用数据分析分析股票动态热点版

1. 请问怎么根据集合竞价判断出股票热点板块

恕在下冒犯，看到这个命题，大概知晓提出该命题者，在股票市场实战中道行很浅……

何谓热点板块？

市面上通常理解是指一定交易日，一起上涨的同分类行业或同概念或同地域的 股票群体，非单一股票。

并且具有盘面交易活跃，财富效应明显，以及参与资金积极，常常其成交量会放大的特征。

所有这些盘面特征，经媒体或股评的聚焦，在市场上形成逐浪之势，先头大资金趁机出击，从而造就热点板块的产生。

走过A股市场，热点板块出现前，媒体上往往会有披露出相关利好信息或数据，这些信息数据可以说众所周知，投资者基本上就知道第二天热点板块可能会出现在哪……

另外，炒股票想快速的找到热点板块现在非常容易。

因为现在的炒股软件都有这一项。都在“板块行情”这一项中有实时的热点介绍。并且能够马上指出谁是龙头股。而且会按涨幅排序，热点强弱揭示个股强弱。只需按照股票行情软件提示，就可以快速找到热点了。

2. 股票数据分析方法

股票价格的涨跌，简单来说，供求决定价格，买的人多价格就涨，卖的人多价格就跌。做成买卖不平行的原因是多方面的，影响股市的政策面、基本面、技术面、资金面、消息面等，是利空还是利多，升多了会有所调整，跌多了也会出现反弹，这是不变的规律。

3. 你是如何在股市中判断市场热点的

没找社会经济的不断发展，越来越多的人都喜欢投资股票来为自己增加一份稳定的额外收益，但是很多人在股票购买的过程中，会存在很多的问题，比如说没有办法去判断如何区分股市的热点，下面小编就带领大家来看一下我的方法。

在股票的交易市场里面，其实还是存在着很多严重的问题的，因为股票的风险很高，不稳定性也很强，所以买卖股票的时候一定要注意相关的操作，一定要保证自己尽可能的不去亏损。

4. 随便找一个股票分析，如分析上证指数，大致分析下它一直以来的走向，再找最近的动态分析一下，十多页就好

从历史涨跌看大盘：
回顾21年，才能看清来龙，才能摸准去脉;才能在牛市中获得更大的收益。根据对21年的股市涨跌分段回顾，总体来看，21年来股市经历了8段大涨，8段大跌。

统计显示，这21年里，大涨的平均周期为44.8周，最后一段大涨也就是2008年10月至2009年8月，上证指数从1664点涨至3478点，涨幅达109%，上涨周期为40周，随后就出现了下跌整理至今。

目前上证指数仍处于对之前的上涨的整理过程中，我们对历年上证指数的整理周期也进行过数据统计，整理期一般为60-70周，目前这段整理已经持续了44周，从时间调整上来看也远远没有达到，所以我们认为上证指数目前仍会延续很长一段时间的整理调整时期。

从上证指数周K线图中，我们可以发现，目前指数大的形态是一个三角形，根据目前的形态我们估算，这个三角形的完成还需15-20周左右的时间，形态的时间和整理周期的时间基本吻合。由此，我们认为，上证指数仍会整理15-20周左右的时间，随后会出现一波较大的上涨波段。

8 段上涨统计数据

时间 区间 上涨区间 上涨点数 上涨幅度 上涨持续时间 周平均上涨点数

第一轮暴涨 1990 年12 月-1992 年5 月 100-1429 1329 1329% 72.8 周 18.25

第二轮暴涨 1992 年11 月-1993 年2 月 393-1558 1165 296% 17 周 68.53

第三轮暴涨 1994 年7 月-1994 年 9 月 333-1052 719 215% 12.8 周 56.17

第四轮暴涨 1996 年1 月-1997 年 5 月 512-1258 746 143% 68.6 周 10.87

第五轮暴涨 1999 年5 月-1999 年 6 月 1059-1756 697 65.70% 6 周 116.17

第六轮暴涨 2000 年1 月-2001 年 6 月 1341-2245 904 67% 72.8 周 12.42

第七轮暴涨 2005 年6 月-2007 年 10 月 998-6124 5126 513.60% 68.6 周 74.72

第八轮暴涨 2008 年10 月-2009 年8 月 1664-3478 1814 109% 40 周 45.35

平均值 1562.5 44.8 周

8 段下跌统计数据

时间 区间 下跌区间 下跌点数 下跌幅度 下跌持续时间 周平均下跌点数

第一轮暴跌 1992 年 5 月-1992 年 11 月 1429-400 1029 72% 25.7 周 40.04

第二轮暴跌 1993 年 2 月-1994 年 7 月 1553-325 1228 79% 72.9 周 16.84

第三轮暴跌 1994 年 9 月-1996 年 1 月 1053-512 541 51% 68.6 周 7.89

第四轮暴跌 1997 年 5 月-1999 年 5 月 1510-1047 463 30% 104.3 周 4.44

第五轮暴跌 1999 年 6 月-2000 年 1 月 1756-1361 395 22% 30 周 13.17

第六轮暴跌 2001 年 6 月-2005 年 6 月 2245-998 1247 55% 208.6 周 5.98

第七轮暴跌 2007 年 10 月-2008 年10 月 6124-1664 4460 73% 52.1 周 85.6

第八轮暴跌 2009 年 8 月-2010 年 7 月 3478-2319 1159 33.30% 47 周 24.66

平均值 1315.25 76.15 周

----------------------------

华山论剑：反转时机或在6月 回避两大风险

3000点附近A股屡遭“定点停车”，近期大盘的连续调整更令投资者揪心。5月大盘会不会否极泰来？大小盘风格转换能否继续？哪些股票已进入投资区间。本期邀请汇丰环球投资管理股票投资董事陈淑敏、平安证券首席策略研究员王韧和世纪证券研究所副所长万文宇三位嘉宾，共同探讨这些热点问题。

