股票大數據時代破解版

『壹』 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

『貳』 新三板大數據商業應用第一股」

新三板大數據商業應用第一股」

2015年8月12日，HCR慧辰資訊成功掛牌新三板(股票代碼：833309)，成為國內新三板大數據商業應用第一股!備受各界關注的背後，是長期困擾大數據領域的一道難題：大數據到底怎麼樣變現?誰能真正撬動這個「千億市值」的數據產業!

2012年，隨著數據統計單位從TB級躍升至PB級別，大數據時代全面到來，而雲計算等技術的實現，進一步揭開了數字化商業時代的帷幕。大數據時代，每家公司都在創造著大量結構化和非結構化的數據。而未來的每一筆生意都將是數據的生意。面對海量數據帶來的信息爆炸，如何利用，挖掘，深入洞察數據的價值成為每家企業實際面臨的考驗。雖然大數據帶來的「金礦」就擺在眼前，但是如何真正「掘金大數據」卻成為擺在每家企業面前的難題。

l大數據變現真正的難題到底在哪裡呢?

挑戰一:缺少深入行業的數據洞察能力

面對海量的數據信息，並不能真正的轉化為對企業或社會有價值的「數據資產」只有深度洞察數據背後的價值，才能使數據為企業的決策、發展提供支持。很多企業受困於數據本身，擁有大量時間跨度久遠、內容形式多樣、體量龐大的沉睡數據，缺乏數據洞察的技術實力和分析能力，數據沒有轉化為資產，反而變為負擔。

挑戰二：無法真正打通數據孤島

我們可以看到在真實的世界裡，各個行業間的信息在不同的交互過程中，為我們呈現了一個真實立體的世界，從而在企業決策、營銷、產品等各個層面提供了信息支持。而在大數據的世界中，我們是通過「數字化」來高效、深度的洞察真實世界的各種形態，發掘數據背後的價值。而現階段，數據領域存在著行業間的壁壘，我們面對著一個個擁有海量數據信息的「孤島」，在異構數據的獲得上存在著不足，只有真正打通行業間的數據孤島，支撐起立體的信息解構體系，「大數據的變現能力」才會獲得根本上的解放，實現飛躍的增長。

挑戰三：大數據產業生態圈還未完整建立

在互聯網、移動互聯網推動的大潮下，中國的新經濟領域獲得了將近20年的快速增長期，信息時代與創新技術，共同催生了大數據時代的到來。但是整體產業生態圈建立還處於初期階段，大數據領域的上下游企業還處於成長中，產業鏈遠未發展成熟，距離良性的自成長體系發展尚待時日。這也會成為延緩大數據領域全面商業化運作的客觀原因。

挑戰四：不容忽視的資本助推力量

隨著中國經濟進入「非常態」，各行業也從「產業資本時代」逐步邁入「金融資本時代」。資本在行業發展中的杠桿效應急劇增加。正確運用資本的力量，將為一個行業贏得一日千里的發展契機。大數據行業作為一個有著億萬級規模的市場，擁有產業鏈上下游的眾多企業，但是也由於規模龐大，企業數量眾多，同時又是一個相對專業的領域，無形中也為資本市場的進入設置了一定的門檻兒，投融資機構對於產業的了解還需要一定的時間，而大量初創及小型企業，會面臨比較多的來自資金方面的壓力，一定程度上也延緩了整體行業快速，有序，健康迭代的發展步伐。

HCR將從根本上解決大數據的變現之道

戰略一：深度服務行業大客戶，實現數據資產的商業應用變現

HCR慧辰資訊作為中國最早一批的研究咨詢機構，成立於1993年，在22年的發展歷程中，HCR擁有超過30個細分領域的行業研究經驗，深度服務於各領域的國際、國內500強大型企業。一路發展至今，以堅實的研究實力，通過合資、並購等方式不斷吸納研究領域的眾多知名機構，加深HCR整體研究實力的儲備，2008年與美國鄧白氏成立合資公司，2012年與領先研究公司DNA公司合並，2013年開始，通過合資並購等多種方式先後吸納包括慧思拓、QGroup、慧馳、資道網路在內的大數據研究領域眾多優秀團隊加盟。

