股票大数据时代破解版

‘壹’ 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

‘贰’ 新三板大数据商业应用第一股”

新三板大数据商业应用第一股”

2015年8月12日，HCR慧辰资讯成功挂牌新三板(股票代码：833309)，成为国内新三板大数据商业应用第一股!备受各界关注的背后，是长期困扰大数据领域的一道难题：大数据到底怎么样变现?谁能真正撬动这个“千亿市值”的数据产业!

2012年，随着数据统计单位从TB级跃升至PB级别，大数据时代全面到来，而云计算等技术的实现，进一步揭开了数字化商业时代的帷幕。大数据时代，每家公司都在创造着大量结构化和非结构化的数据。而未来的每一笔生意都将是数据的生意。面对海量数据带来的信息爆炸，如何利用，挖掘，深入洞察数据的价值成为每家企业实际面临的考验。虽然大数据带来的“金矿”就摆在眼前，但是如何真正“掘金大数据”却成为摆在每家企业面前的难题。

l大数据变现真正的难题到底在哪里呢?

挑战一:缺少深入行业的数据洞察能力

面对海量的数据信息，并不能真正的转化为对企业或社会有价值的“数据资产”只有深度洞察数据背后的价值，才能使数据为企业的决策、发展提供支持。很多企业受困于数据本身，拥有大量时间跨度久远、内容形式多样、体量庞大的沉睡数据，缺乏数据洞察的技术实力和分析能力，数据没有转化为资产，反而变为负担。

挑战二：无法真正打通数据孤岛

我们可以看到在真实的世界里，各个行业间的信息在不同的交互过程中，为我们呈现了一个真实立体的世界，从而在企业决策、营销、产品等各个层面提供了信息支持。而在大数据的世界中，我们是通过“数字化”来高效、深度的洞察真实世界的各种形态，发掘数据背后的价值。而现阶段，数据领域存在着行业间的壁垒，我们面对着一个个拥有海量数据信息的“孤岛”，在异构数据的获得上存在着不足，只有真正打通行业间的数据孤岛，支撑起立体的信息解构体系，“大数据的变现能力”才会获得根本上的解放，实现飞跃的增长。

挑战三：大数据产业生态圈还未完整建立

在互联网、移动互联网推动的大潮下，中国的新经济领域获得了将近20年的快速增长期，信息时代与创新技术，共同催生了大数据时代的到来。但是整体产业生态圈建立还处于初期阶段，大数据领域的上下游企业还处于成长中，产业链远未发展成熟，距离良性的自成长体系发展尚待时日。这也会成为延缓大数据领域全面商业化运作的客观原因。

挑战四：不容忽视的资本助推力量

随着中国经济进入“非常态”，各行业也从“产业资本时代”逐步迈入“金融资本时代”。资本在行业发展中的杠杆效应急剧增加。正确运用资本的力量，将为一个行业赢得一日千里的发展契机。大数据行业作为一个有着亿万级规模的市场，拥有产业链上下游的众多企业，但是也由于规模庞大，企业数量众多，同时又是一个相对专业的领域，无形中也为资本市场的进入设置了一定的门槛儿，投融资机构对于产业的了解还需要一定的时间，而大量初创及小型企业，会面临比较多的来自资金方面的压力，一定程度上也延缓了整体行业快速，有序，健康迭代的发展步伐。

HCR将从根本上解决大数据的变现之道

战略一：深度服务行业大客户，实现数据资产的商业应用变现

HCR慧辰资讯作为中国最早一批的研究咨询机构，成立于1993年，在22年的发展历程中，HCR拥有超过30个细分领域的行业研究经验，深度服务于各领域的国际、国内500强大型企业。一路发展至今，以坚实的研究实力，通过合资、并购等方式不断吸纳研究领域的众多知名机构，加深HCR整体研究实力的储备，2008年与美国邓白氏成立合资公司，2012年与领先研究公司DNA公司合并，2013年开始，通过合资并购等多种方式先后吸纳包括慧思拓、QGroup、慧驰、资道网络在内的大数据研究领域众多优秀团队加盟。

