實時股票大數據

Ⅰ 大數據分析股票，有什麼好的方法

大數據只是做好宏觀經濟走向，但是落實到具體某隻股票，就顯得不那麼使用了

Ⅱ 大數據能不能預測股市

大數據對於很多的地方都是非常有用的，但是，是否也有大數據不能做到的？我覺得很多時候，大數據只能說作為一個參考的方向，並不能准確的作出判斷，或者給出答案。首先大數據是一個有科學根據的一個參考物，因為有大量的數據，有大量的參考物，所以，這件事情結果跟大數據一致的概率變得會跟大數據所統計的相差不遠，這就是我們的大數據擁有的功能。

我們的股市，說實話我以前的工作是金融方面的也接觸過股市，對於股市的話，首先影響我們股市的一些因素有哪些？從宏觀來說，像國家的一些政策調控，包括我們公司的一些政策變化，股東的一些變動，或者說我們現在在整個股市來說什麼樣的一個趨勢。

我們如果從技術層面，就是可以通過我們的一些k線圖，或者我們的一些kdj指標，很多的一些分析股票的一些指標來判斷，當然這些指標的話並不是百分之百，都是金錢。而是說這些指標，其實也就是通過一些大量的，我們以前的歷史數據，其實都是已經是歷史性的，所以總結出來的這樣一個圖案，便於我們能進行分析。

這樣一個指標的話，其實跟我們的大數據就非常的類似，我們說大數據到底能不能預測故事？這個真的不能具體的回答，因為預測這個事情也就是說對於未來的股市的一個判斷，這其實是很難的，我們很多的時候看到的都只是表面上的，大數據來說，他可以給出一個方向，或者能夠得出的結論跟未來行情的變化正確的概率是非常高的，但是我們不能百分之百肯定，他得出的結論是正確的，所以大數據他可以預測股市一個大致方向，但不不能保證他預測的是正確的，可以作為一個參考。

Ⅲ 如何利用網路上的現成大數據來進行超短線炒股

我們利用網路大數據分析技術，從互聯網上檢索最熱的關鍵詞，然後從關鍵詞中檢出相對應的股票名稱或代碼，依據各類大數據分析加權系數演算法，選出優選股。\n\n搜索指數:\n\n 搜索指數是以搜索引擎海量網民行為數據為基礎的數據分享平台，是當前互聯網乃至整個數據時代最重要的統計分析平台之一，自發布之日便成為眾多企業營銷決策的重要依據。搜索指數能夠告訴用戶：某個關鍵詞在搜索引擎上的搜索規模有多大，一段時間內的漲跌態勢以及相關的新聞輿論變化，關注這些詞的網民是什麼樣的，分布在哪裡，同時還搜了哪些相關的詞。例如index..com \n\n新聞熱度:\n\n 10大新聞網站的財經頻道每天都在報道上市企業和市場情況，爬蟲根據財經首頁的頁面進行板塊和行業等數據進行分析熱門股票近日的曝光率。\n\n評論喜好:\n\n 股民喜歡在股吧和貼吧進行評論，爬蟲根據網民發貼的情緒化詞彙進行判斷，出現負面詞彙如不文明用語時，進行必要的扣分等操作。\n\n自選股關注度:\n\n 軟體對用戶自選股進行統計，關注人數高的股票自然會被納入熱門股票之列。\n\n資金流向:\n\n 軟體即時跟蹤股票的資金流向，特別關注莊家的大資金流向，對其拉升等動作進行大數據判斷。\n\n圖形分析：\n\n 軟體對圖形分析做了較多的大數據資料，並加入了自我學習的能力，如判斷歷史上的黃金坑，判斷雙底，計算斜率等。\n\n綜合動能：\n\n 除了以上指標，軟體還結合傳統的MACD＼KDJ等數據，按不同的指標進行打分，最終得出動能分。然後即時對高分股票按歷史數據進行判斷，推薦出最合適的股票供用戶參考，當動能衰減時則會被沽出。\n\n\n\n 將軟體停留在在倉界面，會自動更新股股價及進行買賣指令的操作。\n\n\n\n

Ⅳ 大數據相關概念股票有哪些

1、拓爾思（ 300229 ）。北京拓爾思信息技術股份有限公司是第一家在A股上市的大數據技術企業，公司資產近20億元人民幣。

公司已在全國主要中心城市設立了分公司或辦事處。自主研發的TRS系列產品和服務已被國內外4000多家企業級機構客戶廣泛使用，在中國非結構化中文信息智能應用軟體市場的佔有率位居第一。大數據技術領先，長期價值凸顯，大數據處理技術業內領先，技術完善產品市場空間廣闊。

2、科華恆盛（ 002335 ）。廈門科華恆盛股份有限公司成立於1999年，是一家以研究電力電子技術為核心的高科技企業，是中國本土最大的高端UPS電源製造商與提供商。

科華定位「數據中心基礎設施解決方案提供商」，在中大型數據中心市場打破外資壟斷優勢，實現高端突破。即使2016年占數據中心市場10%份額，也有2倍以上成長空間。

3、萬達信息（ 300168 ）。萬達信息是以公共事務為核心的城市信息化領域的軟體和服務提供商，依託在大型應用軟體開發、復雜系統集成和先進軟體架構等方面的領先水平，公司已發展成為國內城市信息化領域的領先企業。

4、榕基軟體（ 002474 ）。榕基軟體成立於1993年10月，2007年10月整體改制變更為股份有限公司。公司專注於發展軟體產品的開發和銷售、計算機系統集成及技術支持和服務業務，是行業內取得資質和認證種類最齊全、等級最高的企業之一。