在接下來的5年時間中，我們將借力行業研究的深度積累，作為大數據領域的「深入洞察者」，綜合運營最新的大數據挖掘技術，以及自身大量的專業研究所具備的深入性行業認知能力，幫助各行業中的大型企業真正有效的實現大數據的應用價值。將大小數據深度結合，解決結構化數據與非結構化數據的銜接，幫助各垂直領域的行業大型企業用好數據資產，創造出深層價值。實現大數據在傳統領域的商用之路。

圖-1 @HCR大數據

戰略二：建立大數據應用交易平台，打通數據孤島

HCR將傾力打造大數據領域的「雲平台」戰略。用開放共享的互聯網精神匯聚長尾大數據，打通大數據孤島，真正實現跨行業、跨領域的異構數據共享。最大化數據變現的商業前景。

HCR將憑借自身的研究實力，投入建設基礎數據層，通過結構化數據平台，逐步打造跨行業的大數據雲平台。同時面向各類信息挖掘、開發應用的中小企業，建立「研究開發者雲平台」，通過共享、合作的方式深入到各細分領域的商業應用層。實現跨行業、跨領域的大數據應用交易平台，真正實現天下沒有難用的數據。

圖-2 @HCR大數據

戰略三：構建大數據生態體系，實現行業的全面升級

「復利」號稱人類歷史上的第八大奇跡，信息時代引爆了整個產業的冪次方增長模式，在未來「數據資產」將成為幫助企業實現冪次方增長最強勁的動力源。

HCR是國內最早步入資本市場的獨立第三方數據洞察公司，深諳資本運營之道，早在1993年隨慧聰網赴香港上市，2008年與美國鄧白氏公司合資，登陸NYSE，繼2011年完成管理層的MBO後，2013年獲得達晨創投單筆5000萬融資，創下業內最大單筆融資記錄。在一次次資本市場的青睞背後，是對HCR深厚的行業研究積累和技術為核心的數據洞察及研究實力的認可。

此次HCR 作為國內「新三板大數據商業應用第一股」!將站在新的資本市場的平台上，藉助資本的力量，幫助更多深耕大數據領域的公司實現數據資產化，建立圍繞大數據領域的金融增值服務體系，在全新起點，全面構建大數據生態體系。

HCR將借力資本的力量，結合自身在大數據領域的研究實力和積累，服務於整個大數據產業鏈，構建完善的大數據生態體系，打通上、中、下游企業，建立大數據領域的良性循環體系，服務於大數據領域的大、中、小型公司。

首先，通過金融增值服務體系的打造，扶持大數據各垂直細分領域的初創型企業，為他們提供數據、資本、技術層面的支持，共同打造大數據領域的創新、創業沃土，支持技術創新和數據領域的各類重度垂直應用的發展。相信下一個「獨角獸」必然誕生於大數據領域。

其次，基於HCR在行業研究中的長期積累，我們將幫助有一定積累的中型企業系統性的搭建符合自身業務需求的大數據體系，實現數據資產的良性循環。圍繞「數據應用」建立培訓、咨詢體系;幫助企業實現長效的數據應用，進行專業化和系統化的數據應用培訓。包括企業的總體體系設計、全景數據模型的建立、業務實際的應用和管理。

同時，面對大型企業，提供深度的數據洞察服務，加速企業數據資產的商用之路。

圖-3 @HCR大數據

「心懷猛虎，細嗅薔薇」偉大公司誕生於純真的理想

偉大的公司通常都是誕生於純真的理想。Google希望天下人都能便捷的找到信息，阿里巴巴希望天下的企業都能方便的實現生意，企鵝的願景是方便的連接。我們看到，確實因為以上公司的存在，讓我們的生活和工作更便捷了。

今天，HCR站在了新的資本市場的平台上，懷著一個純真而樸素的理想，那就是：幫助天下的企業和個人把數據用起來。讓天下的企業和個人不再有找不到的數據和不會用的數據。

HCR積累了大量的給大客戶服務數據洞察的經驗，知道大客戶怎麼用好數據的，也知道去哪裡搜集數據，如何清理等等。因此，HCR應該義不容辭的承擔起來幫助天下企業和個人會用數據這樣的使命，盤活「數據」資產，喚醒沉睡的數據價值，讓無數的企業和個人在大數據的指導下，高效的成長，大大提升整個社會的效率。HCR將秉承我們一貫的開放、共享、成長的理念，用我們五化理念：合夥人化、證劵化、產業化、互聯網化和國際化來落實我們的純真夢想，一步一步做到幫助天下的企業用好數據，共享千億市值!

