大數據在股票投資方面的不足

1. 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。

2. 股票投資的主要缺點為

不僅是收益高，風險還高，相信大部分朋友在提起股票的優缺點時第一個反應就是這個，但說回來，作為入行很多年的老股民，股票的不足之處和優點，僅用這幾個字是說不完的，這就給大家詳細講講！
開篇之前，我先給大家送上一個福利，看看我精選的3隻牛股當中，有沒有合你心水的：【絕密】機構推薦的牛股名單泄露，限時速領！！！
一、股票投資的優點
股票是股份公司為籌集資金而發行給股東作為持股憑證，並藉以取得股息和紅利的一種有價證券。
通常來說，購買股票的優點有下面幾點：
（1）流動性相對來說比較強，變現也很快：若是想賣，所持有的股票都能夠隨時被賣出，在下個交易日不僅可以收到股款，還能收到現金。
（2）安全性相當的高：畢竟這就是有相關部門監管的正規市場，在交易的時候，風險方面也不用太過憂心。
（3）有可觀收益：一旦投資決策的方向正確了，後面的投資收益是很可觀的！
然則A股市場上的股票良多，如何知道哪只能獲得較高的收益呢？不妨直接點擊這里，即有專業的股票分析師為你分析股票發展潛力怎樣，值不值得買入！【免費】測一測你的股票當前估值位置？

二、股票投資的缺點
而投資股票也具有以下缺點：
（1）不確定因素多：股票市場不確定性的因素非常多。打個比方永遠忘不了的2015年股災，可以說是「千股跌停」！在投資者眼裡，這場災難給他們帶來的打擊非常大！
（2）高收益就相當於高風險：股東在購買股票後，可以憑借它分享公司成長或者交易市場波動帶來的利潤，也需要共同擔負公司運作錯誤所帶來的風險的。
（3）進入高要求：投資股票，不像是買菜吃飯，需要我們去掌握專業知識、投資經驗等的投資管理能力，還需要有良好且穩定的投資心態。倘若沒有了這些知識儲備和經驗，盲目跟進的話，可能會損失不小！
平日里，可以多看看這個股市播報，了解股市的最新資訊，及時了解股票相關的信息，增加自己的知識儲備，規避虧損風險。【股市晴雨表】金融市場一手資訊播報

應答時間：2021-08-26，最新業務變化以文中鏈接內展示的數據為准，請點擊查看

3. 股票投資的優點跟缺點都有哪些

高收益以及還高風險，可能有大多數人在說到股票的優缺點時第一個反應就是這個，但作為入行N＋1年的老股民，我想說的是，股票的優缺點可不是這幾個字就能概括的，這就給大家詳細講講！
開篇之前，我先給大家送上一個福利，看看我精選的3隻牛股當中，有沒有合你心水的：【絕密】機構推薦的牛股名單泄露，限時速領！！！
一、股票投資的優點
股票是股份公司為籌集資金而發行給股東作為持股憑證，並藉以取得股息和紅利的一種有價證券。
一般來說，購買股票具有以下優點：
（1）流動性相對來說比較強，變現也很快：只要有賣的想法，隨時隨地都能把持有的股票賣出，在下個交易日不僅可以收到股款，還能收到現金。
（2）安全性較強：這怎麼說也是受相關部門監管的，屬於正規的市場交易方面錢財也不用去憂心。
（3）有可觀收益：只要一開始能買到優質的股，並且有著正確的投資理念，那麼想要高收益的回報，可能性非常高！
然而A股市場上流動著諸多的股票，怎麼知道哪只股票的收益比較高呢？不妨直接點擊這里，即有專業的股票分析師為你分析股票發展潛力怎樣，值不值得買入！【免費】測一測你的股票當前估值位置？
二、股票投資的缺點
而投資股票也具有以下缺點：
（1）不確定因素多：股票市場不確定性的因素非常多。如同2015年的股災令人瑟瑟發抖，可以說是「千股跌停」！這場突如其來的災難，很多投資者一夜暴負！
（2）高收益隨之而來的就是高風險：在購買股票後，公司成長或交易市場波動都能夠帶來利潤，而股東都能夠分享到，但也要一起承擔公司運作方面的錯誤導致的風險。
（3）進入要求多：投資股票，不像是買菜吃飯，需要我們去掌握專業知識、投資經驗等的投資管理能力，而且還要有良好且穩定的投資心態。要是沒有這些知識儲備跟經驗，盲目跟進的話，很容易造成損失！
在平時，可以多看看這個股市播報，了解股市的最新資訊，及時了解股票相關的信息，增加自己的知識儲備，規避虧損風險。【股市晴雨表】金融市場一手資訊播報