银行股攻守兼备

今年是“十二五”规划第一年，中国经济正在从外需拉动朝内需拉动转型。在房地产调控和紧缩政策作用下，PMI已经出现一定回落，但我们预计今年中国的经济增长依然强劲，全年GDP增速可达9%至9.5%，下半年不会出现所谓的“硬着陆”。

通胀方面，CPI走势通常比货币供应增速走势滞后6-9个月，由于国内货币供应量增速已在去年年底见顶，相信国内CPI涨幅将在第二季度或第三季度见顶，全年通胀水平可能会维持在4%-4﹒5%，相对9%-9.5%的GDP增速来说，其实是一个比较合理的水平，并非不能接受。因此，我们预计调控政策将集中于上半年，政策出现超调的可能性不大。

目前中国股市的估值已经低于过去十年的中位数，处于比较有吸引力的水平，尤其是银行股板块，估值已经非常诱人。但近期市场仍然处于低迷，对于不少股票来说，其实已经出现了买点。

从行业看，十分看好银行股，因为目前国内银行股的业绩仍处于高增长期，但估值却十分便宜，市盈率仅六七倍。在政策紧缩期内，国内流动性偏紧，银行对于贷款的议价能力较强，银行业的息差维持在较高的水平，有利于业绩增长。而如果紧缩政策放松，流动性又会出现宽裕，市场整体的估值也会随之上升，推动银行股上涨。可以说，银行股是攻守兼备的品种。尽管一季度银行股已经出现一定幅度的上涨，但目前仍被低估，仍然值得买入。

除银行外，我们也看好水泥行业。今年全国计划建设保障性安居工程任务是1000万套，这将大大拉动水泥需求，而在政府始终限制水泥行业产能增长的背景下，国内水泥价格将保持高位，令水泥股受惠。

在消费类股票方面，我们十分看好高端品牌以及在二三线城市有良好分销渠道和渗透力的品牌，主要是因为未来几年二三线城市将成为中国城市化进程的主力，二三线城市消费的增长将会明显快过一线城市。我们比较不看好食品饮料和项目集中在一线城市的房地产公司，因为成本上涨和货币政策紧缩给它们带来的压力最大。

市场重拾升势需待六月

近期市场大幅下跌，调整态势明显。表面看，市场调整主要来自一系列政策传闻和事件冲击。但从实质看，资金面短期逆转和基本面阶段性担忧是调整主因。

从流动性角度看，4月底和5月底各有一次财政存款积累，规模为单次3000-4000亿元，效果相当于上调两次存款准备金。受全年信贷投放节奏和银行监管政策趋严影响，2季度前半段信贷控制依然偏紧，欧美货币紧缩预期又减缓外部资金流入速度。从基本面看，4月PMI指数下滑预示二季度经济可能出现“旺季不旺”局面。

5月市场何去何从？市场驱动力来自基本面、政策面、资金面三个层面。目前的情况是：虽有调控惯性，但政策“由紧及稳”趋势明显；二季度经济基本面略有下滑，但幅度应属可控；这两者对短期市场趋势性影响有限。关键因素在于市场资金面变化，二季度资金面将呈“U”型变化，受财政缴款、政府流动性投放偏紧、外部资金流入波动等因素影响，二季度中间段市场资金面压力最大，也是指数最难熬的阶段，市场可能继续偏弱，并在2800-2900点价值底附近寻求支撑，等待6月基本面企稳、政策预期改善、资金面重回宽裕后再重拾升势。

短期来看，市场或有技术性反弹，但再次趋势性上行的时机至少需等到6月，原因在于调控并未终结，调控频率需到二季度末才有望出现明显下降，进而明确政策“由紧及稳”的趋势；经济基本面的阶段性下滑目前仅是开始，现有库存的有效消化和新增需求的重新显现均需等到二季度末；市场资金面仍在二季度“U”型变化中最难熬的阶段，下一公开市场到期高峰、其他领域投资资金转移和外部资金推力再次上升所驱动的反转时机在6-7月。

近期中小市值个股跌幅巨大，但系统性买入的时机仍未到来。去年底以来，推动周期股和成长股估值差扩大的因素已趋弱化，这是周期股修复和成长股调整的中长期动因。短期看，创业板指33倍的估值依然偏高，且还存在未来盈利预测下调可能。中小板指估值则已回落到25倍以下，因此即使要抓反弹，重点也应是流动性较好、估值相对合理的中小板个股，创业板个股则应继续坚持“反弹减仓”策略。

因此，当前投资应回避两个潜在风险：一是中上游生产性板块的短期压力；二是高估值的成长性股票。二季度继续推荐“金融+消费”组合，前者受低估值和政策拐点显现的双重支撑；后者受成长性、市场环境、政策题材的三重催化。即使面临短期补跌风险，其在二季度市场的“U”变化中获取超额收益仍是确定性事件。推荐行业为保险、银行、零售、白酒、白色家电、地产。