以上是小編為大家分享的關於新三板大數據商業應用第一股」的相關內容，更多信息可以關注環球青藤分享更多干貨

『叄』 基於微信大數據的股票預測研究

基於微信大數據的股票預測研究
大數據是近些年來的熱門話題，無論國際上還是國內，影響很大。經濟學、政治學、社會學和許多科學門類都會發生巨大甚至是本質上的變化和發展，進而影響人類的價值體系、知識體系和生活方式。而全球經濟目前生成了史無前例的大量數據，如果把每天產生的大量數據比作神話時期的大洪水是完全正確的，這個數據洪流是我們前所未見的，他是全新的、強大的、當然，也是讓人恐慌但又極端刺激的。
而我所分享的話題，正是在互聯網環境下，如何利用大數據技術，進行股票預測的研究。–今天，我想分享我認為有意義的四點。
1.大數據下的商業預測
根據大數據，我們可以有效地進行故障、人流、流量、用電量、股票市場、疾病預防、交通、食物配送、產業供需等方面的預測。而本文我們所關心的內容是股票市場的預測。
大數據的核心是預測，預測依賴於對數據的分析。那麼分析的方法是否是基於隨機采樣的結果而設計的，這樣的分析方法是否會有誤差？
從傳統認識上，由於資源和科技的局限，如人和計算資源受限、從計算機處理能力來講無法處理全部數據來獲取人們所關注的結果。因此隨機采樣應運而生，通過所選取的個體來代表全體，如使用隨機抽取的方式來使得推論結果更科學。但既然提到了大數據，它是資源發展到一定程度、以及技術發展到一定階段產生的一個新的認識。如同電力的出現，使人類進入了一個快速發展階段，大數據也一樣，它的含義是全體樣本，從整體樣本來做推論。在本文大數據的含義是所有股票在整個社交網路上的流動信息，從數據源上講，本文沒有採用所有社交網路上的數據，只分析了微信這個最具代表性的社交媒體作為信息源。
互動數據能反映用戶情緒，搜索數據能反映用戶的關注點和意圖，在股市預測時這兩種數據哪種更具有參考價值？
我認為都有價值，互動數據反映了用戶對某一特定股票的喜好和厭惡，可以簡單描述為對該股票的操作是繼續持有還是賣出；而搜索數據則代表用戶在收集該股票信息的過程，它是關注度的概念，某隻股票搜索度高則意味著消息的影響力大。互動代表著方向，搜索代表著振幅。
我們知道這兩種數據得出的結論會有差異，您是如何平衡這兩種數據反映的情況來進行預測的？
正如上一個問題里提到的，如果是股票推薦，買進賣出等原則問題，則應該考慮互動數據，但如果已經買到手了，搜索數據可以提供一個幅度的概念，類似債券評級A級、AA級、AAA級等，供投資者參考，因為不同投資者對風險的承受度是不同的。
將股票和市場的消息整理成140字的短消息發布，是否意味著主要發布渠道是微博？現在微信公眾號很火，有沒有考慮通過這個渠道也發布消息？
事實上，信息傳播的方式很多，微信作為新媒體當然影響力不容小覷，但目前技術投入最小的還是郵件、簡訊等方式，未來會考慮使用公眾號來推送股票和市場消息。
如果在未來通過微信公眾號推送消息，那麼推送的消息會不會作為數據來源被再次採集？這會有多大的影響？
會被採集，但互聯網上的每日關於個股的信息數量會達到很大，該推送會增加推薦股票1點權重，每隻股票的權重成百上千，因此影響極小。
數據來源是微信公眾號，除了准確性的考慮之外，是否還考慮過這樣收集數據會較少觸犯個人隱私？
從法律角度來看，搜索微信或其他個人聊天記錄，是侵犯個人隱私權的，因此如果騰訊開放了這樣的介面，每個公民都可以對這樣的行為進行投訴、抗議、甚至進行法律起訴直至其改正過錯、賠償損失的。
這樣是否意味著即使存在違法的行為，其結果也是由騰訊來承擔，而我們作為數據的使用方不需要承擔任何法律責任？
在整個社會，我們作為系統技術提供方，應恪守大數據的倫理道德，遵守國家法律，如侵犯個人隱私，系統不會採集，谷歌有一句座右銘「谷歌不作惡」，本文提到的系統也一樣。
2.基於大數據進行股票推薦實驗
股票的及時度反應了微信文章所發布的時效性，及時度越高，數據價值就越大。
股票的熱度反應了當前某隻股票被關注的頻度，關注頻度越大，上漲的可能性越高。