應答時間：2021-08-26，最新業務變化以文中鏈接內展示的數據為准，請點擊查看

4. 股票的技術分析優缺點是啥啊

股票技術分析的優點：簡單性、客觀性、明確性、靈活性。
股票技術分析的缺點：對於長期走勢無效、買賣信號的不確定、價位和時間不確定。
不僅是收益高，風險還高，相信有大部分小夥伴都會在一說起股票的優缺點時第一個反應就是這個，作為一名入行許多年的老股民，股票的不足之處和優點，僅用這幾個字是說不完的，這就具體的介紹給大家！
開篇之前，我先給大家送上一個福利，看看我精選的3隻牛股當中，有沒有合你心水的：【絕密】機構推薦的牛股名單泄露，限時速領！！！
一、股票投資的優點
股票是股份公司為籌集資金而發行給股東作為持股憑證，並藉以取得股息和紅利的一種有價證券。
一般來說，購買股票具有以下優點：
（1）有很強的流動性，變現速度也很快：若是想賣，所持有的股票都能夠隨時被賣出，在下個交易日就能收到股款，獲得現金。
（2）安全性相當的高：畢竟是受相關部門監管的正規市場交易方面的各種損失也不用去擔心。
（3）有可觀收益：只要一開始能買到優質的股，並且有著正確的投資理念，那麼想要高收益的回報，可能性非常高！
只是A股市場上活躍著眾多的股票，要怎麼才能知道哪只有著較高的收益？不妨直接點擊這里，即有專業的股票分析師為你分析股票發展潛力怎樣，值不值得買入！【免費】測一測你的股票當前估值位置？

二、股票投資的缺點
而投資股票也具有以下缺點：
（1）不確定因素多：股票市場不確定性的因素非常多。就像讓人印象深刻的2015年股災，可以說是「千股跌停」！這也給很多的投資者巨大的打擊！
（2）高收益隨之而來的就是高風險：購買股票後，公司成長或交易市場波動帶來的利潤股東都能夠憑藉手中的股票分享到，也需要共同擔負公司運作錯誤所帶來的風險的。
（3）進入要求多：投資股票，不像是買菜吃飯，需要我們去掌握專業知識、投資經驗等的投資管理能力，投資心態還要是良好且穩定的。倘若沒有了這些知識儲備和經驗，跟著別人買的話，造成損失的概率不小！
日常生活中，可以多看看這個股市播報，了解股市的最新資訊，及時了解股票相關的信息，增加自己的知識儲備，規避虧損風險。【股市晴雨表】金融市場一手資訊播報

應答時間：2021-09-23，最新業務變化以文中鏈接內展示的數據為准，請點擊查看

5. 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。

6. 股票投資的主要缺點

投資股票最大的缺點就是風險太大，極易發生虧損本金的情況，如果虧損本金可能會影響個人正常生活。而且在買賣股票時需要投資者擁有股票方面的知識，通過這些知識判斷股票的漲跌，如果用戶沒有這方面的知識，發生虧損的幾率非常高。

股票的風險主要包括系統性風險、非系統性風險、交易風險和不可抗風險;系統性風險主要是由政治、經濟及社會環境等宏觀風險，非系統性風險一般指上市公司的經營、財務、銷售、投資等方面出現負面問題。

如果用戶沒有股票方面的知識，那麼最好不要涉足股票，投入後極易發生虧損的情況。在投資股票時最好向有經驗的人學習，通過學習可以讓用戶掌握一定的投資技巧，在買賣的過程中最好擁有良好的心態。