二季度或现全年最佳买点

近期工业企业利润增速放缓、PMI环比回落、上市公司一季度盈利低于预期，使市场对经济增速放缓、企业盈利增速下滑产生担忧，在A股市场上则表现为价值中枢下移。

我们对全年国内经济保持平稳运行仍有信心，但在物价水平仍高于全年调控目标、经济增速呈现放缓迹象的背景下，国内宏观调控的难度将有所加大，后续政策的出台将更多地关注对实体经济的影响。继4月加息后，观察5月、6月货币政策实施效果更为重要，这将成为下半年政策确定的主要依据。

从货币供应量来看，根据对M1及M1-M2差值变化的分析，我们认为自去年4月以来市场开始对货币增速的放缓逐渐有所反应，到年初M1-M2出现逆差，2月有所收敛，3月略有扩大，后期如该逆差值进一步扩大，市场短期内难以形成转折性拐点，而该逆差值由底部回升时可密切关注市场的拐点性机会。由于市场的拐点往往较差值拐点提前出现，因此不排除二季度出现全年最佳买点的可能，我们认为市场将会在二季度寻找这一积极信号。

展望5月，在市场短期对以上因素有所消化、本月到期流动性低于4月的情况下，我们对5月行情并不过分悲观，但值得关注的是6月CPI翘尾因素较高、到期流动性较大，不排除届时央行继续通过价格手段收缩流动性的可能。

投资方面，建议关注以下三方面：一、年报公布后市场风格的变化。若市场担忧经济增速放缓，周期性行业的上行动力将有所减弱，而中小盘股在经过前期泥沙俱下的调整后，走势可能呈现分化，市场整体风格特征需要在5月进一步观察；二、人民币升值。近月人民币升值有所加速，造纸、航空等受益较为明显的行业近期表现坚挺，在升值趋势中以上品种仍可进一步关注；三、对于食品饮料、医药生物、新兴产业等可在市场回调中进行中长线布局。

5. 股票数据分析都有哪些

看盘的几个小技巧：
第一：看盘的首要重点是看板块和热点个股的轮动规律，进而推测出行情的大小和持续性时间变化。比如每天应该注意是否有涨停个股开盘，如果有，那么说明主力资金还在努力选择突破口，如果两市都有10只以上的涨停个股开盘，则说明市场处于多头气氛，人气比较旺，少于这个标准则说明市场人气不佳，投资者应该当心大盘继续下跌风险。如果每天盘面都有跌停板，并且是以板块方式出现，那么，应该警惕新一轮的中级调整开始。在热点上，如果前一交易日涨停的个股或是上涨比较好的板块难以维持两天以上的行情，那么，就说明主力资金属于短炒性质，此个股或板块不能成为一波行情的领头羊，同时也意味着这一轮上涨属于单日短线反弹。反过来讲，如果热点板块每天都有2-3个以上，平均涨幅都在2%以上，并相互进行有效轮番上涨，则中期向好行情就值得期待。2010年7月初、中期，有色资源、煤炭资源、稀土资源以及新能源、智能电网等板块交替上涨，从而产生中级行情。
第二：看盘应该注重关注成交量。根据两市目前市值情况看，上海大盘成交量小于1000亿应做震荡整理理解，700亿以下为缩量，小于500亿可以理解为地量，超过1100亿应该理解为放量。地量背后往往意味着反转，例如，2010年6月底和7月初之间，先后多个交易日上海股市成交量低于500亿，这个时候空仓资金应为自己的重新进场做好准备。当大盘摆脱下降趋势，走出一个缓慢的底部构筑的形态下，成交量温和状态下，投资者可以以不超过半仓的水平买股持股。如果，当股票持续上涨，成交量放大，换手率超过15%（中小板、创业板个股特定条件下可以放宽到20%左右，另外新股、次新股、限售股、转赠股、配股上市日不在此列），5-20日线开始死叉转向，那么此类短线题材股和概念股应该考虑逐步抛售。
第三：努力培养盘感，运用技术手段捕捉市场机会。不管是什么品种的股票，如经过短期暴跌，跌幅超过50%，下跌垂直度越大，那么关注价值就越高，当某一天突然缩量，短线买进的机会来了。因为急跌暴跌后，成交量突然萎缩就杀跌盘已经枯竭，肯定会出现反弹，这个时候可以坚决地战胜自己恐慌情绪积极进去抢一把反弹就走人。同样，如果股票价格在接连涨了很多时间，而且高位开始频繁放量，可是价格始终盘旋在某个小区域，连续用小单在尾盘直线拉高制造高位串阳K线，筹码峰密集严重扩散，则说明这个完全是主力在出货！必须坚决清仓。
第四：别小看低位的三连阳，别漠视高位的三连阴。一般讲股票价格在接连下跌一段时间后，突然在某天不那么狂跌，而且，K线上接连出现红三兵，价格波动幅度又不是那样大，通常价格一串上去又被单子砸下来了，请你注意了，这个时候往往就是有主力潜伏着开始收货中；反过来，如果在涨势继续了一段时间，股票价格已经很大幅度地脱离了主力原始成本，这个时候出现了高位几连阴，股票价格重心开始下移，尤其是在一些时候，主力利用快要收盘的时候，突然用几笔单把股票价格迅速买回日均线，在随后的几天里同样的手法经常出现，K线图上收出长下影，那说明主力出货的概率已经达到80%以上，它的这些做法都是为了麻痹经验不足的资金。假如某天连10日、20日、30日线都跌破，不管是赚还是赔，坚决离场。
第五：大涨买龙头，如何发觉龙头，其实在市场大跌气氛里很容易判断龙头股，应密切注意涨幅榜中始终跃居前几位的逆市红盘股，特别是价格处于“三低”范畴，或是股价在15-20元之间，离新多主力拉升底部区域不足50%空间，在大盘大跌的当日或随后几天时间里，果断用长阳反击K线收复前期长阴失地的，则有望成为反弹的龙头。市场的法则永远是“强者恒强，弱者恒弱”。当中级以上行情出现的时候，投资者要善于提早发现谁是龙头，并果断追进，抓稳抓牢，别因一时盘面震荡轻易下马。通常洗得越凶，后期飚涨概率越大。炒股抢占先机概念很重要。有的股票难当龙头最好在行情启动初期果断放弃，不要跟自己过不去。
第六：在涨势中不要轻视冷门股、问题股。 你只要它涨得好，涨得牛就是，“涨时重势，跌时重质”就是这个道理。任何时候，主力和庄家比我们聪明，他们不是傻瓜，当股票一个敢于在大势不好的情况下缩量封出涨停板，肯定有其不被市场大众知道的东西隐藏在后面。熊市里，很多2-5元中小盘个股就是这样无量快速涨停，通常这个时候非常考验短线高手的看盘功力，因为这样的股票往往留给人的思考、判断、下单时间不会超过一分钟，一般此类股很容易出现连续涨停，甚至是一字涨停，像2010年7月27日，很多ST股大跌的时候，ST黑化却震荡走高，上方买盘都被逐步吃掉，并在临近收盘的最后10分钟封上涨停，这说明市场已有嗅觉灵敏的资金闻到了变盘气息在重组前夜下手。