在接下来的5年时间中，我们将借力行业研究的深度积累，作为大数据领域的“深入洞察者”，综合运营最新的大数据挖掘技术，以及自身大量的专业研究所具备的深入性行业认知能力，帮助各行业中的大型企业真正有效的实现大数据的应用价值。将大小数据深度结合，解决结构化数据与非结构化数据的衔接，帮助各垂直领域的行业大型企业用好数据资产，创造出深层价值。实现大数据在传统领域的商用之路。

图-1 @HCR大数据

战略二：建立大数据应用交易平台，打通数据孤岛

HCR将倾力打造大数据领域的“云平台”战略。用开放共享的互联网精神汇聚长尾大数据，打通大数据孤岛，真正实现跨行业、跨领域的异构数据共享。最大化数据变现的商业前景。

HCR将凭借自身的研究实力，投入建设基础数据层，通过结构化数据平台，逐步打造跨行业的大数据云平台。同时面向各类信息挖掘、开发应用的中小企业，建立“研究开发者云平台”，通过共享、合作的方式深入到各细分领域的商业应用层。实现跨行业、跨领域的大数据应用交易平台，真正实现天下没有难用的数据。

图-2 @HCR大数据

战略三：构建大数据生态体系，实现行业的全面升级

“复利”号称人类历史上的第八大奇迹，信息时代引爆了整个产业的幂次方增长模式，在未来“数据资产”将成为帮助企业实现幂次方增长最强劲的动力源。

HCR是国内最早步入资本市场的独立第三方数据洞察公司，深谙资本运营之道，早在1993年随慧聪网赴香港上市，2008年与美国邓白氏公司合资，登陆NYSE，继2011年完成管理层的MBO后，2013年获得达晨创投单笔5000万融资，创下业内最大单笔融资记录。在一次次资本市场的青睐背后，是对HCR深厚的行业研究积累和技术为核心的数据洞察及研究实力的认可。

此次HCR 作为国内“新三板大数据商业应用第一股”!将站在新的资本市场的平台上，借助资本的力量，帮助更多深耕大数据领域的公司实现数据资产化，建立围绕大数据领域的金融增值服务体系，在全新起点，全面构建大数据生态体系。

HCR将借力资本的力量，结合自身在大数据领域的研究实力和积累，服务于整个大数据产业链，构建完善的大数据生态体系，打通上、中、下游企业，建立大数据领域的良性循环体系，服务于大数据领域的大、中、小型公司。

首先，通过金融增值服务体系的打造，扶持大数据各垂直细分领域的初创型企业，为他们提供数据、资本、技术层面的支持，共同打造大数据领域的创新、创业沃土，支持技术创新和数据领域的各类重度垂直应用的发展。相信下一个“独角兽”必然诞生于大数据领域。

其次，基于HCR在行业研究中的长期积累，我们将帮助有一定积累的中型企业系统性的搭建符合自身业务需求的大数据体系，实现数据资产的良性循环。围绕“数据应用”建立培训、咨询体系;帮助企业实现长效的数据应用，进行专业化和系统化的数据应用培训。包括企业的总体体系设计、全景数据模型的建立、业务实际的应用和管理。

同时，面对大型企业，提供深度的数据洞察服务，加速企业数据资产的商用之路。

图-3 @HCR大数据

“心怀猛虎，细嗅蔷薇”伟大公司诞生于纯真的理想

伟大的公司通常都是诞生于纯真的理想。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业都能方便的实现生意，企鹅的愿景是方便的连接。我们看到，确实因为以上公司的存在，让我们的生活和工作更便捷了。

今天，HCR站在了新的资本市场的平台上，怀着一个纯真而朴素的理想，那就是：帮助天下的企业和个人把数据用起来。让天下的企业和个人不再有找不到的数据和不会用的数据。

HCR积累了大量的给大客户服务数据洞察的经验，知道大客户怎么用好数据的，也知道去哪里搜集数据，如何清理等等。因此，HCR应该义不容辞的承担起来帮助天下企业和个人会用数据这样的使命，盘活“数据”资产，唤醒沉睡的数据价值，让无数的企业和个人在大数据的指导下，高效的成长，大大提升整个社会的效率。HCR将秉承我们一贯的开放、共享、成长的理念，用我们五化理念：合伙人化、证劵化、产业化、互联网化和国际化来落实我们的纯真梦想，一步一步做到帮助天下的企业用好数据，共享千亿市值!