7. 大數據在金融行業的應用與挑戰

大數據在金融行業的應用與挑戰
A 具有四大基本特徵
金融業基本是全世界各個行業中最依賴於數據的，而且最容易實現數據的變現。全球最大的金融數據公司Bloomberg在1981年成立時「大數據」概念還沒有出現。Bloomberg的最初產品是投資市場系統（IMS），主要向各類投資者提供實時數據、財務分析等。
隨著信息時代降臨，1983年估值僅1億美元的Bloomberg以30%股份的代價換取美林3000萬美元投資，先後推出Bloomberg Terminal、News、Radio、TV等各類產品。1996年Bloomberg身價已達20億美元，並以2億美元從美林回購了10%的股份。2004年Bloomberg在紐約曼哈頓中心建成246米摩天高樓。到2008年次貸危機，美林面臨崩盤，其剩餘20%的Bloomberg股份成為救命稻草。Bloomberg趁美林之危贖回所有股份，估值躍升至225億美元。2016年Bloomberg全球布局192個辦公室，擁有1.5萬名員工，年收入約100億美元，估值約1000億美元，超過同年市值為650億美元的華爾街標桿高盛。
大數據概念形成於2000年前後，最初被定義為海量數據的集合。2011年，美國麥肯錫公司在《大數據的下一個前沿：創新、競爭和生產力》報告中最早提出：大數據指大小超出典型資料庫軟體工具收集、存儲、管理和分析能力的數據集。
具體來說，大數據具有四大基本特徵：
一是數據體量大，指代大型數據集，一般在10TB規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量。
二是數據類別大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。現在的數據類型不僅是文本形式，更多的是圖片、視頻、音頻、地理位置信息等多類型的數據。
三是處理速度快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。數據處理遵循「1秒定律」，可從各種類型的數據中快速獲得高價值的信息。
四是數據的真實性高，隨著社交數據、企業內容、交易與應用數據等新數據源的興起，傳統數據源的局限被打破，信息的真實性和安全性顯得極其重要。
而相比其他行業，金融數據邏輯關系緊密，安全性、穩定性和實時性要求更高，通常包含以下關鍵技術：數據分析，包括數據挖掘、機器學習、人工智慧等，主要用於客戶信用、聚類、特徵、營銷、產品關聯分析等；數據管理，包括關系型和非關系型數據、融合集成、數據抽取、數據清洗和轉換等；數據使用，包括分布式計算、內存計算、雲計算、流處理、任務配置等；數據展示，包括可視化、歷史流及空間信息流展示等，主要應用於對金融產品健康度、產品發展趨勢、客戶價值變化、反洗錢反欺詐等監控和預警。
B 重塑金融行業競爭新格局
「互聯網+」之後，隨著世界正快速興起「大數據+」，金融行業悄然出現以下變化：
大數據特徵從傳統數據的「3個V」增加到「5個V」。在數量（Volume）、速度（Velocity）、種類（Variety）基礎上，進一步完善了價值（Value）和真實性（Veracity），真實性包括數據的可信性、來源和信譽、有效性和可審計性等。
金融業按經營產品分類變為按運營模式分類。傳統金融業按經營產品劃分為銀行、證券、期貨、保險、基金五類，隨著大數據產業興起和混業經營的發展，現代金融業按運營模式劃分為存貸款類、投資類、保險類三大類別。
大數據市場從壟斷演變為充分市場競爭。全球大數據市場企業數量迅速增多，產品和服務的差異增大，技術門檻逐步降低，市場競爭日益激烈。行業解決方案、計算分析服務、存儲服務、資料庫服務和大數據應用成為市場份額排名最靠前的五大細分市場。
大數據形成新的經濟增長點。Wikibon數據顯示，2016年，全球大數據硬體、軟體和服務整體市場增長22%達到281億美元，預計到2027年，全球在大數據硬體、軟體和服務上的整體開支的復合年增長率為12%，將達到大約970億美元。