5、太極股份（政務雲服務及政務大數據服務優質運營商）

6、漢得信息（智能製造應用軟體服務商）

7、啟明星辰（信息安全龍頭企業，核心客戶集中於黨政軍領域，全面布局城市級安全運營中心）

Ⅳ 什麼是大數據概念股票中國A股有哪些大數據概念股

英國作家菲利普？鮑爾（Philip Ball）在《預知社會：群體行為的內在法則》一書闡述了一種觀點，即個體行為是無法預知的，但當個體數量達到一定程度時，群體行為往往會表現出一定規律，通過統計物理和生物化學中的種種自然規律，可大致預知社會群體行為的運行法則。
數年來這個困惑一直存在。不久前，IBM技術創新全球副總裁伯納德？梅耶森博士（Dr.Bernard S.Meyerson）的一篇演講令筆者產生了醍醐灌頂之感。
梅耶森博士在演講中表示，
這是個很誘人的話題。早在原始社會時期，能比常人早知道天氣變化規律，用於指導生產勞作，就有可能成為部落巫師甚至是首領。而巫師未必真具有法力，或許只是比常人掌握了更高層次的知識而已，同時利用了這種信息判斷能力的不對稱。之後算命這個行當經久不息，也大致繼承於此。而當代社會熱衷的分析預測，不過也是巫師算命的行當罷了。可以說，任何成功的預測，都是基於對大量有效信息的掌握和准確分析。
基於大數據的智慧產業的重要意義在於，可以更准確地把握市場需求和預測社會群體行為，在此基礎上優化各個產業企業環節的生產效率，並以此提升整個社會的生產力。
人類從狩獵到耕種，是利用了土地資源升級了社會生產力；進入工業時代，是利用機器解放了人類的雙手升級了社會生產力；電子通信和互聯網的出現，大大提升了全球資訊的使用效用，並以此進一步提升了社會生產力。在經歷了2008年金融危機後，在歐債危機的影響下，下一個產業升級出自於哪裡眾說紛紜，而智慧產業很可能成為下一個產業革命的關鍵。
以工業企業為例，對於社會信息的有效掌握和分析，有助於企業准確把握市場下一個熱點或趨勢，降低創新過程中的失敗概率，也有助於提升企業在市場營銷和銷售過程中的效率，避免泛廣告投放的效率低下。反之，作為消費者，也會更有效率地找到自己想要的商品。現在網購平台構建的你可能喜歡的產品功能，就是這種效率提升的初級應用。
大數據產業鏈有很多環節，未來都可能面臨較大的發展機遇。首先，信息數據產生將會是第一個環節。
信息的產生很好理解，比如，現在公眾每天使用的互聯網和無限通訊，即時通訊、微博、手機電話、簡訊、彩信甚至是每一個互聯網點擊（通過點擊習慣可以分析經常瀏覽某類網站，喜歡某類商品，以及上網時間等使用習慣），都是數據的產生。現在數據產生最多的領域是物聯網，根據IBM的分析，上網人數和手機人數在過去最多是2-5倍的增長，而物聯網上連接設備的數量在過去5年增加了2000倍。上述領域擁有大量的數據，企業可以依靠這些數據，或進行分析自我提升效率，或出售這些數據（當然，前提是不涉及個人私密信息的數據）給專業分析機構。其次，信息數據的大量產生需要存儲。
存儲設備領域的增長潛力同樣不容忽視。雖然存儲設備是整個產業鏈中技術含量最少的，同時發展空間也可能沒有其他子行業充滿想像力，但卻可能是增長最穩定的子行業。再次，信息數據需要採集整理。
這個環節是整個大數據產業鏈的最末端，也可能是最具技術含量和產業附加值的子行業。任何數據不經過分析這一環節，都無法落實到實際應用。而且，在同樣的數據面前，誰分析出的結果最有效，將決定誰才是真正的大數據智能產業領跑者。
因此，挖掘A股上市公司中的
大數據概念股
（在中國大數據成熟之前，相信會有不少個股僅屬於概念股）顯得至關重要。
在國金證券、中信證券和光大證券等研究機構的報告中，確實有不少上市公司被列入大數據關注標的。這三家機構選出的標的有：
超圖軟體、科大訊飛、拓爾思、漢得信息、太極股份、用友軟體、東方國信、久其軟體、廣聯達、大智慧、四維圖新、威創股份、衛士通、天璣科技、遠光軟體、美亞柏科、恆泰艾普、華勝天成等。
中國大數據時代還剛剛開啟，上述這些上市公司中，誰是真正的大數據受益股，誰壓根就想不到進入大數據領域，又或者誰真正擁有大數據所需的技術優勢，還得是騾子是馬拉出來溜溜。
不過，在大數據浪潮下，相信上述上市公司中會有真正的受益者脫潁而出，但究竟是誰這需要投資者密切跟蹤和下功夫研究了。

Ⅵ 如何用大數據炒股

我們如今生活在一個數據爆炸的世界裡。網路每天響應超過60億次的搜索請求，日處理數據超過100PB，相當於6000多座中國國家圖書館的書籍信息量總和。新浪微博每天都會發布上億條微博。在荒無人煙的郊外，暗藏著無數大公司的信息存儲中心，24小時夜以繼日地運轉著。
克托·邁爾-舍恩伯格在《大數據時代》一書中認為，大數據的核心就是預測，即只要數據豐富到一定程度，就可預測事情發生的可能性。例如，「從一個人亂穿馬路時行進的軌跡和速度來看他能及時穿過馬路的可能性」，或者通過一個人穿過馬路的速度，預測車子何時應該減速從而讓他及時穿過馬路。