以上是小编为大家分享的关于新三板大数据商业应用第一股”的相关内容，更多信息可以关注环球青藤分享更多干货

‘叁’ 基于微信大数据的股票预测研究

基于微信大数据的股票预测研究
大数据是近些年来的热门话题，无论国际上还是国内，影响很大。经济学、政治学、社会学和许多科学门类都会发生巨大甚至是本质上的变化和发展，进而影响人类的价值体系、知识体系和生活方式。而全球经济目前生成了史无前例的大量数据，如果把每天产生的大量数据比作神话时期的大洪水是完全正确的，这个数据洪流是我们前所未见的，他是全新的、强大的、当然，也是让人恐慌但又极端刺激的。
而我所分享的话题，正是在互联网环境下，如何利用大数据技术，进行股票预测的研究。–今天，我想分享我认为有意义的四点。
1.大数据下的商业预测
根据大数据，我们可以有效地进行故障、人流、流量、用电量、股票市场、疾病预防、交通、食物配送、产业供需等方面的预测。而本文我们所关心的内容是股票市场的预测。
大数据的核心是预测，预测依赖于对数据的分析。那么分析的方法是否是基于随机采样的结果而设计的，这样的分析方法是否会有误差？
从传统认识上，由于资源和科技的局限，如人和计算资源受限、从计算机处理能力来讲无法处理全部数据来获取人们所关注的结果。因此随机采样应运而生，通过所选取的个体来代表全体，如使用随机抽取的方式来使得推论结果更科学。但既然提到了大数据，它是资源发展到一定程度、以及技术发展到一定阶段产生的一个新的认识。如同电力的出现，使人类进入了一个快速发展阶段，大数据也一样，它的含义是全体样本，从整体样本来做推论。在本文大数据的含义是所有股票在整个社交网络上的流动信息，从数据源上讲，本文没有采用所有社交网络上的数据，只分析了微信这个最具代表性的社交媒体作为信息源。
互动数据能反映用户情绪，搜索数据能反映用户的关注点和意图，在股市预测时这两种数据哪种更具有参考价值？
我认为都有价值，互动数据反映了用户对某一特定股票的喜好和厌恶，可以简单描述为对该股票的操作是继续持有还是卖出；而搜索数据则代表用户在收集该股票信息的过程，它是关注度的概念，某只股票搜索度高则意味着消息的影响力大。互动代表着方向，搜索代表着振幅。
我们知道这两种数据得出的结论会有差异，您是如何平衡这两种数据反映的情况来进行预测的？
正如上一个问题里提到的，如果是股票推荐，买进卖出等原则问题，则应该考虑互动数据，但如果已经买到手了，搜索数据可以提供一个幅度的概念，类似债券评级A级、AA级、AAA级等，供投资者参考，因为不同投资者对风险的承受度是不同的。
将股票和市场的消息整理成140字的短消息发布，是否意味着主要发布渠道是微博？现在微信公众号很火，有没有考虑通过这个渠道也发布消息？
事实上，信息传播的方式很多，微信作为新媒体当然影响力不容小觑，但目前技术投入最小的还是邮件、短信等方式，未来会考虑使用公众号来推送股票和市场消息。
如果在未来通过微信公众号推送消息，那么推送的消息会不会作为数据来源被再次采集？这会有多大的影响？
会被采集，但互联网上的每日关于个股的信息数量会达到很大，该推送会增加推荐股票1点权重，每只股票的权重成百上千，因此影响极小。
数据来源是微信公众号，除了准确性的考虑之外，是否还考虑过这样收集数据会较少触犯个人隐私？
从法律角度来看，搜索微信或其他个人聊天记录，是侵犯个人隐私权的，因此如果腾讯开放了这样的接口，每个公民都可以对这样的行为进行投诉、抗议、甚至进行法律起诉直至其改正过错、赔偿损失的。
这样是否意味着即使存在违法的行为，其结果也是由腾讯来承担，而我们作为数据的使用方不需要承担任何法律责任？
在整个社会，我们作为系统技术提供方，应恪守大数据的伦理道德，遵守国家法律，如侵犯个人隐私，系统不会采集，谷歌有一句座右铭“谷歌不作恶”，本文提到的系统也一样。
2.基于大数据进行股票推荐实验
股票的及时度反应了微信文章所发布的时效性，及时度越高，数据价值就越大。
股票的热度反应了当前某只股票被关注的频度，关注频度越大，上涨的可能性越高。