數據的完整性：我們採用循環的方式對所有深滬兩地發行約2236隻股票（創業版除外）在微信搜索網站上的搜索結果進行保存。
數據的一致性：文件格式由負責保存數據文件的程序決定，單一的流程保障了文件的一致性。
數據的准確性：由於所分析的訂閱號文章的是由微信公共平台的公眾號所提供，在一定程度上杜絕了虛假消息對於預測系統的破壞。
數據的及時性：考慮到磁碟讀寫以及採集程序所處的網路帶寬，以及搜索引擎對於採集程序的屏蔽，程序中採集兩條信息之間間隔了5秒，因此理論上11180秒（3.1個小時）可收集完當日推薦所需要的數據。對於每個交易日，在9點-9點30分之間採集所有數據，需要7台以上的設備可達到最佳效果。本次試驗受限於試驗設備，在一台設備上，交易日每天早六時開始進行數據採集，也滿足及時性要求。
數據分析：查看三個高優先順序的股票，該股票當日的開盤價與收盤價，再與當日（2015-4-8）上證綜指進行比較，可得在收益上該演算法是優於上證綜指為樣本的整體股票的股價差收益的。
實驗結論：按照上述方式，系統每天推薦出當日股票，在開盤時進行買進，在第二個交易日進行賣出。經過一個月21個交易日（2015-3-1至2015-3-31），系統的收益為20%/月。通過微信搜索公眾號來預測市場走勢和投資情緒呈現出正相關性，因此可以作為股票甄選的因子。
3.股票預測的大數據發展趨勢
網路數據分成三種：
一是瀏覽數據，主要用於電商領域的消費者行為分析，瀏覽數據反映了用戶每一步的訪問腳步，進一步刻畫出用戶的訪問路徑，分析不同頁面的跳轉概率等。
二是搜索數據，主要指搜索引擎記錄的關鍵詞被搜索頻次的時間序列數據，能反映數億用戶的興趣、關注點、意圖。
三是互動數據，主要是微博、微信、社交網站的數據，反映用戶的傾向性和情緒因素。
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。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。
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。
對於搜索數據：互聯網搜索行為與股票市場的關聯機理。這個研究屬於行為金融與互聯網的交叉領域，其原理是：股票量價調整是投資者行為在股票市場上的反應；與此同時，投資者行為在互聯網搜索市場也有相應地行為跡象，我們要做到是：找到互聯網搜索市場中領先於股票交易的行為指標，綜合眾多投資者的先行搜索指標，對未來的股票交易做出預判。
如同天氣預報那樣，不斷優化模型、灌入海量信息，然後給出結果。並且在處理的信息中，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。採用了語義分析法，可以將互動數據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，通過分析互動數據的數據文本，作為股市投資的信號。
4.正在發生的未來
大數據並不是一個充斥著演算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的將來。
大數據在實用層面的影響很廣泛，解決了大量的日常問題。大數據更是利害攸關的，它將重塑我們的生活、工作和思維方式。在某些方面，我們面臨著一個僵局，比其他劃時代創新引起的社會信息范圍和規模急劇擴大所帶來的影響更大。我們腳下的地面在移動。過去確定無疑的事情正在受到質疑。大數據需要人們重新討論決策、命運和正義的性質。擁有知識曾意味著掌握過去，現在則意味著能夠預測未來。
大數據並不是一個充斥著演算法和機器的冰冷世界，其中仍需要人類扮演重要角色。人類獨有的弱點、錯覺、錯誤都是十分必要的，因為這些特性的另一頭牽著的是人類的創造力、直覺和天賦。這提示我們應該樂於接受類似的不準確，因為不準確正是我們之所以為人的特徵之一。就好像我們學習處理混亂數據一樣，因為這些數據服務的是更加廣大的目標。必將混亂構成了世界的本質，也構成了人腦的本職，而無論是世界的混亂還是人腦的混亂，學會接受和應用他們才能得益。
我相信，利用基礎數據、搜索數據、互動數據再進行加權計算，可以對所有股票進行大數據遴選，從而給出投資建議。我認為，我們的肉身剛剛步入大數據時代，但我們的精神還滯留在小數據、采樣思維之中，率先用理性擊碎固有思維的人，也將率先獲得大數據帶來的益處。