那麼，如果把這種預測能力應用在股票投資上，又會如何？

目前，美國已經有許多對沖基金採用大數據技術進行投資，並且收獲甚豐。中國的中證廣發網路百發100指數基金（下稱百發100），上線四個多月以來已上漲68%。

和傳統量化投資類似，大數據投資也是依靠模型，但模型里的數據變數幾何倍地增加了，在原有的金融結構化數據基礎上，增加了社交言論、地理信息、衛星監測等非結構化數據，並且將這些非結構化數據進行量化，從而讓模型可以吸收。

由於大數據模型對成本要求極高，業內人士認為，大數據將成為共享平台化的服務，數據和技術相當於食材和鍋，基金經理和分析師可以通過平台製作自己的策略。

量化非結構數據

不要小看大數據的本領，正是這項剛剛興起的技術已經創造了無數「未卜先知」的奇跡。

2014年，網路用大數據技術預測命中了全國18卷中12卷高考作文題目，被網友稱為「神預測」。網路公司人士表示，在這個大數據池中，包含互聯網積累的用戶數據、歷年的命題數據以及教育機構對出題方向作出的判斷。

在2014年巴西世界盃比賽中，Google亦通過大數據技術成功預測了16強和8強名單。

從當年英格蘭報社的信鴿、費城股票交易所的信號燈到報紙電話，再到如今的互聯網、雲計算、大數據，前沿技術迅速在投資領域落地。在股票策略中，大數據日益嶄露頭角。

做股票投資策略，需要的大數據可以分為結構化數據和非結構化數據。結構化數據，簡單說就是「一堆數字」，通常包括傳統量化分析中常用的CPI、PMI、市值、交易量等專業信息；非結構化數據就是社交文字、地理位置、用戶行為等「還沒有進行量化的信息」。

量化非結構化就是用深度模型替代簡單線性模型的過程，其中所涉及的技術包括自然語言處理、語音識別、圖像識別等。

金融大數據平台-通聯數據CEO王政表示，通聯數據採用的非結構化數據可以分為三類：第一類和人相關，包括社交言論、消費、去過的地點等；第二類與物相關，如通過正在行駛的船隻和貨車判斷物聯網情況；第三類則是衛星監測的環境信息，包括汽車流、港口裝載量、新的建築開工等情況。

衛星監測信息在美國已被投入使用，2014年Google斥資5億美元收購了衛星公司Skybox，從而可以獲得實施衛星監測信息。

結構化和非結構化數據也常常相互轉化。「結構化和非結構化數據可以形象理解成把所有數據裝在一個籃子里，根據應用策略不同相互轉化。例如，在搜索頻率調查中，用戶搜索就是結構化數據；在金融策略分析中，用戶搜索就是非結構化數據。」網路公司人士表示。

華爾街拿著豐厚薪水的分析師們還不知道，自己的僱主已經將大量資本投向了取代自己的機器。
2014年11月23日，高盛向Kensho公司投資1500萬美元，以支持該公司的大數據平台建設。該平台很像iPhone里的Siri，可以快速整合海量數據進行分析，並且回答投資者提出的各種金融問題，例如「下月有颶風，將對美國建材板塊造成什麼影響？」

在Kensho處理的信息中，有80%是「非結構化」數據，例如政策文件、自然事件、地理環境、科技創新等。這類信息通常是電腦和模型難以消化的。因此，Kensho的CEO Daniel Nadler認為，華爾街過去是基於20%的信息做出100%的決策。

既然說到高盛，順便提一下，這家華爾街老牌投行如今對大數據可謂青睞有加。除了Kensho，高盛還和Fortress信貸集團在兩年前投資了8000萬美元給小額融資平台On Deck Capital。這家公司的核心競爭力也是大數據，它利用大數據對中小企業進行分析，從而選出值得投資的企業並以很快的速度為之提供短期貸款。

捕捉市場情緒

上述諸多非結構化數據，歸根結底是為了獲得一個信息：市場情緒。

在采訪中，2013年諾貝爾經濟學獎得主羅伯特•席勒的觀點被無數采訪對象引述。可以說，大數據策略投資的創業者們無一不是席勒的信奉者。

席勒於上世紀80年代設計的投資模型至今仍被業內稱道。在他的模型中，主要參考三個變數：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。他認為，市場本身帶有主觀判斷因素，投資者情緒會影響投資行為，而投資行為直接影響資產價格。
然而，在大數據技術誕生之前，市場情緒始終無法進行量化。

回顧人類股票投資發展史，其實就是將影響股價的因子不斷量化的過程。

上世紀70年代以前，股票投資是一種定性的分析，沒有數據應用，而是一門主觀的藝術。隨著電腦的普及，很多人開始研究驅動股價變化的規律，把傳統基本面研究方法用模型代替，市盈率、市凈率的概念誕生，量化投資由此興起。

量化投資技術的興起也帶動了一批華爾街大鱷的誕生。例如，巴克萊全球投資者（BGI）在上世紀70年代就以其超越同行的電腦模型成為全球最大的基金管理公司；進入80年代，另一家基金公司文藝復興（Renaissance）年均回報率在扣除管理費和投資收益分成等費用後仍高達34%，堪稱當時最佳的對沖基金，之後十多年該基金資產亦十分穩定。