数据的完整性：我们采用循环的方式对所有深沪两地发行约2236只股票（创业版除外）在微信搜索网站上的搜索结果进行保存。
数据的一致性：文件格式由负责保存数据文件的程序决定，单一的流程保障了文件的一致性。
数据的准确性：由于所分析的订阅号文章的是由微信公共平台的公众号所提供，在一定程度上杜绝了虚假消息对于预测系统的破坏。
数据的及时性：考虑到磁盘读写以及采集程序所处的网络带宽，以及搜索引擎对于采集程序的屏蔽，程序中采集两条信息之间间隔了5秒，因此理论上11180秒（3.1个小时）可收集完当日推荐所需要的数据。对于每个交易日，在9点-9点30分之间采集所有数据，需要7台以上的设备可达到最佳效果。本次试验受限于试验设备，在一台设备上，交易日每天早六时开始进行数据采集，也满足及时性要求。
数据分析：查看三个高优先级的股票，该股票当日的开盘价与收盘价，再与当日（2015-4-8）上证综指进行比较，可得在收益上该算法是优于上证综指为样本的整体股票的股价差收益的。
实验结论：按照上述方式，系统每天推荐出当日股票，在开盘时进行买进，在第二个交易日进行卖出。经过一个月21个交易日（2015-3-1至2015-3-31），系统的收益为20%/月。通过微信搜索公众号来预测市场走势和投资情绪呈现出正相关性，因此可以作为股票甄选的因子。
3.股票预测的大数据发展趋势
网络数据分成三种：
一是浏览数据，主要用于电商领域的消费者行为分析，浏览数据反映了用户每一步的访问脚步，进一步刻画出用户的访问路径，分析不同页面的跳转概率等。
二是搜索数据，主要指搜索引擎记录的关键词被搜索频次的时间序列数据，能反映数亿用户的兴趣、关注点、意图。
三是互动数据，主要是微博、微信、社交网站的数据，反映用户的倾向性和情绪因素。
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。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。
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。
对于搜索数据：互联网搜索行为与股票市场的关联机理。这个研究属于行为金融与互联网的交叉领域，其原理是：股票量价调整是投资者行为在股票市场上的反应；与此同时，投资者行为在互联网搜索市场也有相应地行为迹象，我们要做到是：找到互联网搜索市场中领先于股票交易的行为指标，综合众多投资者的先行搜索指标，对未来的股票交易做出预判。
如同天气预报那样，不断优化模型、灌入海量信息，然后给出结果。并且在处理的信息中，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。采用了语义分析法，可以将互动数据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，通过分析互动数据的数据文本，作为股市投资的信号。
4.正在发生的未来
大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的将来。
大数据在实用层面的影响很广泛，解决了大量的日常问题。大数据更是利害攸关的，它将重塑我们的生活、工作和思维方式。在某些方面，我们面临着一个僵局，比其他划时代创新引起的社会信息范围和规模急剧扩大所带来的影响更大。我们脚下的地面在移动。过去确定无疑的事情正在受到质疑。大数据需要人们重新讨论决策、命运和正义的性质。拥有知识曾意味着掌握过去，现在则意味着能够预测未来。
大数据并不是一个充斥着算法和机器的冰冷世界，其中仍需要人类扮演重要角色。人类独有的弱点、错觉、错误都是十分必要的，因为这些特性的另一头牵着的是人类的创造力、直觉和天赋。这提示我们应该乐于接受类似的不准确，因为不准确正是我们之所以为人的特征之一。就好像我们学习处理混乱数据一样，因为这些数据服务的是更加广大的目标。必将混乱构成了世界的本质，也构成了人脑的本职，而无论是世界的混乱还是人脑的混乱，学会接受和应用他们才能得益。
我相信，利用基础数据、搜索数据、互动数据再进行加权计算，可以对所有股票进行大数据遴选，从而给出投资建议。我认为，我们的肉身刚刚步入大数据时代，但我们的精神还滞留在小数据、采样思维之中，率先用理性击碎固有思维的人，也将率先获得大数据带来的益处。