『肆』 什麼是大數據，大數據時代有哪些趨勢

行業主要上市公司：易華錄(300212)、美亞柏科(300188)、海量數據(603138)、同有科技(300302)、海康威視(002415)、依米康(300249)、常山北明(000158)、思特奇(300608)、科創信息(300730)、神州泰岳(300002)、藍色游標(300058)等

本文核心數據：大數據產業鏈、產業規模、應用市場結構、競爭格局、發展前景預測等

產業概況

1、定義：大數據產業覆蓋范圍廣

根據中國信通院發布的《大數據白皮書》，大數據產業是以數據及數據所蘊含的信息價值為核心生產要素，通過數據技術、數據產品、數據服務等形式，使數據與信息價值在各行業經濟活動中得到充分釋放的賦能型產業。不同機構對大數據的定義也有所不同，具體如下：

2、產業鏈剖析：大數據產業鏈龐大

大數據產業鏈覆蓋范圍廣，上游是基礎支撐層，主要包括網路設備、計算機設備、存儲設備等硬體供應，此外，相關雲計算資源管理平台、大數據平台建設也屬於產業鏈上游;

大數據產業中游立足海量數據資源，圍繞各類應用和市場需求，提供輔助性的服務，包括數據交易、數據資產管理、數據採集、數據加工分析、數據安全，以及基於數據的IT運維等;

大數據產業下游則是大數據應用市場，隨著我國大數據研究技術水平的不斷提升，目前，我國大數據已廣泛應用於政務、工業、金融、交通、電信和空間地理等行業。

大數據產業上游基礎設施具體包括IT設備、電源設備、基礎運營商及其他設備，相關代表企業華為、中興通訊、艾默生、三大運營商等。

中游大數據領域可以細分為數據中心、大數據分析、大數據交易與大數據安全等子行業，相關代表企業包括寶信軟體、數據港、久其軟體、拓爾思、上海數據交易中心、貴陽大數據交易所與華雲數據等。

在下游應用市場，我國大數據應用范圍正在快速向各行各業延伸，除發展較早的政務大數據、交通大數據外，在工業、金融、健康醫療等眾多領域大數據應用均初見成效。

產業發展歷程：十年來大數據產業高速增長，信息智能化程度得到顯著提升

我國大數據產業布局相對較早，2011年，工信部就把信息處理技術作為四項關鍵技術創新工程之一，為大數據產業發展奠定了一定的政策基礎。自2014年起，「大數據」首次被寫進我國政府工作報告，大數據產業上升至國家戰略層面，此後，國家大數據綜合試驗區逐漸建立起來，相關政策與標准體系不斷被完善，到2020年，我國大數據解決方案已經發展成熟，信息社會智能化程度得到顯著提升。

產業政策背景：優化升級數字基礎設施，鼓勵大數據產業發展

2014年，大數據首次寫入政府工作報告，大數據逐漸成為各級政府關注的熱點，政府數據開放共享、數據流通與交易、利用大數據保障和改善民生等概念深入人心。此後國家相關部門出台了一系列政策，鼓勵大數據產業發展。

當前，隨著5G、雲計算、人工智慧等新一代信息技術快速發展，信息技術與傳統產業加速融合，數字經濟蓬勃發展，數據中心作為各個行業信息系統運行的物理載體，已成為經濟社會運行不可或缺的關鍵基礎設施，在數字經濟發展中扮演至關重要的角色。數據中心作為大數據產業重要的基礎設施，其快速發展極大程度地推動了大數據產業的進步。在2021年3月發布的「十四五」規劃中，大數據標准體系的完善成為發展重點。

產業發展現狀

1、行業整體情況：大數據產業規模維持高速增長 主要應用於金融和政府領域

——大數據產業規模：2021年超過800億元

近年來我國大數據行業取得快速發展，賽迪CCID統計，我國大數據市場規模由2019年的619.7億元增長至2021年的863.1億元，復合年增長率達到18.0%，大數據市場規模包含了大數據相關硬體、軟體、服務市場收入。