「從主觀判斷到量化投資，是從藝術轉為科學的過程。」王政表示，上世紀70年代以前一個基本面研究員只能關注20隻到50隻股票，覆蓋面很有限。有了量化模型就可以覆蓋所有股票，這就是一個大的飛躍。此外，隨著計算機處理能力的發展，信息的用量也有一個飛躍變化。過去看三個指標就夠了，現在看的指標越來越多，做出的預測越來越准確。

隨著21世紀的到來，量化投資又遇到了新的瓶頸，就是同質化競爭。各家機構的量化模型越來越趨同，導致投資結果同漲同跌。「能否在看到報表數據之前，用更大的數據尋找規律？」這是大數據策略創業者們試圖解決的問題。

於是，量化投資的多米諾骨牌終於觸碰到了席勒理論的第三層變數——市場情緒。

計算機通過分析新聞、研究報告、社交信息、搜索行為等，藉助自然語言處理方法，提取有用的信息；而藉助機器學習智能分析，過去量化投資只能覆蓋幾十個策略，大數據投資則可以覆蓋成千上萬個策略。

基於互聯網搜索數據和社交行為的經濟預測研究，已逐漸成為一個新的學術熱點，並在經濟、社會以及健康等領域的研究中取得了一定成果。在資本市場應用上，研究發現搜索數據可有效預測未來股市活躍度（以交易量指標衡量）及股價走勢的變化。

海外就有學術研究指出，公司的名稱或者相關關鍵詞的搜索量，與該公司的股票交易量正相關。德國科學家Tobias Preis就進行了如此研究：Tobias利用谷歌搜索引擎和谷歌趨勢（Google Trends），以美國標普500指數的500隻股票為其樣本，以2004年至2010年為觀察區間，發現谷歌趨勢數據的公司名稱搜索量和對應股票的交易量，在每周一次的時間尺度上有高度關聯性。也就是說，當某個公司名稱在谷歌的搜索量活動增加時，無論股票的價格是上漲或者下跌，股票成交量與搜索量增加；反之亦然，搜索量下降，股票成交量下降。以標普500指數的樣本股為基礎，依據上述策略構建的模擬投資組合在六年的時間內獲得了高達329%的累計收益。

在美國市場上，還有多家私募對沖基金利用Twitter和Facebook的社交數據作為反映投資者情緒和市場趨勢的因子，構建對沖投資策略。利用互聯網大數據進行投資策略和工具的開發已經成為世界金融投資領域的新熱點。

保羅·霍丁管理的對沖基金Derwent成立於2011年5月，注冊在開曼群島，初始規模約為4000萬美元， 2013年投資收益高達23.77%。該基金的投資標的包括流動性較好的股票及股票指數產品。
通聯數據董事長肖風在《投資革命》中寫道，Derwent的投資策略是通過實時跟蹤Twitter用戶的情緒，以此感知市場參與者的「貪婪與恐懼」，從而判斷市場漲跌來獲利。

在Derwent的網頁上可以看到這樣一句話：「用實時的社交媒體解碼暗藏的交易機會。」保羅·霍丁在基金宣傳冊中表示：「多年以來，投資者已經普遍接受一種觀點，即恐懼和貪婪是金融市場的驅動力。但是以前人們沒有技術或數據來對人類情感進行量化。這是第四維。Derwent就是要通過即時關注Twitter中的公眾情緒，指導投資。」

另一家位於美國加州的對沖基金MarketPsych與湯普森·路透合作提供了分布在119個國家不低於18864項獨立指數，比如每分鍾更新的心情狀態（包括樂觀、憂郁、快樂、害怕、生氣，甚至還包括創新、訴訟及沖突情況等），而這些指數都是通過分析Twitter的數據文本，作為股市投資的信號。

此類基金還在不斷涌現。金融危機後，幾個台灣年輕人在波士頓組建了一家名為FlyBerry的對沖基金，口號是「Modeling the World（把世界建模）」。它的投資理念全部依託大數據技術，通過監測市場輿論和行為，對投資做出秒速判斷。

關於社交媒體信息的量化應用，在股票投資之外的領域也很常見：Twitter自己也十分注重信息的開發挖掘，它與DataSift和Gnip兩家公司達成了一項出售數據訪問許可權的協議，銷售人們的想法、情緒和溝通數據，從而作為顧客的反饋意見匯總後對商業營銷活動的效果進行判斷。從事類似工作的公司還有DMetics，它通過對人們的購物行為進行分析，尋找影響消費者最終選擇的細微原因。

回到股票世界，利用社交媒體信息做投資的公司還有StockTwits。打開這家網站，首先映入眼簾的宣傳語是「看看投資者和交易員此刻正如何討論你的股票」。正如其名，這家網站相當於「股票界的Twitter」，主要面向分析師、媒體和投資者。它通過機器和人工相結合的手段，將關於股票和市場的信息整理為140字以內的短消息供用戶參考。

此外，StockTwits還整合了社交功能，並作為插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平台，讓人們可以輕易分享投資信息。

另一家公司Market Prophit也很有趣。這家網站的宣傳語是「從社交媒體噪音中提煉市場信號」。和StockTwits相比，Market Prophit更加註重大數據的應用。它採用了先進的語義分析法，可以將Twitter里的金融對話量化為「-1（極度看空）」到「1（極度看多）」之間的投資建議。網站還根據語義量化，每天公布前十名和後十名的股票熱度榜單。網站還設計了「熱度地圖」功能，根據投資者情緒和意見，按照不同板塊，將板塊內的個股按照顏色深淺進行標注，誰漲誰跌一目瞭然。