6. 根据近两周的市场数据，分析归纳市场热点。

最近股市浅析
周五银华、上投摩根、工银瑞信、融通、益民等5家基金公司旗下基金率先公布2008年一季度报告。报告显示，为规避市场风险，一季度绝大多数股票型基金的仓位下降，有将近一半基金仓位降幅超过10个百分点。除上投摩根基金外，其余公司旗下基金均出现不同程度的净赎回。这对周五的市场信心也是个打击。
盘面呈现大面积跌多涨少的普跌弱市特征。首日上市新股鱼跃医疗(002223)呈现高开低走的格局，开盘报16.5元，较发行价涨74%。早盘中石油屡次在16.70元坚守发行价但仍最终跌破。截止收盘，除ST外两市无一涨停股，兰州民百(600738)、健康元(600380)、冠农股份(600251)，隆平高科(000998)等涨幅在5%以上的个股仅十余只，西藏旅游、贵航股份(600523)、歌华有线(600037)、中粮地产(000031)、贵糖股份(000833)等有代表性的行业龙头股表现活跃，板块方面集体处于下跌之列，航天航空、食品、金融、军工等跌幅相对抗跌，有色金属、纺织机械、化工、电力、奥运、水务等十几个板块重挫幅度较大，个股的普跌成为股指重心下移的的推动力，反弹也仅仅是昙花一现。目前100元以上个股仅剩贵州茅台(600519)，天马股份(002122)，盐湖钾肥(000792)三只。
一季度的相关数据出台，并没有太多超乎意料之处。再次提高银行存款准备金率，金融服务业指数在当日大盘大幅度下跌的行情中跌幅最小。市场对于未来上市公司业绩增速放缓较为担忧，做多信心不足。近期上市公司业绩预增时，并没有激起投资热情；而业绩低于预期或预减预亏时，股价迅速下挫，长江电力便是佐证。油价居高不下，引发新能源概念卷土重来，但它们对大盘的贡献微不足道。
股指阶段性弱市趋势未变，目前的均线系统仍呈空头排列。要改变这种弱势趋势还需要时间，同时也要政策面的实质性举措，鼓舞投资者的信心。
弱市不言底。自从2008年1月14日5522点调整以来，市场一直在探寻底部，真正的底部在何处，一般多为事后确认，在调整趋势中不轻易言底。板块方面，轮流做空的是一线、二线蓝筹股和题材股，金融、地产之后是电力、航空和钢铁。这四大板块在沪深300中所占的比例分别是34％、2.5％、3.3％和16.8％，而煤炭石油板块也占据着30％的权重，是沪深300中的第二大板块，却在其他板块纷纷破位时保持坚挺，但是在博弈格局愈发激烈的时候，投资者应警惕该板块有可能补跌。数据显示本周大盘暴跌11.4％，从行业指数的表现来看，本周各大行业全线杀跌。其中前五大跌幅行业包括：地产行业跌25.27%、水电行业跌18.48%、金属行业跌17.14%、金融行业跌16.54%、传播行业跌16.40%；后五大跌幅行业包括：食品行业跌6.37%、石化行业跌8.50%、木材行业跌8.88%、农林行业跌9.31%、商业行业跌10.02%。
综合分析，在经过连续的大跌之后，短期弱势格局未有实质性改观，两市多数个股随大盘纷纷回落，仅有少部分品种逆势上扬。由于周五大盘创出新低，多方最后一道防线移至3000点，大盘将考验3000点这一心理点位支撑。因此，在近期操作上还应注意控制仓位，成交量仍是判断行情强弱的关键指标，在没有明显转势之前仍应适当谨慎。

7. 股票实时数据应该怎么分析

成交量只代表多空分歧高低，交投的活跃度，与价格没有必然联系，比如某只股票某一天有10万手的成交量，说明总共卖出了10万手，同时也说明被其他人买进了10万手。常见的几种量价关系
1，放量上涨，这个要看位置，一般底部的放量上涨意味着可能会走一波上升走势，而高位的放量上冲则可能是主力在出货
2，缩量上涨，这个一般是主力拉升阶段，一致看多，没啥人卖股票，导致成交量低
3，放量下跌，也得看位置，长期缩量阴跌之后的放量下跌，有可能是底部企稳。高位的放量下跌，一般是主力不计成本的杀跌出货
4，缩量下跌，这个在上涨途中，可能是主力洗盘。如果是一波加速上涨之后，可能是主力出货完毕，只剩散户了，然后缩量阴跌
上面之是一般情况，具体还要具体分析其他因素，不能按量价关系就作为买卖依据了