——大數據市場結構：產業整體以大數據服務為主，應用領域以金融和政府領域為主

從產業結構來看，目前，我國的大數據產業進入高質量發展階段，大數據軟體和大數據服務的需求開始不斷提升，大數據硬體佔比有所下降但仍占據主導地位，

CCID統計，2021年我國大數據市場結構中，大數據硬體、大數據軟體和大數據服務的市場佔比分別為40.5%、25.7%和33.8%。近幾年大數據硬體的佔比在逐漸下降，大數據軟體和大數據服務的佔比在逐步提高。未來我國大數據軟體和服務市場相比硬體市場將呈現更好的發展態勢。

從應用領域來看，大數據分析產品及服務已經從最早的為電信領域客戶提供經營分析、為銀行領域客戶提供風控管理等輔助性經營決策，發展到目前的為金融、電信、政府、互聯網、工業、健康醫療、電力等多個行業領域客戶提供預測性分析、自主與持續性分析等，以實現企業決策與行動最優化。大數據分析產品及服務應用已經十分廣泛，但由於各下游領域業務特點的不同，決定了其對大數據分析產品及服務的具體需求存在一定差異。

CCID統計，2021年我國大數據分析市場下遊行業中，金融、政府、電信和互聯網位居應用領域前四名，市場佔比分別為19.1%、16.5%、15.2%和13.9%，合計超過60%;其他重點應用領域主要包括健康醫療、交通運輸、工業、電力等。

2、細分市場一：金融大數據

——金融大數據需求：金融業務規模不斷擴大，帶動大數據需求提升

從金融領域需求來看，近年來，中國金融領域業務規模不斷擴大，其中中國銀行業金融機構不斷積極擁抱金融科技，推動數字化轉型，整體行業規模擴大;保險業和證券業的收入也隨著市場經濟的發展而提升。

近年來，隨著新一代信息技術加速突破應用，以移動金融、互聯網金融、智能金融等為代表的金融新業態、新應用、新模式正蓬勃興起，我國金融業開始步入一個與信息社會和數字經濟相對應的數字化新時代，金融數字化轉型成為金融行業轉型發展的焦點。2019年，人民銀行印發《金融科技發展規劃(2019-2021年)》，構建起金融科技「四梁八柱」的頂層設計，明確了金融科技發展方向和任務、路徑和邊界。2022年1月，人民銀行再次發布《金融科技發展規劃(2022-2025年)》明確提出，從戰略、組織、管理、目標、路徑以及考評等方面將金融數字化打造成金融機構的「第二發展曲線」。隨著金融業務規模不斷擴大，加之新一代信息技術的發展，大數據在金融領域的需求將不斷提升。

——金融大數據應用場景

過去幾年，金融大數據帶來了重大的技術創新，為行業提供了便捷、個性化和安全的解決方案。目前，中國金融大數據典型的應用場景包括股票洞察、欺詐檢測和預防、風險分析與金融服務領域。

3、細分市場二：政府大數據

——政府大數據需求：互聯網政務服務用戶規模不斷提升

從政府領域需求來看，根據中國互聯網路信息中心(CNNIC)發布的第49次《中國互聯網路發展狀況統計報告》數據顯示，互聯網政務服務發展展現出了巨大潛能。截至2021年12月，我國互聯網政務服務用戶規模達9.21億，較2020年12月增長9.2%，占網民整體的89.2%。「十四五」規劃綱要提出要「推進網路強國建設，加快建設數字經濟、數字社會、數字政府，以數字化轉型整體驅動生產方式、生活方式和治理方式變革」。2021年，我國各省市積極探索、持續推進互聯網政務服務建設發展，努力提升公共服務、社會治理等數字化、智能化水平。截至2021年11月，全國已有20多個省(區、市)相繼出台數字政府建設的有關規劃，為我國互聯網政務服務發展注入新的活力。

——政府大數據應用場景

中國政府大數據主要應用於信息共享、政務數據管理、城市網路管理與社會管理幾大領域。加強電子政務建設，管理好政府的數據資產，完善政府決策流程，將是未來數年大數據在公共管理領域發展的重要方向。大數據將對政府部門的精細化管理和科學決策發揮重要作用，從而提高政府的服務水平。輿情監測、交通安防、醫療服務等將是公共管理領域重點應用領域。