中國原創大數據指數

盡管大數據策略投資在美國貌似炙手可熱，但事實上，其應用尚僅限於中小型對沖基金和創業平台公司。大數據策略投資第一次被大規模應用，應歸於中國的百發100。

網路金融中心相關負責人表示，與歐美等成熟資本市場主要由理性機構投資者構成相比，東亞尤其是中國的股票類證券投資市場仍以散戶為主，因此市場受投資者情緒和宏觀政策性因素影響很大。而個人投資者行為可以更多地反映在互聯網用戶行為大數據上，從而為有效地預測市場情緒和趨勢提供了可能。這也就是中國國內公募基金在應用互聯網大數據投資方面比海外市場並不落後、甚至領先的原因。

百發100指數由網路、中證指數公司、廣發基金聯合研發推出，於2014年7月8日正式對市場發布，實盤運行以來一路上漲，漲幅超過60%。跟蹤該指數的指數基金規模上限為30億份，2014年9月17日正式獲批，10月20日發行時一度創下26小時瘋賣18億份的「神話」。

外界都知道百發100是依託大數據的指數基金，但其背後的細節鮮為人知。

百發100數據層面的分析分為兩個層面，即數據工廠的數據歸集和數據處理系統的數據分析。其中數據工廠負責大數據的收集分析，例如將來源於互聯網的非結構化數據進行指標化、產品化等數據量化過程；數據處理系統，可以在數據工廠遞交的大數據中尋找相互統計關聯，提取有效信息，最終應用於策略投資。

「其實百發100是在傳統量化投資技術上融合了基於互聯網大數據的市場走勢和投資情緒判斷。」業內人士概括道。

和傳統量化投資類似，百發100對樣本股的甄選要考慮財務因子、基本面因子和動量因子，包括凈資產收益率（ROE）、資產收益率（ROA）、每股收益增長率（EPS）、流動負債比率、企業價值倍數（EV/EBITDA）、凈利潤同比增長率、股權集中度、自由流通市值以及最近一個月的個股價格收益率和波動率等。

此外，市場走勢和投資情緒是在傳統量化策略基礎上的創新產物，也是百發100的核心競爭力。接近網路的人士稱，市場情緒因子對百發100基金起決定性作用。

網路金融中心相關負責人是羅伯特•席勒觀點的支持者。他認為，投資者行為和情緒對資產價格、市場走勢有著巨大的影響。因此「通過互聯網用戶行為大數據反映的投資市場情緒、宏觀經濟預期和走勢，成為百發100指數模型引入大數據因子的重點」。

傳統量化投資主要著眼點在於對專業化金融市場基本面和交易數據的應用。但在網路金融中心相關業務負責人看來，無論是來源於專業金融市場的結構化數據，還是來源於互聯網的非結構化數據，都是可以利用的數據資源。因此，前文所述的市場情緒數據，包括來源於互聯網的用戶行為、搜索量、市場輿情、宏觀基本面預期等等，都被網路「變廢為寶」，從而通過互聯網找到投資者參與特徵，選出投資者關注度較高的股票。

「與同期滬深300指數的表現相較，百發100更能在股票市場振盪時期、行業輪動劇烈時期、基本面不明朗時期抓住市場熱點、了解投資者情緒、抗擊投資波動風險。」網路金融中心相關負責人表示。

百發100選取的100隻樣本股更換頻率是一個月，調整時間為每月第三周的周五。

業內人士指出，百發100指數的月收益率與中證100、滬深300、中證500的相關性依次提升，說明其投資風格偏向中小盤。

但事實並非如此。從樣本股的構成來說，以某一期樣本股為例，樣本股總市值6700億元，佔A股市值4.7%。樣本股的構成上，中小板21隻，創業板4隻，其餘75隻樣本股均為大盤股。由此可見，百發100還是偏向大盤為主、反映主流市場走勢。

樣本股每個月的改變比例都不同，最極端的時候曾經有60%進行了換倉。用大數據預測熱點變化，市場熱點往往更迭很快；但同時也要考慮交易成本。兩方面考慮，網路最後測算認為一個月換一次倉位為最佳。

樣本股對百發100而言是核心機密——據說「全世界只有基金經理和指數編制機構負責人兩個人知道」——都是由機器決定後，基金經理分配給不同的交易員建倉買入。基金經理也沒有改變樣本股的權利。

展望未來，網路金融中心相關負責人躊躇滿志，「百發100指數及基金的推出，只是我們的開端和嘗試，未來將形成多樣化、系列投資產品。」

除了百發100，目前市場上打著大數據旗幟的基金還有2014年9月推出的南方-新浪I100和I300指數基金。

南方-新浪I100和I300是由南方基金、新浪財經和深圳證券信息公司三方聯合編制的。和百發100類似，也是按照財務因子和市場情緒因子進行模型打分，按照分值將前100和前300名股票構成樣本股。推出至今，這兩個指數基金分別上漲了10%左右。

正如百發100的市場情緒因子來自網路，南方-新浪I100和I300的市場情緒因子全部來自新浪平台。其中包括用戶在新浪財經對行情的訪問熱度、對股票的搜索熱度；用戶在新浪財經對股票相關新聞的瀏覽熱度；股票相關微博的多空分析數據等。