8. 如何用大数据炒股

我们如今生活在一个数据爆炸的世界里。网络每天响应超过60亿次的搜索请求，日处理数据超过100PB，相当于6000多座中国国家图书馆的书籍信息量总和。新浪微博每天都会发布上亿条微博。在荒无人烟的郊外，暗藏着无数大公司的信息存储中心，24小时夜以继日地运转着。
克托·迈尔-舍恩伯格在《大数据时代》一书中认为，大数据的核心就是预测，即只要数据丰富到一定程度，就可预测事情发生的可能性。例如，“从一个人乱穿马路时行进的轨迹和速度来看他能及时穿过马路的可能性”，或者通过一个人穿过马路的速度，预测车子何时应该减速从而让他及时穿过马路。

那么，如果把这种预测能力应用在股票投资上，又会如何？

目前，美国已经有许多对冲基金采用大数据技术进行投资，并且收获甚丰。中国的中证广发网络百发100指数基金（下称百发100），上线四个多月以来已上涨68%。

和传统量化投资类似，大数据投资也是依靠模型，但模型里的数据变量几何倍地增加了，在原有的金融结构化数据基础上，增加了社交言论、地理信息、卫星监测等非结构化数据，并且将这些非结构化数据进行量化，从而让模型可以吸收。

由于大数据模型对成本要求极高，业内人士认为，大数据将成为共享平台化的服务，数据和技术相当于食材和锅，基金经理和分析师可以通过平台制作自己的策略。

量化非结构数据

不要小看大数据的本领，正是这项刚刚兴起的技术已经创造了无数“未卜先知”的奇迹。

2014年，网络用大数据技术预测命中了全国18卷中12卷高考作文题目，被网友称为“神预测”。网络公司人士表示，在这个大数据池中，包含互联网积累的用户数据、历年的命题数据以及教育机构对出题方向作出的判断。

在2014年巴西世界杯比赛中，Google亦通过大数据技术成功预测了16强和8强名单。

从当年英格兰报社的信鸽、费城股票交易所的信号灯到报纸电话，再到如今的互联网、云计算、大数据，前沿技术迅速在投资领域落地。在股票策略中，大数据日益崭露头角。

做股票投资策略，需要的大数据可以分为结构化数据和非结构化数据。结构化数据，简单说就是“一堆数字”，通常包括传统量化分析中常用的CPI、PMI、市值、交易量等专业信息；非结构化数据就是社交文字、地理位置、用户行为等“还没有进行量化的信息”。

量化非结构化就是用深度模型替代简单线性模型的过程，其中所涉及的技术包括自然语言处理、语音识别、图像识别等。

金融大数据平台-通联数据CEO王政表示，通联数据采用的非结构化数据可以分为三类：第一类和人相关，包括社交言论、消费、去过的地点等；第二类与物相关，如通过正在行驶的船只和货车判断物联网情况；第三类则是卫星监测的环境信息，包括汽车流、港口装载量、新的建筑开工等情况。

卫星监测信息在美国已被投入使用，2014年Google斥资5亿美元收购了卫星公司Skybox，从而可以获得实施卫星监测信息。

结构化和非结构化数据也常常相互转化。“结构化和非结构化数据可以形象理解成把所有数据装在一个篮子里，根据应用策略不同相互转化。例如，在搜索频率调查中，用户搜索就是结构化数据；在金融策略分析中，用户搜索就是非结构化数据。”网络公司人士表示。

华尔街拿着丰厚薪水的分析师们还不知道，自己的雇主已经将大量资本投向了取代自己的机器。
2014年11月23日，高盛向Kensho公司投资1500万美元，以支持该公司的大数据平台建设。该平台很像iPhone里的Siri，可以快速整合海量数据进行分析，并且回答投资者提出的各种金融问题，例如“下月有飓风，将对美国建材板块造成什么影响？”

在Kensho处理的信息中，有80%是“非结构化”数据，例如政策文件、自然事件、地理环境、科技创新等。这类信息通常是电脑和模型难以消化的。因此，Kensho的CEO Daniel Nadler认为，华尔街过去是基于20%的信息做出100%的决策。

既然说到高盛，顺便提一下，这家华尔街老牌投行如今对大数据可谓青睐有加。除了Kensho，高盛还和Fortress信贷集团在两年前投资了8000万美元给小额融资平台On Deck Capital。这家公司的核心竞争力也是大数据，它利用大数据对中小企业进行分析，从而选出值得投资的企业并以很快的速度为之提供短期贷款。

捕捉市场情绪

上述诸多非结构化数据，归根结底是为了获得一个信息：市场情绪。

在采访中，2013年诺贝尔经济学奖得主罗伯特•席勒的观点被无数采访对象引述。可以说，大数据策略投资的创业者们无一不是席勒的信奉者。

席勒于上世纪80年代设计的投资模型至今仍被业内称道。在他的模型中，主要参考三个变量：投资项目计划的现金流、公司资本的估算成本、股票市场对投资的反应（市场情绪）。他认为，市场本身带有主观判断因素，投资者情绪会影响投资行为，而投资行为直接影响资产价格。
然而，在大数据技术诞生之前，市场情绪始终无法进行量化。

