大数据在股票投资方面的不足

1. 大数据能不能预测股市

大数据对于很多的地方都是非常有用的，但是，是否也有大数据不能做到的？我觉得很多时候，大数据只能说作为一个参考的方向，并不能准确的作出判断，或者给出答案。首先大数据是一个有科学根据的一个参考物，因为有大量的数据，有大量的参考物，所以，这件事情结果跟大数据一致的概率变得会跟大数据所统计的相差不远，这就是我们的大数据拥有的功能。

我们的股市，说实话我以前的工作是金融方面的也接触过股市，对于股市的话，首先影响我们股市的一些因素有哪些？从宏观来说，像国家的一些政策调控，包括我们公司的一些政策变化，股东的一些变动，或者说我们现在在整个股市来说什么样的一个趋势。

我们如果从技术层面，就是可以通过我们的一些k线图，或者我们的一些kdj指标，很多的一些分析股票的一些指标来判断，当然这些指标的话并不是百分之百，都是金钱。而是说这些指标，其实也就是通过一些大量的，我们以前的历史数据，其实都是已经是历史性的，所以总结出来的这样一个图案，便于我们能进行分析。

这样一个指标的话，其实跟我们的大数据就非常的类似，我们说大数据到底能不能预测故事？这个真的不能具体的回答，因为预测这个事情也就是说对于未来的股市的一个判断，这其实是很难的，我们很多的时候看到的都只是表面上的，大数据来说，他可以给出一个方向，或者能够得出的结论跟未来行情的变化正确的概率是非常高的，但是我们不能百分之百肯定，他得出的结论是正确的，所以大数据他可以预测股市一个大致方向，但不不能保证他预测的是正确的，可以作为一个参考。

2. 股票投资的主要缺点为

不仅是收益高，风险还高，相信大部分朋友在提起股票的优缺点时第一个反应就是这个，但说回来，作为入行很多年的老股民，股票的不足之处和优点，仅用这几个字是说不完的，这就给大家详细讲讲！
开篇之前，我先给大家送上一个福利，看看我精选的3只牛股当中，有没有合你心水的：【绝密】机构推荐的牛股名单泄露，限时速领！！！
一、股票投资的优点
股票是股份公司为筹集资金而发行给股东作为持股凭证，并借以取得股息和红利的一种有价证券。
通常来说，购买股票的优点有下面几点：
（1）流动性相对来说比较强，变现也很快：若是想卖，所持有的股票都能够随时被卖出，在下个交易日不仅可以收到股款，还能收到现金。
（2）安全性相当的高：毕竟这就是有相关部门监管的正规市场，在交易的时候，风险方面也不用太过忧心。
（3）有可观收益：一旦投资决策的方向正确了，后面的投资收益是很可观的！
然则A股市场上的股票良多，如何知道哪只能获得较高的收益呢？不妨直接点击这里，即有专业的股票分析师为你分析股票发展潜力怎样，值不值得买入！【免费】测一测你的股票当前估值位置？

二、股票投资的缺点
而投资股票也具有以下缺点：
（1）不确定因素多：股票市场不确定性的因素非常多。打个比方永远忘不了的2015年股灾，可以说是“千股跌停”！在投资者眼里，这场灾难给他们带来的打击非常大！
（2）高收益就相当于高风险：股东在购买股票后，可以凭借它分享公司成长或者交易市场波动带来的利润，也需要共同担负公司运作错误所带来的风险的。
（3）进入高要求：投资股票，不像是买菜吃饭，需要我们去掌握专业知识、投资经验等的投资管理能力，还需要有良好且稳定的投资心态。倘若没有了这些知识储备和经验，盲目跟进的话，可能会损失不小！
平日里，可以多看看这个股市播报，了解股市的最新资讯，及时了解股票相关的信息，增加自己的知识储备，规避亏损风险。【股市晴雨表】金融市场一手资讯播报