此外，阿里巴巴旗下的天弘基金也有意在大數據策略上做文章。據了解，天弘基金將和阿里巴巴合作，推出大數據基金產品，最早將於2015年初問世。

天弘基金機構產品部總經理劉燕曾對媒體表示，「在傳統的調研上，大數據將貢獻於基礎資產的研究，而以往過度依賴線下研究報告。大數據將視野拓展至了線上的數據分析，給基金經理選股帶來新的邏輯。」

在BAT三巨頭中，騰訊其實是最早推出指數基金的。騰訊與中證指數公司、濟安金信公司合作開發的「中證騰安價值100指數」早在2013年5月就發布了，號稱是國內第一家由互聯網媒體與專業機構編制發布的A股指數。不過，業內人士表示，有關指數並沒有真正應用大數據技術。雖然騰訊旗下的微信是目前最熱的社交平台，蘊藏了大量的社交數據，但騰訊未來怎麼開發，目前還並不清晰。

大數據投資平台化

中歐商學院副教授陳威如在其《平台戰略》一書中提到，21世紀將成為一道分水嶺，人類商業行為將全面普及平台模式，大數據金融也不例外。

然而，由於大數據模型對成本要求極高，就好比不可能每家公司都搭建自己的雲計算系統一樣，讓每家機構自己建設大數據模型，從數據來源和處理技術方面看都是不現實的。業內人士認為，大數據未來必將成為平台化的服務。

目前，阿里、網路等企業都表示下一步方向是平台化。

螞蟻金服所致力搭建的平台，一方麵包括招財寶一類的金融產品平台，另一方麵包括雲計算、大數據服務平台。螞蟻金服人士說，「我們很清楚自己的優勢不是金融，而是包括電商、雲計算、大數據等技術。螞蟻金服希望用這些技術搭建一個基礎平台，把這些能力開放出去，供金融機構使用。」

網路亦是如此。接近網路的人士稱，未來是否向平台化發展，目前還在討論中，但可以確定的是，「網路不是金融機構，目的不是發產品，百發100的意義在於打造影響力，而非經濟效益。」
當BAT還在摸索前行時，已有嗅覺靈敏者搶佔了先機，那就是通聯數據。

通聯數據股份公司（DataYes）由曾任博時基金副董事長肖風帶隊創建、萬向集團投資成立，總部位於上海，公司願景是「讓投資更容易，用金融服務雲平台提升投資管理效率和投研能力」。該平台7月上線公測，目前已擁有130多家機構客戶，逾萬名個人投資者。

通聯數據目前有四個主要平台，分別是通聯智能投資研究平台、通聯金融大數據服務平台、通聯多資產投資管理平台和金融移動辦公平台。

通聯智能投資研究平台包括雅典娜-智能事件研究、策略研究、智能研報三款產品，可以對基於自然語言的智能事件進行策略分析，實時跟蹤市場熱點，捕捉市場情緒。可以說，和百發100類似，其核心技術在於將互聯網非結構化數據的量化使用。

通聯金融大數據服務平台更側重於專業金融數據的分析整理。它可以提供公司基本面數據、國內外主要證券、期貨交易所的行情數據、公司公告數據、公關經濟、行業動態的結構化數據、金融新聞和輿情的非結構化數據等。

假如將上述兩個平台比作「收割機」，通聯多資產投資管理平台就是「廚房」。在這個「廚房」里，可以進行全球跨資產的投資組合管理方案、訂單管理方案、資產證券化定價分析方案等。

通聯數據可以按照主題熱點或者自定義關鍵字進行分析，構建知識圖譜，將相關的新聞和股票提取做成簡潔的分析框架。例如用戶對特斯拉感興趣，就可以通過主題熱點看到和特斯拉相關的公司，並判斷這個概念是否值得投資。「過去這個搜集過程要花費幾天時間，現在只需要幾分鍾就可以完成。」王政表示。

「通聯數據就好比一家餐館，我們把所有原料搜集來、清洗好、准備好，同時准備了一個鍋，也就是大數據存儲平台。研究員和基金經理像廚師一樣，用原料、工具去『烹制』自己的策略。」王政形容道。

大數據在平台上扮演的角色，就是尋找關聯關系。人類總是習慣首先構建因果關系，繼而去倒推和佐證。機器學習則不然，它可以在海量數據中查獲超越人類想像的關聯關系。正如維克托`邁爾-舍恩伯格在《大數據時代》中所提到的，社會需要放棄它對因果關系的渴求，而僅需關注相互關系。

例如，美國超市沃爾瑪通過大數據分析，發現颶風用品和蛋撻擺在一起可以提高銷量，並由此創造了頗大的經濟效益。如果沒有大數據技術，誰能將這毫無關聯的兩件商品聯系在一起？
通聯數據通過機器學習，也能找到傳統量化策略無法發現的市場聯系。其中包括各家公司之間的資本關系、產品關系、競爭關系、上下游關系，也包括人與人之間的關系，例如管理團隊和其他公司有沒有關聯，是否牽扯合作等。

未來量化研究員是否將成為一個被淘汰的職業？目前研究員的主要工作就是收集整理數據，變成投資決策，而之後這個工作將更多由機器完成。

「當初醫療科技發展時，人們也認為醫生會被淘汰，但其實並不會。同理，研究員也會一直存在，但他們會更注重深入分析和調研，初級的數據搜集可以交給機器完成。」王政表示。
但當未來大數據平台並廣泛應用後，是否會迅速擠壓套利空間？這也是一個問題。回答根據網上資料整理

Ⅶ 大數據概念股票的基本介紹

大數據（BigData）是繼物聯網、雲計算、移動互聯網之後又一個熱門科技概念。目前無統一說法。根據維基網路的定義，它是指無法在可承受的時間范圍內用常規軟體工具進行捕捉、管理、處理的數據集合。從產業角度，常常把這些數據與採集它們的工具、平台、分析系統一起被稱為「大數據」。

Ⅷ 炒股App 大數據丟在風口上的蛋

炒股App：大數據丟在風口上的蛋

盡管炒股App處於剛剛勃興階段，但業內幾乎在短時間內迅速就其產品模式達成了共識——將交易與交流相結合，組建日常化的投資社區。在此之下，不同背景與定位的炒股App開始探索各自的商業模式，謀求符合自己的生存之道 ...