回顾人类股票投资发展史，其实就是将影响股价的因子不断量化的过程。

上世纪70年代以前，股票投资是一种定性的分析，没有数据应用，而是一门主观的艺术。随着电脑的普及，很多人开始研究驱动股价变化的规律，把传统基本面研究方法用模型代替，市盈率、市净率的概念诞生，量化投资由此兴起。

量化投资技术的兴起也带动了一批华尔街大鳄的诞生。例如，巴克莱全球投资者（BGI）在上世纪70年代就以其超越同行的电脑模型成为全球最大的基金管理公司；进入80年代，另一家基金公司文艺复兴（Renaissance）年均回报率在扣除管理费和投资收益分成等费用后仍高达34%，堪称当时最佳的对冲基金，之后十多年该基金资产亦十分稳定。

“从主观判断到量化投资，是从艺术转为科学的过程。”王政表示，上世纪70年代以前一个基本面研究员只能关注20只到50只股票，覆盖面很有限。有了量化模型就可以覆盖所有股票，这就是一个大的飞跃。此外，随着计算机处理能力的发展，信息的用量也有一个飞跃变化。过去看三个指标就够了，现在看的指标越来越多，做出的预测越来越准确。

随着21世纪的到来，量化投资又遇到了新的瓶颈，就是同质化竞争。各家机构的量化模型越来越趋同，导致投资结果同涨同跌。“能否在看到报表数据之前，用更大的数据寻找规律？”这是大数据策略创业者们试图解决的问题。

于是，量化投资的多米诺骨牌终于触碰到了席勒理论的第三层变量——市场情绪。

计算机通过分析新闻、研究报告、社交信息、搜索行为等，借助自然语言处理方法，提取有用的信息；而借助机器学习智能分析，过去量化投资只能覆盖几十个策略，大数据投资则可以覆盖成千上万个策略。

基于互联网搜索数据和社交行为的经济预测研究，已逐渐成为一个新的学术热点，并在经济、社会以及健康等领域的研究中取得了一定成果。在资本市场应用上，研究发现搜索数据可有效预测未来股市活跃度（以交易量指标衡量）及股价走势的变化。

海外就有学术研究指出，公司的名称或者相关关键词的搜索量，与该公司的股票交易量正相关。德国科学家Tobias Preis就进行了如此研究：Tobias利用谷歌搜索引擎和谷歌趋势（Google Trends），以美国标普500指数的500只股票为其样本，以2004年至2010年为观察区间，发现谷歌趋势数据的公司名称搜索量和对应股票的交易量，在每周一次的时间尺度上有高度关联性。也就是说，当某个公司名称在谷歌的搜索量活动增加时，无论股票的价格是上涨或者下跌，股票成交量与搜索量增加；反之亦然，搜索量下降，股票成交量下降。以标普500指数的样本股为基础，依据上述策略构建的模拟投资组合在六年的时间内获得了高达329%的累计收益。

在美国市场上，还有多家私募对冲基金利用Twitter和Facebook的社交数据作为反映投资者情绪和市场趋势的因子，构建对冲投资策略。利用互联网大数据进行投资策略和工具的开发已经成为世界金融投资领域的新热点。

保罗·霍丁管理的对冲基金Derwent成立于2011年5月，注册在开曼群岛，初始规模约为4000万美元， 2013年投资收益高达23.77%。该基金的投资标的包括流动性较好的股票及股票指数产品。
通联数据董事长肖风在《投资革命》中写道，Derwent的投资策略是通过实时跟踪Twitter用户的情绪，以此感知市场参与者的“贪婪与恐惧”，从而判断市场涨跌来获利。

在Derwent的网页上可以看到这样一句话：“用实时的社交媒体解码暗藏的交易机会。”保罗·霍丁在基金宣传册中表示：“多年以来，投资者已经普遍接受一种观点，即恐惧和贪婪是金融市场的驱动力。但是以前人们没有技术或数据来对人类情感进行量化。这是第四维。Derwent就是要通过即时关注Twitter中的公众情绪，指导投资。”

另一家位于美国加州的对冲基金MarketPsych与汤普森·路透合作提供了分布在119个国家不低于18864项独立指数，比如每分钟更新的心情状态（包括乐观、忧郁、快乐、害怕、生气，甚至还包括创新、诉讼及冲突情况等），而这些指数都是通过分析Twitter的数据文本，作为股市投资的信号。

此类基金还在不断涌现。金融危机后，几个台湾年轻人在波士顿组建了一家名为FlyBerry的对冲基金，口号是“Modeling the World（把世界建模）”。它的投资理念全部依托大数据技术，通过监测市场舆论和行为，对投资做出秒速判断。

关于社交媒体信息的量化应用，在股票投资之外的领域也很常见：Twitter自己也十分注重信息的开发挖掘，它与DataSift和Gnip两家公司达成了一项出售数据访问权限的协议，销售人们的想法、情绪和沟通数据，从而作为顾客的反馈意见汇总后对商业营销活动的效果进行判断。从事类似工作的公司还有DMetics，它通过对人们的购物行为进行分析，寻找影响消费者最终选择的细微原因。

回到股票世界，利用社交媒体信息做投资的公司还有StockTwits。打开这家网站，首先映入眼帘的宣传语是“看看投资者和交易员此刻正如何讨论你的股票”。正如其名，这家网站相当于“股票界的Twitter”，主要面向分析师、媒体和投资者。它通过机器和人工相结合的手段，将关于股票和市场的信息整理为140字以内的短消息供用户参考。