數據和IT技術替代「重復性」業務崗位。數據服務公司Eurekahedge通過追蹤23家對沖基金，發現5位對沖基金經理薪金總額為10億美元甚至更高。過去10年，靠數學模型分析金融市場的物理學家和數學家「寬客」一直是對沖基金的寵兒，其實大數據+人工智慧更精於此道。高盛的紐約股票現金交易部門2000年有600名交易員而如今只剩兩人，其任務全由機器包辦，專家稱10年後高盛員工肯定比今天還要少。
美國大數據發展走在全球前列。美國政府宣稱：「數據是一項有價值的國家資本，應對公眾開放，而不是將其禁錮在政府體制內。」作為大數據的策源地和創新引領者，美國大數據發展一直走在全球最前列。自20世紀以來，美國先後出台系列法規，對數據的收集、發布、使用和管理等做出具體的規定。2009年，美國政府推出Data.gov政府數據開放平台，方便應用領域的開發者利用平台開發應用程序，滿足公共需求或創新創業。2010年，美國國會通過更新法案，進一步提高了數據採集精度和上報頻度。2012年3月，奧巴馬政府推出《大數據研究與開發計劃》，大數據迎來新一輪高速發展。
英國是歐洲金融中心，大數據成為其領先科技之一。2013年，英國投資1.89億英鎊發展大數據。2015年，新增7300萬英鎊，創建了「英國數據銀行」data.gov.uk網站。2016年，倫敦舉辦了超過22000場科技活動，同年，英國數字科技投資逾68億英鎊，而收入則超過1700億英鎊。另外，英國統計局利用政府資源開展「虛擬人口普查」，僅此一項每年節省5億英鎊經費。
C 打造高效金融監管體系
大數據用已發生的總體行為模式和關聯邏輯預測未來，決策未來,作為現代數字科技的核心，其靈魂就是——預測。
偵測、打擊逃稅、洗錢與金融詐騙
全球每年因欺詐造成的經濟損失約3.7萬億美元，企業因欺詐受損通常為年營收額的5%。全球最大軟體公司之一美國SAS公司與稅務、海關等政府部門和全球各國銀行、保險、醫療保健等機構合作，有效應對日益復雜化的金融犯罪行為。如在發放許可之前，通過預先的數據分析檢測客戶是否有過行受賄、欺詐等前科，再確定是否發放借貸或海關通關。SAS開發的系統已被國際公認為統計分析的標准軟體，在各領域廣泛應用。英國政府利用大數據檢測行為模式檢索出200億英鎊的逃稅與詐騙，追回了數十億美元損失。被福布斯評為美國最佳銀行的德克薩斯資本銀行（TCBank），不斷投資大數據技術，反金融犯罪系統與銀行發展同步，近3年資產從90億美元增至210億美元。荷蘭第三大人壽保險公司CZ依靠大數據對騙保和虛假索賠行為進行偵測，在支付賠償金之前先期阻斷，有效減少了欺詐發生後的司法補救。
大數據風控建立客戶信用評分、監測對照體系
美國注冊舞弊審核師協會（ACFE）統計發現，缺乏反欺詐控制的企業會遭受高額損失。美國主流個人信用評分工具FICO能自動將借款人的歷史資料與資料庫中全體借款人總體信用習慣相比較，預測借款人行為趨勢，評估其與各類不良借款人之間的相似度。美國SAS公司則通過集中瀏覽和分析評估客戶銀行賬戶的基本信息、歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如搜索到該客戶從新出現的國家為特有用戶轉賬，或在新位置在線交易等），進行實時反欺詐分析。
美國一家互聯網信用評估機構通過分析客戶在Facebook、Twitter等社交平台留下的信息，對銀行的信貸和投保申請客戶進行風險評估，並將結果出售給銀行、保險公司等，成為多家金融機構的合作夥伴。
D 數據整合困難
應用經濟指標預測系統分析市場走勢
IBM使用大數據信息技術成功開發了「經濟指標預測系統」，該系統基於單體數據進行提煉整合，通過搜索、統計、分析新聞中出現的「新訂單」等與股價指標有關的單詞來預測走勢，然後結合其他相關經濟數據、歷史數據分析其與股價的關系，從而得出行情預測結果。
追蹤社交媒體上的海量信息評估行情變化
當今搜索引擎、社交網路和智能手機上的微博、微信、論壇、新聞評論、電商平台等每天生成幾百億甚至千億條文本、音像、視頻、數據等，涵蓋廠商動態、個人情緒、行業資訊、產品體驗、商品瀏覽和成交記錄、價格走勢等，蘊含巨大財富價值。
2011年5月，規模為4000萬美元的英國對沖基金DC Markets，通過大數據分析Twitter的信息內容來感知市場情緒指導投資，首月盈利並以1.85%的收益率一舉戰勝其他對沖基金僅0.76%的平均收益率。