应答时间：2021-08-26，最新业务变化以文中链接内展示的数据为准，请点击查看

3. 股票投资的优点跟缺点都有哪些

高收益以及还高风险，可能有大多数人在说到股票的优缺点时第一个反应就是这个，但作为入行N＋1年的老股民，我想说的是，股票的优缺点可不是这几个字就能概括的，这就给大家详细讲讲！
开篇之前，我先给大家送上一个福利，看看我精选的3只牛股当中，有没有合你心水的：【绝密】机构推荐的牛股名单泄露，限时速领！！！
一、股票投资的优点
股票是股份公司为筹集资金而发行给股东作为持股凭证，并借以取得股息和红利的一种有价证券。
一般来说，购买股票具有以下优点：
（1）流动性相对来说比较强，变现也很快：只要有卖的想法，随时随地都能把持有的股票卖出，在下个交易日不仅可以收到股款，还能收到现金。
（2）安全性较强：这怎么说也是受相关部门监管的，属于正规的市场交易方面钱财也不用去忧心。
（3）有可观收益：只要一开始能买到优质的股，并且有着正确的投资理念，那么想要高收益的回报，可能性非常高！
然而A股市场上流动着诸多的股票，怎么知道哪只股票的收益比较高呢？不妨直接点击这里，即有专业的股票分析师为你分析股票发展潜力怎样，值不值得买入！【免费】测一测你的股票当前估值位置？
二、股票投资的缺点
而投资股票也具有以下缺点：
（1）不确定因素多：股票市场不确定性的因素非常多。如同2015年的股灾令人瑟瑟发抖，可以说是“千股跌停”！这场突如其来的灾难，很多投资者一夜暴负！
（2）高收益随之而来的就是高风险：在购买股票后，公司成长或交易市场波动都能够带来利润，而股东都能够分享到，但也要一起承担公司运作方面的错误导致的风险。
（3）进入要求多：投资股票，不像是买菜吃饭，需要我们去掌握专业知识、投资经验等的投资管理能力，而且还要有良好且稳定的投资心态。要是没有这些知识储备跟经验，盲目跟进的话，很容易造成损失！
在平时，可以多看看这个股市播报，了解股市的最新资讯，及时了解股票相关的信息，增加自己的知识储备，规避亏损风险。【股市晴雨表】金融市场一手资讯播报

应答时间：2021-08-26，最新业务变化以文中链接内展示的数据为准，请点击查看

4. 股票的技术分析优缺点是啥啊

股票技术分析的优点：简单性、客观性、明确性、灵活性。
股票技术分析的缺点：对于长期走势无效、买卖信号的不确定、价位和时间不确定。
不仅是收益高，风险还高，相信有大部分小伙伴都会在一说起股票的优缺点时第一个反应就是这个，作为一名入行许多年的老股民，股票的不足之处和优点，仅用这几个字是说不完的，这就具体的介绍给大家！
开篇之前，我先给大家送上一个福利，看看我精选的3只牛股当中，有没有合你心水的：【绝密】机构推荐的牛股名单泄露，限时速领！！！
一、股票投资的优点
股票是股份公司为筹集资金而发行给股东作为持股凭证，并借以取得股息和红利的一种有价证券。
一般来说，购买股票具有以下优点：
（1）有很强的流动性，变现速度也很快：若是想卖，所持有的股票都能够随时被卖出，在下个交易日就能收到股款，获得现金。
（2）安全性相当的高：毕竟是受相关部门监管的正规市场交易方面的各种损失也不用去担心。
（3）有可观收益：只要一开始能买到优质的股，并且有着正确的投资理念，那么想要高收益的回报，可能性非常高！
只是A股市场上活跃着众多的股票，要怎么才能知道哪只有着较高的收益？不妨直接点击这里，即有专业的股票分析师为你分析股票发展潜力怎样，值不值得买入！【免费】测一测你的股票当前估值位置？

二、股票投资的缺点
而投资股票也具有以下缺点：
（1）不确定因素多：股票市场不确定性的因素非常多。就像让人印象深刻的2015年股灾，可以说是“千股跌停”！这也给很多的投资者巨大的打击！
（2）高收益随之而来的就是高风险：购买股票后，公司成长或交易市场波动带来的利润股东都能够凭借手中的股票分享到，也需要共同担负公司运作错误所带来的风险的。
（3）进入要求多：投资股票，不像是买菜吃饭，需要我们去掌握专业知识、投资经验等的投资管理能力，投资心态还要是良好且稳定的。倘若没有了这些知识储备和经验，跟着别人买的话，造成损失的概率不小！
日常生活中，可以多看看这个股市播报，了解股市的最新资讯，及时了解股票相关的信息，增加自己的知识储备，规避亏损风险。【股市晴雨表】金融市场一手资讯播报

应答时间：2021-09-23，最新业务变化以文中链接内展示的数据为准，请点击查看

5. 用大数据炒股，靠谱吗

因为最近在考察几个量化交易平台，或许正好能够回答你的这个问题。
在国外现在量化交易已经非常非常的普及，但是据说在国内只有不到5%，似乎是国内散户太多的原因。
而量化交易就是能够通过模型预测未来一段时间的走势，从而不断去调整，购买较大胜率的股票、期货或者大宗商品。
某种程度上来说，这些大数据预测相对于国内的赌徒心理还是有更高的成功率的。