此外，StockTwits还整合了社交功能，并作为插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平台，让人们可以轻易分享投资信息。

另一家公司Market Prophit也很有趣。这家网站的宣传语是“从社交媒体噪音中提炼市场信号”。和StockTwits相比，Market Prophit更加注重大数据的应用。它采用了先进的语义分析法，可以将Twitter里的金融对话量化为“-1（极度看空）”到“1（极度看多）”之间的投资建议。网站还根据语义量化，每天公布前十名和后十名的股票热度榜单。网站还设计了“热度地图”功能，根据投资者情绪和意见，按照不同板块，将板块内的个股按照颜色深浅进行标注，谁涨谁跌一目了然。

中国原创大数据指数

尽管大数据策略投资在美国貌似炙手可热，但事实上，其应用尚仅限于中小型对冲基金和创业平台公司。大数据策略投资第一次被大规模应用，应归于中国的百发100。

网络金融中心相关负责人表示，与欧美等成熟资本市场主要由理性机构投资者构成相比，东亚尤其是中国的股票类证券投资市场仍以散户为主，因此市场受投资者情绪和宏观政策性因素影响很大。而个人投资者行为可以更多地反映在互联网用户行为大数据上，从而为有效地预测市场情绪和趋势提供了可能。这也就是中国国内公募基金在应用互联网大数据投资方面比海外市场并不落后、甚至领先的原因。

百发100指数由网络、中证指数公司、广发基金联合研发推出，于2014年7月8日正式对市场发布，实盘运行以来一路上涨，涨幅超过60%。跟踪该指数的指数基金规模上限为30亿份，2014年9月17日正式获批，10月20日发行时一度创下26小时疯卖18亿份的“神话”。

外界都知道百发100是依托大数据的指数基金，但其背后的细节鲜为人知。

百发100数据层面的分析分为两个层面，即数据工厂的数据归集和数据处理系统的数据分析。其中数据工厂负责大数据的收集分析，例如将来源于互联网的非结构化数据进行指标化、产品化等数据量化过程；数据处理系统，可以在数据工厂递交的大数据中寻找相互统计关联，提取有效信息，最终应用于策略投资。

“其实百发100是在传统量化投资技术上融合了基于互联网大数据的市场走势和投资情绪判断。”业内人士概括道。

和传统量化投资类似，百发100对样本股的甄选要考虑财务因子、基本面因子和动量因子，包括净资产收益率（ROE）、资产收益率（ROA）、每股收益增长率（EPS）、流动负债比率、企业价值倍数（EV/EBITDA）、净利润同比增长率、股权集中度、自由流通市值以及最近一个月的个股价格收益率和波动率等。

此外，市场走势和投资情绪是在传统量化策略基础上的创新产物，也是百发100的核心竞争力。接近网络的人士称，市场情绪因子对百发100基金起决定性作用。

网络金融中心相关负责人是罗伯特•席勒观点的支持者。他认为，投资者行为和情绪对资产价格、市场走势有着巨大的影响。因此“通过互联网用户行为大数据反映的投资市场情绪、宏观经济预期和走势，成为百发100指数模型引入大数据因子的重点”。

传统量化投资主要着眼点在于对专业化金融市场基本面和交易数据的应用。但在网络金融中心相关业务负责人看来，无论是来源于专业金融市场的结构化数据，还是来源于互联网的非结构化数据，都是可以利用的数据资源。因此，前文所述的市场情绪数据，包括来源于互联网的用户行为、搜索量、市场舆情、宏观基本面预期等等，都被网络“变废为宝”，从而通过互联网找到投资者参与特征，选出投资者关注度较高的股票。

“与同期沪深300指数的表现相较，百发100更能在股票市场振荡时期、行业轮动剧烈时期、基本面不明朗时期抓住市场热点、了解投资者情绪、抗击投资波动风险。”网络金融中心相关负责人表示。

百发100选取的100只样本股更换频率是一个月，调整时间为每月第三周的周五。

业内人士指出，百发100指数的月收益率与中证100、沪深300、中证500的相关性依次提升，说明其投资风格偏向中小盘。

但事实并非如此。从样本股的构成来说，以某一期样本股为例，样本股总市值6700亿元，占A股市值4.7%。样本股的构成上，中小板21只，创业板4只，其余75只样本股均为大盘股。由此可见，百发100还是偏向大盘为主、反映主流市场走势。

样本股每个月的改变比例都不同，最极端的时候曾经有60%进行了换仓。用大数据预测热点变化，市场热点往往更迭很快；但同时也要考虑交易成本。两方面考虑，网络最后测算认为一个月换一次仓位为最佳。

样本股对百发100而言是核心机密——据说“全世界只有基金经理和指数编制机构负责人两个人知道”——都是由机器决定后，基金经理分配给不同的交易员建仓买入。基金经理也没有改变样本股的权利。

展望未来，网络金融中心相关负责人踌躇满志，“百发100指数及基金的推出，只是我们的开端和尝试，未来将形成多样化、系列投资产品。”

除了百发100，目前市场上打着大数据旗帜的基金还有2014年9月推出的南方-新浪I100和I300指数基金。

南方-新浪I100和I300是由南方基金、新浪财经和深圳证券信息公司三方联合编制的。和百发100类似，也是按照财务因子和市场情绪因子进行模型打分，按照分值将前100和前300名股票构成样本股。推出至今，这两个指数基金分别上涨了10%左右。