4、細分市場三：互聯網大數據

——互聯網大數據需求：互聯網行業規模不斷提升

在人工智慧、雲計算、大數據等信息技術和資本力量的助推和國家各項政策的扶持下，2021年，互聯網和相關服務業發展態勢平穩向好。企業業務收入和營業利潤保持較快增長;互聯網平台服務和數據業務實現快速發展，信息服務收入較快增長;多省份保持增長態勢。2021年我國規模以上互聯網和相關服務企業完成業務收入15500億元，同比增長21.2%。

2022年上半年，我國規模以上互聯網和相關服務企業完成互聯網業務收入7170億元，同比增長0.1%。

註：2021年及以前年份，規模以上互聯網和相關服務企業，指獲得《增值電信業務經營許可證》在中國大陸境內經營全國或區域性增值電信業務、上年度互聯網業務收入500萬元及以上的企業。2022年，規模以上互聯網和相關服務企業口徑由互聯網和相關服務收入500萬元以上調整為2000萬元及以上。

——互聯網大數據應用場景

在互聯網行業，除了社交、B2C業務之外，像在線音視頻業務、廣告監測、精準營銷等等，也是未來潛在應用場景。

產業競爭格局

1、區域競爭：中國大數據企業主要分布在華南和華東沿海地區

根據企查貓數據，截止2022年9月23日，全國大數據產業中「存續」及「在業」的企業多集中分布在華南和華東沿海地區。其中，廣東省的大數據企業最多。

2、企業競爭：技術領域創新和經驗是關鍵，融合應用領域行業龍頭更能獲得青睞

根據大數據產業聯盟調研和發布的2022大數據企業投資價值百強榜單來看，榜單共選取了10個細分領域，涉及大數據基礎軟體、數據治理與分析、數據安全、商業智能、營銷大數據5個通用領域，以及政府大數據、金融大數據、工業大數據、健康醫療大數據、空間地理信息大數據5個融合應用領域。

大數據基礎軟體、數據治理與分析、數據安全、數據可視化等，是所有細分行業應用場景的基礎支撐，體現了大數據技術價值和作用。在這些細分領域提供技術解決方案的企業中，技術創新能力較強、在各自的細分領域有較長時間技術積累的廠商是投資機構的關注重點。

政府大數據、金融大數據發展相對成熟，落地實踐案例多和品牌知名度高的企業受市場關注程度較高。工業大數據、健康醫療大數據、空間地理信息大數據等市場仍處於待爆發階段，在各自細分領域建立競爭優勢的企業容易獲得投資機構的青睞。

註：2022年大數據企業投資價值百強榜是從企業估值/市值、營收狀況、創新投入、產品競爭力、細分市場潛力、領導層能力等多個維度進行綜合評比，同時結合行業專家打分，評選出2022年度大數據領域最具投資價值的100家企業。

產業發展前景：大數據將繼續保持高速增長

大數據作為新一代信息技術的重要標志，對生產製造、流通、分配、消費活動以及經濟運行機制、社會生活方式和國家治理能力均產生重要影響。伴隨國家快速推動數字經濟、數字中國、智慧城市等發展建設，未來大數據行業對經濟社會的數字化創新驅動、融合帶動作用將進一步增強，應用范圍將得到進一步拓寬，大數據市場也將保持持續快速的增長態勢。預計2027年我國大數據市場規模將達到2930.9億元，未來六年復合年增長率為22.6%。

更多本行業研究分析詳見前瞻產業研究院《中國大數據產業發展前景與投資戰略規劃分析報告》。

『伍』 利用大數據炒股會賺嗎

隨著科學技術的發展，現在很多炒股軟體都可以方便快捷地找到上市公司的關鍵數據。用大數據分析找出大股東的持倉成本，就等於看到了經銷商的底牌。購買價格接近或低於市場平均持倉成本。利潤機會越大，安全系數越高。

因為大數據分析人們的常識性需求或一些習慣性行為，只能通過多次或多次發生的常見行為事件找出一些規律。上述行為事件是相對固定時間或基本需求或習慣的單一行為的結果。作為股東，沒有人能夠預測未來。我們不否認這一點。然而，很少有人會否認每個人都可以回顧歷史。我們不知道未來會上升還是下降。我們不知道如何波動。然而，如果一個好故事講得很辛苦，說書人肯定會得到好處。粉絲越多，他得到的好處就越多。