海量數據股票趨勢分析

㈠ 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

㈡ 大數據概念股是哪些,大數據概念龍頭股公司詳細名單

:大數據概念股：
就主題投資而言，"大數據"概念2012年有望成為具有較強沖擊力的新主題，大數據概念實際上是從海量數據有效利用的角度對雲計算、物聯網等概念的綜合，更加准確地抓住了雲計算、物聯網的本質，以數據處理和數據中心建設與運維為主要業務的公司是最為貼切的投資標的。
"大數據"產業鏈條包含了從數據生成、數據存儲、數據處理和數據展示等多個環節。完整的生態系統還應當包括大數據處理結果的應用。
"大數據"時代更多的商機來自於應用，我們認為國內企業有機會獲得較大的發展空間。與大數據相關的投資標的有以下幾類。
第一類是與海量數據的存儲和處理相關的公司，關注拓爾思、美亞柏科、恆泰艾普、潛能恆信、天澤信息。
第二類是與數據中心建設與運營維護相關的公司，包括榮之聯、天璣科技、銀信科技。
第三類是與視頻化應用相關的公司，包括視頻監控業務為主的海康威視、大華股份、威創股份、華平股份。
第四類是與智能化和人機交互概念相關的公司，關注科大訊飛、用友軟體、東方國信等。

㈢ 數字經濟龍頭股票

數字經濟概念股市盈率一覽表： 證券 時報數據寶統計，A股中涉及到這七大重點行業的個股共有285隻。 從元旦至今漲幅來看，有11股漲幅超10%， 神思電子 漲幅超50%， 亞聯發展 、 海量數據 分別上漲超30%。 上述概念股中，有11股已公布2021年業績預告，其中10股預增。 從凈利潤同比增長中值來看， 全志科技 、 蘇州固鍀 預計2021年實現歸母凈利潤增幅100%以上， 卓勝微 、 樂鑫科技 預計增幅90%以上。 從估值方面來看，16隻概念股最新滾動市盈率不足20倍，估值較低的有 TCL科技 、 京東方A 、 昆侖萬維 ，最新滾動市盈率均不足10倍。 民生證券認為， 「十四五」數字經濟發展規劃印發，通信行業迎發展良機。 

