢不了新财富_数据分析师
推倒几个基金经理,能赢新财富吗?要入榜新财富,平均需要获得至少720张选票支持。我们且以2013年第十一届新财富最佳分析师评选为例进行分析。
“为了xcf,今年我已经和俩人上过床了,这才是刚刚开始。夜深人静总会想起那个刚入行时的小姑娘,懵懂充满着向往,一去不复返。”这是今年匿名社交软件无秘上的爆料,比这更让人心酸的是,第一条评论说 “靠得住吗?保证会投吗?”
就算投了,这样拉票,也没有用啊,亲!
2013年的评选中,得票分数最高的是国泰君安证券[微博]房地产研究小组(孙建平、李品科、丁明、温阳),他们这个团队的得分高达15457.74。
这是一个相当惊人的数字。在去年的参选规则中,一张投票对应的最高权重是3,一张选票最多只能给孙建平贡献15分(投其第一名计5分,第二名4分,第三名3分,第四名2分,第五名1分)。而一万五千多分意味着什么呢?如果按所有投孙建平的都是评他为第一名、且权重为3来算的话,就是至少有1030张票投给了他。这当然是最极端的情形,如果按每张票平均权重2、且都投第一名来计算,也有1545张票投给他。实际投票的情形要复杂得多,由于各张票的权重不同,投票打的名次不一,但最保守的估计,也有不低于1545张选票选择了孙建平。
做出这个集体决定的,是高度分散的市场投资者。在经过严格审核之后,2013年新财富发放了近2400张最佳分析师选票,分布在多达600余家机构中,包括77家公募基金管理公司、全国社保基金理事会、99家保险/保险资产管理公司、74家证券公司、136家私募基金、22家银行、23家信托公司、23家财务公司、122家QFII、35家海外投资机构。
孙建平的成功,是在2400张选票中,争取到了不低于1545张投票,他的得票率超过64%,而2013年房地产行业的整体得票率是84%,也就是说,给房地产行业打分的选票中,有至少76%的选票选了孙建平。而且这一数字还是保守估计。
都说入榜新财富就能一夜暴富,为什么?因为入榜者的观点能覆盖并影响到市场绝大部分资金掌舵者,根据统计,这些机构投资者管理的资产规模合计达数万亿元。从公募基金到私募基金、证券、信托、财务公司等各种团体,如果孙建平不是切切实实为他们创造了正价值,他们会自发做出这样高度统一的选择吗?
有评论认为,新财富是资本圈的奥斯卡,也不乏“新财富是国内最公正,最类似于美国大选的民主选票”的褒奖。民主的基础在于投票的群体够资格、样本数量够大,是他们一票一票,选出了市场的宠儿,并清除纠正了非正当拉票的噪音。
2014年的新财富最佳分析师评选,投票群体进一步扩容,870余家机构的2700多位投资者投票,且由新财富酷鱼APP投出,进一步杜绝了“搞定一个老总,就能拿到几十张选票”的可能。没有什么力量,能操纵这个市场。
每年新财富投票季,最不缺的,就是各种拉票秀。娱人娱己,小编其实天生“看热闹不嫌事儿大”,碰到平时没日没夜做研究、到了收获季节吆喝一声“请为我投上一票”的分析师,觉得那都是光明正大,值得大大点赞。要刷多存在感,拼文采、拼智慧、拼身段也无可厚非。
但是。。。江湖上,最轰动的。。永远是“今天又推倒了一个基金经理,好累”这样的桥段,它们没有出处、没有主角,如幽灵般闪烁在10月资本圈的屏幕上,不忘例行挂上“为了新财富”的名号。小编能把这当成一个反向的表扬吗?
只是,就算是为了新财富,这样有用吗?从最无情的数学逻辑来看,就算真有这种事,推倒一个基金经理,他有权重3,且不瞒你不负你给你投个第一名,满打满算能拿上15分,要到猴年马月才能把自己推上新财富榜单?
且不说1万5千分的高度,仅仅入榜新财富,也不那么简单。2013年所有入榜新财富的分析师,最终平均得分为7208.87。如果以此作为入榜门槛,假设平均投票权重为2的话,就算投你的都给你打第一名,也需要至少720张选票(7208÷2÷5),这样一个数字,是不可能靠非正当拉票就能达成的。那个“送了100部IPAD,上了新财富”的段子,同样也是经不起推敲的。
不能入榜新财富不要紧,明年再战,但放了段子出来毁人三观还孜孜不倦,你就不对了。要赢,必须凭平时下的功夫说话。
其实最最简单的逻辑,如果把分析师评选当成一年一度的期末考试,平时无作为、临时抱佛脚的人或许可以侥幸拿分,但绝无可能赢到巅峰!
我们欢迎真实的情感式拉票,欢迎“80/90后非主流”这样让人耳目一新的研究,甚至在充满噱头的旗袍秀的题图下,发布的也是研报代表作而非主角三围。但今后,请不要用“推倒”的秘闻来侮辱市场的智商了。
数据分析咨询请扫描二维码
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21