‘肆’ 什么是大数据，大数据时代有哪些趋势

行业主要上市公司：易华录(300212)、美亚柏科(300188)、海量数据(603138)、同有科技(300302)、海康威视(002415)、依米康(300249)、常山北明(000158)、思特奇(300608)、科创信息(300730)、神州泰岳(300002)、蓝色光标(300058)等

本文核心数据：大数据产业链、产业规模、应用市场结构、竞争格局、发展前景预测等

产业概况

1、定义：大数据产业覆盖范围广

根据中国信通院发布的《大数据白皮书》，大数据产业是以数据及数据所蕴含的信息价值为核心生产要素，通过数据技术、数据产品、数据服务等形式，使数据与信息价值在各行业经济活动中得到充分释放的赋能型产业。不同机构对大数据的定义也有所不同，具体如下：

2、产业链剖析：大数据产业链庞大

大数据产业链覆盖范围广，上游是基础支撑层，主要包括网络设备、计算机设备、存储设备等硬件供应，此外，相关云计算资源管理平台、大数据平台建设也属于产业链上游;

大数据产业中游立足海量数据资源，围绕各类应用和市场需求，提供辅助性的服务，包括数据交易、数据资产管理、数据采集、数据加工分析、数据安全，以及基于数据的IT运维等;

大数据产业下游则是大数据应用市场，随着我国大数据研究技术水平的不断提升，目前，我国大数据已广泛应用于政务、工业、金融、交通、电信和空间地理等行业。

大数据产业上游基础设施具体包括IT设备、电源设备、基础运营商及其他设备，相关代表企业华为、中兴通讯、艾默生、三大运营商等。

中游大数据领域可以细分为数据中心、大数据分析、大数据交易与大数据安全等子行业，相关代表企业包括宝信软件、数据港、久其软件、拓尔思、上海数据交易中心、贵阳大数据交易所与华云数据等。

在下游应用市场，我国大数据应用范围正在快速向各行各业延伸，除发展较早的政务大数据、交通大数据外，在工业、金融、健康医疗等众多领域大数据应用均初见成效。

产业发展历程：十年来大数据产业高速增长，信息智能化程度得到显着提升

我国大数据产业布局相对较早，2011年，工信部就把信息处理技术作为四项关键技术创新工程之一，为大数据产业发展奠定了一定的政策基础。自2014年起，“大数据”首次被写进我国政府工作报告，大数据产业上升至国家战略层面，此后，国家大数据综合试验区逐渐建立起来，相关政策与标准体系不断被完善，到2020年，我国大数据解决方案已经发展成熟，信息社会智能化程度得到显着提升。

产业政策背景：优化升级数字基础设施，鼓励大数据产业发展

2014年，大数据首次写入政府工作报告，大数据逐渐成为各级政府关注的热点，政府数据开放共享、数据流通与交易、利用大数据保障和改善民生等概念深入人心。此后国家相关部门出台了一系列政策，鼓励大数据产业发展。

当前，随着5G、云计算、人工智能等新一代信息技术快速发展，信息技术与传统产业加速融合，数字经济蓬勃发展，数据中心作为各个行业信息系统运行的物理载体，已成为经济社会运行不可或缺的关键基础设施，在数字经济发展中扮演至关重要的角色。数据中心作为大数据产业重要的基础设施，其快速发展极大程度地推动了大数据产业的进步。在2021年3月发布的“十四五”规划中，大数据标准体系的完善成为发展重点。

产业发展现状

1、行业整体情况：大数据产业规模维持高速增长 主要应用于金融和政府领域

——大数据产业规模：2021年超过800亿元

近年来我国大数据行业取得快速发展，赛迪CCID统计，我国大数据市场规模由2019年的619.7亿元增长至2021年的863.1亿元，复合年增长率达到18.0%，大数据市场规模包含了大数据相关硬件、软件、服务市场收入。