數字經濟，是人類通過大數據（數字化的知識與信息）的識別—選擇—過濾—存儲—使用，引導、實現資源的快速優化配置與再生、實現經濟高質量發展的經濟形態。

數字經濟在技術層面， 包括大數據、雲計算、物聯網、區塊鏈、人工智慧、5G通信等新興技術。在應用層面，「新零售」、「新製造」等都是其典型代表。

今天，我列舉出14隻代表性較高的數字經濟龍頭股，這里不做投資建議，僅供大家了解熟悉一下上市公司。

㈣ 大數據概念股票龍頭一覽 大數據概念股票龍頭有哪些

大數據概念一共有100家上市公司，其中21家大數據概念上市公司在上證交易所交易，另外79家大數據概念上市公司在深交所交易。

根據雲財經大數據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、天源迪科、初靈信息。

㈤ 大數據受益股有哪些大數據受益股解析

大數據受益股
編者按：大數據本身是一個問題集，雲技術才是解決大數據問題集最重要、最有效的手段。一位資深的大數據專家如此評論。伴隨著近期大數據成為市場關注焦點，曾經火熱的雲計算上市公司也再度受到關注。上周五在美國上市的兩家雲計算和大數據的交叉概念公司股價出現暴漲，首日漲幅均超過60%，再度顯示了美國股市對於這個領域的熱衷。而國際權威機構IDC推算，近三年全球雲計算領域將有8000億美元的新業務收入，尤其是雲計算應用於大數據問題的分析研究的需求增速飛快。
雲公司的深度業務
上周五在美國上市的兩家公司將美股大數據和雲計算的關注度推向新的高潮。
從這兩家公司的主營業務來看，Tableau主要為企業提供商業智能服務，其通過提供雲商業智能伺服器，讓客戶將商業數據存儲在Tableau的雲端，而Tableau軟體則為企業完成各種海量數據處理，數據分析與報告生成。
Marketo 主要提供雲營銷，即依靠雲軟體、搜索引擎以及社會化媒體做為主要媒介，通過網路，來最大化客戶的營銷范圍。客戶進入雲平台後即共享所有營銷數據與資源。
從具體業務看，上述兩家公司均以雲計算為其核心技術能力，也都提供了為其他客戶的大數據業務遠程服務的商業模式，其中可見大數據和雲計算關系密切。
而從簡單的資料和數據存儲，走向商業模式的整體解決方案的提供，全球雲計算公司的業務關注焦點也在逐步走向深度。
雲計算產業政策扶持力度更大
根據2012年科技部專門印發了雲科技發展十二五專項規劃。規劃提出，到十二五末期，在雲計算的重大設備、核心軟體、支撐平台等方面突破一批關鍵技術，在若乾重點區域、行業中開展典型應用示範，實現雲計算產品與服務的產業化，使我國雲計算技術與應用達到國際先進水平。
2012年國家發改委、財政部、工信部面向5個雲計算試點城市，精心遴選了12個重點項目，支持資金規模高達15億元。具體項目背後，則是國家重點扶持雲計算產業，培育雲計算服務龍頭企業的宏偉遠景。經過三年努力，發展一批面向智慧城市、智能交通、醫療衛生、中小企業等領域的雲計算服務示範應用，培育10家左右在全國范圍內用戶規模千萬以上，年收入超50億元的雲計算龍頭企業，使雲計算產業鏈的產值規模達到2000億元。
大數據概念股龍頭
華勝天成：
公司在雲計算領域起步較早，業務涉及電信、金融和郵政等多個行業。2011年公司募集資金近5億元，主要投向雲計算環境下的信息融合服務平台建設、服務型城市的新一代信息整合解決方案，目前投入基本完成，並開始產生效益。
此外，公司推出的天成雲機等雲計算產品，融合雲計算產業鏈中的先進技術與產品，為客戶構建有效益的雲計算平台，並提供隨需應變和敏捷的雲計算服務。目前公司已經在雲計算產品方面積累了不少客戶，預計今後幾年公司在雲計算特別是高端服務領域實現快速增長。
華東電腦：
公司是上海本土最早介入雲計算領域的企業之一，憑借控股股東與地方政府戰略合作的優勢，正在大力度參與上海等地的智慧城市建設。另外，通過收購上海華訊網路公司，成為中國雲計算全價值鏈解決方案提供商和服務商。
同時，公司牽頭的華雲雲計算產品與技術及應用示範服務中心建設項目獲國家發改委批准，並獲得1300萬元專項資金支持，而華雲計劃是上海市雲海計劃重點支持項目，後續有望獲得更多政策扶持。
遠光軟體：
公司主營電力行業軟體，近年加大了對雲計算、大數據、移動互聯等新技術的研發投入。目前正在積極部署雲平台，已搭建IAAS平台，為客戶提供整套基於雲平台的解決方案，並在雲存儲、雲部署、雲應用、雲安全等各方面提供全面技術支持。
在高端企業大數據管理業務，推出了貼近電力行業業務的高端BI解決方案。同時，公司大數據業務已實現軟體部分基礎架構的突破，並在燃料智能化管理系統、集團生產管理系統等產品上得到應用。

㈥ 大數據未來將是怎樣的發展趨勢

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：州賀

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猛跡告施，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枝明分別為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》。

㈦ 海量數據的介紹

海量數據是北京海量數據技術股份有限公司的簡稱，創立於2007年，是中國領先的數據技術服務提供商，業務涵蓋數據技術的系統集成、技術服務和產品研發，旗下控股2家子公司：北京海量雲信息技術有限公司、海量雲圖（北京）數據技術有限公司。公司總部設在北京，在沈陽、濟南、上海、南京、武漢、廣州、深圳、成都、西安等多個城市設有辦事機構，海量數據自成立以來一直保持強勁發展勢頭，年均復合增長率超過35%。

㈧ 用大數據炒股，靠譜嗎

因為最近在考察幾個量化交易平台，或許正好能夠回答你的這個問題。
在國外現在量化交易已經非常非常的普及，但是據說在國內只有不到5%，似乎是國內散戶太多的原因。
而量化交易就是能夠通過模型預測未來一段時間的走勢，從而不斷去調整，購買較大勝率的股票、期貨或者大宗商品。
某種程度上來說，這些大數據預測相對於國內的賭徒心理還是有更高的成功率的。

當然，也不能太迷信數據，數據是死的，而人性莫測。在國內，即使你個股再好，還是看出現跑不贏大盤的局面，而且有時候還得考慮人的情緒、政策等等。不過，如果能夠堅持，大數據還是相對靠譜的。觀點僅供參考，投資需謹慎。

㈨ 可不可以基於海量數據預測股票

我覺得你可以根據自己的經驗來預測股票吧都是需要從各方面來預測不能只從一方面來預測股票少投資因為風險很大