正如百发100的市场情绪因子来自网络，南方-新浪I100和I300的市场情绪因子全部来自新浪平台。其中包括用户在新浪财经对行情的访问热度、对股票的搜索热度；用户在新浪财经对股票相关新闻的浏览热度；股票相关微博的多空分析数据等。

此外，阿里巴巴旗下的天弘基金也有意在大数据策略上做文章。据了解，天弘基金将和阿里巴巴合作，推出大数据基金产品，最早将于2015年初问世。

天弘基金机构产品部总经理刘燕曾对媒体表示，“在传统的调研上，大数据将贡献于基础资产的研究，而以往过度依赖线下研究报告。大数据将视野拓展至了线上的数据分析，给基金经理选股带来新的逻辑。”

在BAT三巨头中，腾讯其实是最早推出指数基金的。腾讯与中证指数公司、济安金信公司合作开发的“中证腾安价值100指数”早在2013年5月就发布了，号称是国内第一家由互联网媒体与专业机构编制发布的A股指数。不过，业内人士表示，有关指数并没有真正应用大数据技术。虽然腾讯旗下的微信是目前最热的社交平台，蕴藏了大量的社交数据，但腾讯未来怎么开发，目前还并不清晰。

大数据投资平台化

中欧商学院副教授陈威如在其《平台战略》一书中提到，21世纪将成为一道分水岭，人类商业行为将全面普及平台模式，大数据金融也不例外。

然而，由于大数据模型对成本要求极高，就好比不可能每家公司都搭建自己的云计算系统一样，让每家机构自己建设大数据模型，从数据来源和处理技术方面看都是不现实的。业内人士认为，大数据未来必将成为平台化的服务。

目前，阿里、网络等企业都表示下一步方向是平台化。

蚂蚁金服所致力搭建的平台，一方面包括招财宝一类的金融产品平台，另一方面包括云计算、大数据服务平台。蚂蚁金服人士说，“我们很清楚自己的优势不是金融，而是包括电商、云计算、大数据等技术。蚂蚁金服希望用这些技术搭建一个基础平台，把这些能力开放出去，供金融机构使用。”

网络亦是如此。接近网络的人士称，未来是否向平台化发展，目前还在讨论中，但可以确定的是，“网络不是金融机构，目的不是发产品，百发100的意义在于打造影响力，而非经济效益。”
当BAT还在摸索前行时，已有嗅觉灵敏者抢占了先机，那就是通联数据。

通联数据股份公司（DataYes）由曾任博时基金副董事长肖风带队创建、万向集团投资成立，总部位于上海，公司愿景是“让投资更容易，用金融服务云平台提升投资管理效率和投研能力”。该平台7月上线公测，目前已拥有130多家机构客户，逾万名个人投资者。

通联数据目前有四个主要平台，分别是通联智能投资研究平台、通联金融大数据服务平台、通联多资产投资管理平台和金融移动办公平台。

通联智能投资研究平台包括雅典娜-智能事件研究、策略研究、智能研报三款产品，可以对基于自然语言的智能事件进行策略分析，实时跟踪市场热点，捕捉市场情绪。可以说，和百发100类似，其核心技术在于将互联网非结构化数据的量化使用。

通联金融大数据服务平台更侧重于专业金融数据的分析整理。它可以提供公司基本面数据、国内外主要证券、期货交易所的行情数据、公司公告数据、公关经济、行业动态的结构化数据、金融新闻和舆情的非结构化数据等。

假如将上述两个平台比作“收割机”，通联多资产投资管理平台就是“厨房”。在这个“厨房”里，可以进行全球跨资产的投资组合管理方案、订单管理方案、资产证券化定价分析方案等。

通联数据可以按照主题热点或者自定义关键字进行分析，构建知识图谱，将相关的新闻和股票提取做成简洁的分析框架。例如用户对特斯拉感兴趣，就可以通过主题热点看到和特斯拉相关的公司，并判断这个概念是否值得投资。“过去这个搜集过程要花费几天时间，现在只需要几分钟就可以完成。”王政表示。

“通联数据就好比一家餐馆，我们把所有原料搜集来、清洗好、准备好，同时准备了一个锅，也就是大数据存储平台。研究员和基金经理像厨师一样，用原料、工具去‘烹制’自己的策略。”王政形容道。

大数据在平台上扮演的角色，就是寻找关联关系。人类总是习惯首先构建因果关系，继而去倒推和佐证。机器学习则不然，它可以在海量数据中查获超越人类想象的关联关系。正如维克托`迈尔-舍恩伯格在《大数据时代》中所提到的，社会需要放弃它对因果关系的渴求，而仅需关注相互关系。

例如，美国超市沃尔玛通过大数据分析，发现飓风用品和蛋挞摆在一起可以提高销量，并由此创造了颇大的经济效益。如果没有大数据技术，谁能将这毫无关联的两件商品联系在一起？
通联数据通过机器学习，也能找到传统量化策略无法发现的市场联系。其中包括各家公司之间的资本关系、产品关系、竞争关系、上下游关系，也包括人与人之间的关系，例如管理团队和其他公司有没有关联，是否牵扯合作等。

未来量化研究员是否将成为一个被淘汰的职业？目前研究员的主要工作就是收集整理数据，变成投资决策，而之后这个工作将更多由机器完成。

“当初医疗科技发展时，人们也认为医生会被淘汰，但其实并不会。同理，研究员也会一直存在，但他们会更注重深入分析和调研，初级的数据搜集可以交给机器完成。”王政表示。
但当未来大数据平台并广泛应用后，是否会迅速挤压套利空间？这也是一个问题。回答根据网上资料整理