——大数据市场结构：产业整体以大数据服务为主，应用领域以金融和政府领域为主

从产业结构来看，目前，我国的大数据产业进入高质量发展阶段，大数据软件和大数据服务的需求开始不断提升，大数据硬件占比有所下降但仍占据主导地位，

CCID统计，2021年我国大数据市场结构中，大数据硬件、大数据软件和大数据服务的市场占比分别为40.5%、25.7%和33.8%。近几年大数据硬件的占比在逐渐下降，大数据软件和大数据服务的占比在逐步提高。未来我国大数据软件和服务市场相比硬件市场将呈现更好的发展态势。

从应用领域来看，大数据分析产品及服务已经从最早的为电信领域客户提供经营分析、为银行领域客户提供风控管理等辅助性经营决策，发展到目前的为金融、电信、政府、互联网、工业、健康医疗、电力等多个行业领域客户提供预测性分析、自主与持续性分析等，以实现企业决策与行动最优化。大数据分析产品及服务应用已经十分广泛，但由于各下游领域业务特点的不同，决定了其对大数据分析产品及服务的具体需求存在一定差异。

CCID统计，2021年我国大数据分析市场下游行业中，金融、政府、电信和互联网位居应用领域前四名，市场占比分别为19.1%、16.5%、15.2%和13.9%，合计超过60%;其他重点应用领域主要包括健康医疗、交通运输、工业、电力等。

2、细分市场一：金融大数据

——金融大数据需求：金融业务规模不断扩大，带动大数据需求提升

从金融领域需求来看，近年来，中国金融领域业务规模不断扩大，其中中国银行业金融机构不断积极拥抱金融科技，推动数字化转型，整体行业规模扩大;保险业和证券业的收入也随着市场经济的发展而提升。

近年来，随着新一代信息技术加速突破应用，以移动金融、互联网金融、智能金融等为代表的金融新业态、新应用、新模式正蓬勃兴起，我国金融业开始步入一个与信息社会和数字经济相对应的数字化新时代，金融数字化转型成为金融行业转型发展的焦点。2019年，人民银行印发《金融科技发展规划(2019-2021年)》，构建起金融科技“四梁八柱”的顶层设计，明确了金融科技发展方向和任务、路径和边界。2022年1月，人民银行再次发布《金融科技发展规划(2022-2025年)》明确提出，从战略、组织、管理、目标、路径以及考评等方面将金融数字化打造成金融机构的“第二发展曲线”。随着金融业务规模不断扩大，加之新一代信息技术的发展，大数据在金融领域的需求将不断提升。

——金融大数据应用场景

过去几年，金融大数据带来了重大的技术创新，为行业提供了便捷、个性化和安全的解决方案。目前，中国金融大数据典型的应用场景包括股票洞察、欺诈检测和预防、风险分析与金融服务领域。

3、细分市场二：政府大数据

——政府大数据需求：互联网政务服务用户规模不断提升

从政府领域需求来看，根据中国互联网络信息中心(CNNIC)发布的第49次《中国互联网络发展状况统计报告》数据显示，互联网政务服务发展展现出了巨大潜能。截至2021年12月，我国互联网政务服务用户规模达9.21亿，较2020年12月增长9.2%，占网民整体的89.2%。“十四五”规划纲要提出要“推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”。2021年，我国各省市积极探索、持续推进互联网政务服务建设发展，努力提升公共服务、社会治理等数字化、智能化水平。截至2021年11月，全国已有20多个省(区、市)相继出台数字政府建设的有关规划，为我国互联网政务服务发展注入新的活力。

——政府大数据应用场景

中国政府大数据主要应用于信息共享、政务数据管理、城市网络管理与社会管理几大领域。加强电子政务建设，管理好政府的数据资产，完善政府决策流程，将是未来数年大数据在公共管理领域发展的重要方向。大数据将对政府部门的精细化管理和科学决策发挥重要作用，从而提高政府的服务水平。舆情监测、交通安防、医疗服务等将是公共管理领域重点应用领域。