據媒體報道，與2007年「大牛市」不同，2014年以來的大牛市伴隨移動互聯網的蓬勃發展，特別是微信、移動新聞客戶端等加快了信息傳播速度。2007年時，股票投資者還需要在同花順、大智慧等PC客戶端瀏覽行情；而今，幾十個乃至近百個新式炒股App蓬勃而生，為無數趕赴牛市的「85後」新生代投資者提供參考。

一場以炒股App尋找全新App增長點的創投熱情，更在四五月間股市的「牛氣沖天」中，被極度釋放，進而又在6月末的一連串股市大跌之中，被非議無數。作為已經不再熱門的App創業中的一支奇葩，在股市的風口上，炒股App到底能夠走多遠？

社交應用的股票定製版？

在有關提到此次炒股App熱的媒體報道中，常有一段話，專門用來解析過去主要應用於PC的炒股軟體和當下應用於手機的炒股App的區別：「盡管炒股App處於剛剛勃興階段，但業內幾乎在短時間內迅速就其產品模式達成了共識——將交易與交流相結合，組建日常化的投資社區。在此之下，不同背景與定位的炒股App開始探索各自的商業模式，謀求符合自己的生存之道。」

如果翻譯成更為淺顯的話語，可以理解為這些炒股App的基礎架構頗類似微信、微博之類的社交應用，一些炒股達人則成為這一社交應用之中的微信公眾號或者微博大V。當然，草根股民也可以用朋友圈，發表一下自己對股市的看法。

這樣的平台架構，其實在技術上已經沒有多少難度可言，因此，其快速爆發的效率可以用「扎堆」來形容。據6月22日中國之聲《新聞晚高峰》報道：「任意一個App Store，與『炒股』相關的新式App有幾十至近百個之多，包括公牛炒股、優顧炒股、短線放大器、投資堂等。」而火爆程度呢？「網路指數也顯示，近一個月內關鍵詞『炒股軟體』的搜索指數整體同比上升了834%，移動端同比上升超1000%。」

如此紅火的炒股App勢頭，它真正和過去大智慧、同花順這樣的PC客戶端相比，當然並不僅僅是炒股社交化如此簡單。以2011年就上線的炒股App股票雷達為例，其創始人馮月就坦言：在做法上，股票雷達要求投資者都必須公布自己的投資記錄，形成交易數據公開；通過一定時間內的收益排名數據比較自動推出「股票高手」，允許用戶跟著高手投資。一旦關注某個高手後，平台會自動向投資者發送該高手倉位實時變化消息。憑借「有跡可循」和「跟單交易」的新穎模式，股票雷達很快就吸引了首批用戶，截至目前，股票雷達實盤日交易額已經有幾億元，股票雷達團隊也已突破100人。

這被馮月稱之為是一種大數據的呈現，而真正對於股民來說，這其實就是一個實時的操作指南。這是以往大智慧、同花順等老牌股票應用，主要提供一些股票推薦和相關資訊所不能及的。

據《深市新開戶個人投資者學歷分析報告》顯示，在2014年初到2015年3月31日之間的新開戶投資者中，30歲以下人群佔比達到37.7%。這一批在互聯網土壤上生長起來的「85後」股市小白用戶，跟著帶頭大哥混的思維邏輯就是他們炒股的剛性需求。

一個前度玩家的新游戲

對於炒股App和過去的炒股軟體的區別，筆者有一個更為形象的比方，後者其實就是一款單機游戲，而大智慧們提供的各種資訊，則是股票這款游戲的玩家們，在一個封閉的小房子里，獨自專研著屬於自己的游戲攻略。你其實是一個人在戰斗。個人在股市裡摸爬滾打的長期經驗和對信息的分析研判能力，將為一次又一次通關，增加一些成功的砝碼。

而前者，則是一款網路游戲，面對全新的關卡，一個新手往往頓時迷失了方向，如果沿用過去的方法，去研究游戲攻略，學費高、課程長、見效慢。但在社交平台上，可以有另一個選擇，跟著有經驗的老前輩、股票高手們一起，去開荒撈點戰利品。當然，這依然不能保證通關，但至少這是擺在還不太懂股市的「票友」們最簡單粗暴的炒股賺錢方式。

其實，這兩種模式之間，是有過渡階段的，即在2007年上一輪牛市期間，在博客平台上一度躍紅的那些薦股牛人，包括曾被譽為中國第一博後又因為詐騙罪而入獄的「帶頭大哥777」。所不同的是，這個中間階段的過渡平台，依然延續著那些專家薦股、炒股達人的神話，加上信息的不透明性和僅僅為推薦而非真正實時操盤，而備受詬病。