美國佩斯大學一位博士則利用大數據追蹤星巴克、可口可樂和耐克公司在社交媒體的圍觀程度對比其股價，證明Facebook、Twitter和 Youtube上的粉絲數與股價密切相關。
提供廣泛的投資選擇和交易切換
日本個人投資理財產品Money Design在應用程序Theo中使用演算法+人工智慧，最低門檻924美元，用戶只需回答風險承受水平、退休計劃等9個問題，就可使用35種不同貨幣對65個國家的1.19萬只股票進行交易和切換，年度管理費僅1%。Money Design還能根據用戶投資目標自動平衡其賬戶金額，預計2020年將超過2萬億美元投資該類產品。
利用雲端資料庫為客戶提供記賬服務
日本財富管理工具商Money Forward提供雲基礎記賬服務，可管理工資、收付款、寄送發票賬單、針對性推送理財新項目等，其軟體系統連接並整合了2580家各類金融機構的各類型帳戶，運用大數據分析的智能儀表盤顯示用戶當前財富狀況，還能分析用戶以往的數據以預測未來的金融軌跡。目前其已擁有50萬商家和350萬個體用戶，並與市值2.5萬億美元的山口金融集團聯合開發新一款APP。
為客戶定製差異化產品和營銷方案
金融機構迫切需要掌握更多用戶信息，繼而構建用戶360度立體畫像，從而對細分客戶進行精準營銷、實時營銷、智慧營銷。
一些海外銀行圍繞客戶「人生大事」，分析推算出大致生活節點，有效激發其對高價值金融產品的購買意願。如一家澳大利亞銀行通過大數據分析發現，家中即將誕生嬰兒的客戶對壽險產品的潛在需求最大，於是通過銀行卡數據監控准媽媽開始購買保胎葯品和嬰兒相關產品等現象，識別出即將添丁的家庭，精準推出定製化金融產品套餐，受到了客戶的積極響應，相比傳統的簡訊群發模式大幅提高了成功率。
催生並支撐人工智慧交易
「量化投資之王」西蒙斯被公認為是最能賺錢的基金經理人，自1988年創立文藝復興科技公司的旗艦產品——大獎章基金以來，其憑借不斷更新完善的大數據分析系統，20年中創造出35%的年均凈回報率，比索羅斯同期高10%，比股神巴菲特同期高18%，成為有史以來最成功的對沖基金，並於1993年基金規模達2.7億美元時停止接受新投資。在美國《Alpha》雜志每年公布的對沖基金經理排行榜上，西蒙斯2005年、2006年分別以15億美元、17億美元凈收入穩居全球之冠，2007年以13億美元位列第五，2008年再以25億美元重返榜首。
推動金融產品和服務創新
E 面臨三大挑戰
目前，全球各行業數據量的增長速度驚人，在我國尤其集中在金融、交通、電信、製造業等重點行業，信息化的不斷深入正在進一步催生更多新的海量數據。
據統計，2015年中國的數據總量達到1700EB以上，同比增長90%，預計到2020年這一數值將超過8000EB。以銀行業為例，每創收100萬元，銀行業平均產生130GB的數據，數據強度高踞各行業之首。但在金融企業內部數據處於割裂狀態，業務條線、職能部門、渠道部門、風險部門等各個分支機構往往是數據的真正擁有者，缺乏順暢的共享機制，導致海量數據往往處於分散和「睡眠」狀態，雖然金融行業擁有的數據量「富可敵國」，但真正利用時卻「捉襟見肘」。
數據安全暗藏隱患
大數據本質是開放與共享，但如何界定、保護個人隱私權卻成為法律難題。大數據存儲、處理、傳輸、共享過程中也存在多種風險，不僅需要技術手段保護，還需相關法律法規規范和金融機構自律。多項實際案例表明，即使無害的數據大量囤積也會滋生各種隱患。安全保護對象不僅包括大數據自身，也包含通過大數據分析得出的知識和結論。在線市場平台英國Handshake.uk.com就嘗試允許用戶協商個人數據被品牌分享所得的報酬。
人才梯隊建設任重道遠
人才是大數據之本。與信息技術其他細分領域人才相比，大數據發展對人才的復合型能力要求更高，需要掌握計算機軟體技術，並具備數學、統計學等方面知識以及應用領域的專業知識。

8. 大數據炒股靠譜嗎

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、沖突事件等等。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。

9. 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