4、细分市场三：互联网大数据

——互联网大数据需求：互联网行业规模不断提升

在人工智能、云计算、大数据等信息技术和资本力量的助推和国家各项政策的扶持下，2021年，互联网和相关服务业发展态势平稳向好。企业业务收入和营业利润保持较快增长;互联网平台服务和数据业务实现快速发展，信息服务收入较快增长;多省份保持增长态势。2021年我国规模以上互联网和相关服务企业完成业务收入15500亿元，同比增长21.2%。

2022年上半年，我国规模以上互联网和相关服务企业完成互联网业务收入7170亿元，同比增长0.1%。

注：2021年及以前年份，规模以上互联网和相关服务企业，指获得《增值电信业务经营许可证》在中国大陆境内经营全国或区域性增值电信业务、上年度互联网业务收入500万元及以上的企业。2022年，规模以上互联网和相关服务企业口径由互联网和相关服务收入500万元以上调整为2000万元及以上。

——互联网大数据应用场景

在互联网行业，除了社交、B2C业务之外，像在线音视频业务、广告监测、精准营销等等，也是未来潜在应用场景。

产业竞争格局

1、区域竞争：中国大数据企业主要分布在华南和华东沿海地区

根据企查猫数据，截止2022年9月23日，全国大数据产业中“存续”及“在业”的企业多集中分布在华南和华东沿海地区。其中，广东省的大数据企业最多。

2、企业竞争：技术领域创新和经验是关键，融合应用领域行业龙头更能获得青睐

根据大数据产业联盟调研和发布的2022大数据企业投资价值百强榜单来看，榜单共选取了10个细分领域，涉及大数据基础软件、数据治理与分析、数据安全、商业智能、营销大数据5个通用领域，以及政府大数据、金融大数据、工业大数据、健康医疗大数据、空间地理信息大数据5个融合应用领域。

大数据基础软件、数据治理与分析、数据安全、数据可视化等，是所有细分行业应用场景的基础支撑，体现了大数据技术价值和作用。在这些细分领域提供技术解决方案的企业中，技术创新能力较强、在各自的细分领域有较长时间技术积累的厂商是投资机构的关注重点。

政府大数据、金融大数据发展相对成熟，落地实践案例多和品牌知名度高的企业受市场关注程度较高。工业大数据、健康医疗大数据、空间地理信息大数据等市场仍处于待爆发阶段，在各自细分领域建立竞争优势的企业容易获得投资机构的青睐。

注：2022年大数据企业投资价值百强榜是从企业估值/市值、营收状况、创新投入、产品竞争力、细分市场潜力、领导层能力等多个维度进行综合评比，同时结合行业专家打分，评选出2022年度大数据领域最具投资价值的100家企业。

产业发展前景：大数据将继续保持高速增长

大数据作为新一代信息技术的重要标志，对生产制造、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力均产生重要影响。伴随国家快速推动数字经济、数字中国、智慧城市等发展建设，未来大数据行业对经济社会的数字化创新驱动、融合带动作用将进一步增强，应用范围将得到进一步拓宽，大数据市场也将保持持续快速的增长态势。预计2027年我国大数据市场规模将达到2930.9亿元，未来六年复合年增长率为22.6%。

更多本行业研究分析详见前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》。

‘伍’ 利用大数据炒股会赚吗

随着科学技术的发展，现在很多炒股软件都可以方便快捷地找到上市公司的关键数据。用大数据分析找出大股东的持仓成本，就等于看到了经销商的底牌。购买价格接近或低于市场平均持仓成本。利润机会越大，安全系数越高。

因为大数据分析人们的常识性需求或一些习惯性行为，只能通过多次或多次发生的常见行为事件找出一些规律。上述行为事件是相对固定时间或基本需求或习惯的单一行为的结果。作为股东，没有人能够预测未来。我们不否认这一点。然而，很少有人会否认每个人都可以回顾历史。我们不知道未来会上升还是下降。我们不知道如何波动。然而，如果一个好故事讲得很辛苦，说书人肯定会得到好处。粉丝越多，他得到的好处就越多。