這就涉及一個所謂盈利模式的話題。即前代產品如大智慧、同花順的盈利模式，其實最主要的還是作為一個平台，協助股民瀏覽行情、獲取資訊、完成交易，並收取金融信息服務費用和少量的廣告費用。這種其實還停留在過去「賣產品」的服務模式和股票門戶平台的定位，在越來越海量的信息數據爆炸下，也越來越不合時宜，也更加地向摸爬滾打股海多年的重度股民方向發展，也使得其業績一直表現乏力。5月的媒體報道中，一位分析師則對騰訊財經表示，大智慧一向擅長給資本市場講故事，但其主業一直陷於巨額虧損，商業模式不可持續。

反之走「跟高手炒股」概念的股票雷達、雪球等炒股App，則以反專業化的面目出現，即用「高手」這一概念，以及自己平台對大量碎片化信息數據的分析並簡化成買進賣出的量化結果，讓小白用戶可以快速賺錢，並迅速地為自己的平台聚集起人氣。「人氣就是入口」，對於移動互聯網的App們來說，有了人氣，並用真正能賺到錢來黏住用戶，盈利模式總會有的。到6月，據稱股票雷達和雪球上的日均活躍用戶數接近100萬，對於一款「網路游戲」來說，社區的內容貢獻問題、高手數量、跟隨的小弟資源，均已盤活了。

只是，在大牛市下，怎麼炒都容易賺錢，矛盾不易爆發。但萬一熊了呢？

大數據！一個有關預測的局

萬一熊了，能不能真正讓小白用戶「跟高手炒股」賺到錢，就成為決定App黏合度的最終關鍵，為此，有志於炒股App的各路英雄，包括BAT們，都祭出了同一張牌——大數據。

騰訊早在2012年就推出了「自選股」App，在其社交領域基礎上打造「股票圈」；網路今年2月上線了選股App網路股市通，主推智能選股。阿里則在5月牽手第一財經，將第一財經專業的財經資訊、投研報告內容，通過支付寶「股市行情」埠直接抵達3億支付寶用戶。

在某種意義上，騰訊的「自選股」頗為類似上述草根創業的炒股App，阿里則以更為專業和標准化生產採集的第一手資訊和服務壓過傳統炒股軟體大智慧們一頭。兩大巨頭的切入角度，均是以自己最優勢而競爭對手難以山寨的平台力量，可謂刁鑽，但尚不具備顛覆力量；而最具典範意義的則是網路的股市通，其號稱基於網路每天數億量級的政經類搜索數據和數百萬新聞資訊信息，通過專業的數據挖掘和分析技術，將新聞信息、搜索數據與股票建立起相應的關系，以信息的熱度變化來實時分析股票市場的變動。

簡言之，就是通過信息流的快速變化得出一個漲跌的大數據結論，這個大數據優勢，只有網路具備，其原理頗為類似早前網路推出依託區域面積內使用網路地圖的人數而形成的景區熱力圖，來幫助出行人士選擇到底是看人海還是看風景。這一基於大數據和人工智慧技術的「智能選股」服務，據其統計數據顯示，上線3個月以來，網路股市通應用大數據推出的熱點有685個。如果以每個熱點的關聯股票作為一個組合，平均倉位以當日開盤價買入，第二天開盤價賣出計算，有78%的熱點題材股票是上漲的，且日均漲幅達到1.7%。如果按照A股1年240個交易日計算，年復利收益在理論上達到56倍。

但這依然只是一個理論化的模型，其特點也僅僅是用數據的力量來分析海量信息流，跳過股民不關心的分析過程而直接導出一個預測結果，與「跟高手炒股」的區別，也主要在於一個是以演算法來預測，一個則更多依靠經驗來預測。

且「跟高手炒股」目前也在探索一種經驗型大數據的解決方案，如股票雷達等，也在考慮除了供應大量信息和訂閱高手動態的方式之外，對信息數據以及高手們的實時動態，而形成一系列預測結果，甚至介入中信證券、廣發證券、國金證券、方正證券、國聯證券等老牌券商，以形成更具指導力的結果，供小白用戶直接選擇。

怎麼樣的大數據分析方案，其實都只是各個入局炒股App根據自身優勢與特點，對「真正能為小白客戶實現簡化投資」這一結果而找尋的出路，但真正能否預測到結果呢？正如抽樣調查只能為選舉結果提供參考系一樣，僅僅來自於某些領域的大數據，其實也只是一個較大的參考系，而非全量的數據分析，其參考價值更大，但也僅僅只是參考，是更無限接近真相的一個預測。

股市有風險，投資需謹慎。這句話同樣適用於炒股App們，能否在牛市和熊市的不同階段保持對用戶的黏合性，能否總是保持正確，很重要。而這其中，除了科學的大數據參考外，還有那麼一絲賭博的味道。

以上是小編為大家分享的關於炒股App 大數據丟在風口上的蛋的相關內容，更多信息可以關注環球青藤分享更多干貨

Ⅸ 大數據概念股票龍頭股票有哪些

大數據概念一共有100家上市公司，其中22家大數據概念上市公司在上證交易所交易，另外78家大數據概念上市公司在深交所交易。
根據雲財經智能題材挖掘技術自動匹配，大數據概念股的龍頭股最有可能從以下幾個股票中誕生
海量數據、
三聯虹普、
東方國信。

Ⅹ 點掌大數據里的個股數據真實可靠嗎

之前我也有過和你現在同樣的疑問，我還專門花了點時間，對點掌他們家的數據做過檢查，但沒發現問題，數據還是非常實時和精確的。不得不說點掌製作的那些數據圖，用來查看股票數據變化真的方便多了。