当然，也不能太迷信数据，数据是死的，而人性莫测。在国内，即使你个股再好，还是看出现跑不赢大盘的局面，而且有时候还得考虑人的情绪、政策等等。不过，如果能够坚持，大数据还是相对靠谱的。观点仅供参考，投资需谨慎。

6. 股票投资的主要缺点

投资股票最大的缺点就是风险太大，极易发生亏损本金的情况，如果亏损本金可能会影响个人正常生活。而且在买卖股票时需要投资者拥有股票方面的知识，通过这些知识判断股票的涨跌，如果用户没有这方面的知识，发生亏损的几率非常高。

股票的风险主要包括系统性风险、非系统性风险、交易风险和不可抗风险;系统性风险主要是由政治、经济及社会环境等宏观风险，非系统性风险一般指上市公司的经营、财务、销售、投资等方面出现负面问题。

如果用户没有股票方面的知识，那么最好不要涉足股票，投入后极易发生亏损的情况。在投资股票时最好向有经验的人学习，通过学习可以让用户掌握一定的投资技巧，在买卖的过程中最好拥有良好的心态。

7. 大数据在金融行业的应用与挑战

大数据在金融行业的应用与挑战
A 具有四大基本特征
金融业基本是全世界各个行业中最依赖于数据的，而且最容易实现数据的变现。全球最大的金融数据公司Bloomberg在1981年成立时“大数据”概念还没有出现。Bloomberg的最初产品是投资市场系统（IMS），主要向各类投资者提供实时数据、财务分析等。
随着信息时代降临，1983年估值仅1亿美元的Bloomberg以30%股份的代价换取美林3000万美元投资，先后推出Bloomberg Terminal、News、Radio、TV等各类产品。1996年Bloomberg身价已达20亿美元，并以2亿美元从美林回购了10%的股份。2004年Bloomberg在纽约曼哈顿中心建成246米摩天高楼。到2008年次贷危机，美林面临崩盘，其剩余20%的Bloomberg股份成为救命稻草。Bloomberg趁美林之危赎回所有股份，估值跃升至225亿美元。2016年Bloomberg全球布局192个办公室，拥有1.5万名员工，年收入约100亿美元，估值约1000亿美元，超过同年市值为650亿美元的华尔街标杆高盛。
大数据概念形成于2000年前后，最初被定义为海量数据的集合。2011年，美国麦肯锡公司在《大数据的下一个前沿：创新、竞争和生产力》报告中最早提出：大数据指大小超出典型数据库软件工具收集、存储、管理和分析能力的数据集。
具体来说，大数据具有四大基本特征：
一是数据体量大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量。
二是数据类别大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。现在的数据类型不仅是文本形式，更多的是图片、视频、音频、地理位置信息等多类型的数据。
三是处理速度快，在数据量非常庞大的情况下，也能够做到数据的实时处理。数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。
四是数据的真实性高，随着社交数据、企业内容、交易与应用数据等新数据源的兴起，传统数据源的局限被打破，信息的真实性和安全性显得极其重要。
而相比其他行业，金融数据逻辑关系紧密，安全性、稳定性和实时性要求更高，通常包含以下关键技术：数据分析，包括数据挖掘、机器学习、人工智能等，主要用于客户信用、聚类、特征、营销、产品关联分析等；数据管理，包括关系型和非关系型数据、融合集成、数据抽取、数据清洗和转换等；数据使用，包括分布式计算、内存计算、云计算、流处理、任务配置等；数据展示，包括可视化、历史流及空间信息流展示等，主要应用于对金融产品健康度、产品发展趋势、客户价值变化、反洗钱反欺诈等监控和预警。
B 重塑金融行业竞争新格局
“互联网+”之后，随着世界正快速兴起“大数据+”，金融行业悄然出现以下变化：
大数据特征从传统数据的“3个V”增加到“5个V”。在数量（Volume）、速度（Velocity）、种类（Variety）基础上，进一步完善了价值（Value）和真实性（Veracity），真实性包括数据的可信性、来源和信誉、有效性和可审计性等。
金融业按经营产品分类变为按运营模式分类。传统金融业按经营产品划分为银行、证券、期货、保险、基金五类，随着大数据产业兴起和混业经营的发展，现代金融业按运营模式划分为存贷款类、投资类、保险类三大类别。
大数据市场从垄断演变为充分市场竞争。全球大数据市场企业数量迅速增多，产品和服务的差异增大，技术门槛逐步降低，市场竞争日益激烈。行业解决方案、计算分析服务、存储服务、数据库服务和大数据应用成为市场份额排名最靠前的五大细分市场。
大数据形成新的经济增长点。Wikibon数据显示，2016年，全球大数据硬件、软件和服务整体市场增长22%达到281亿美元，预计到2027年，全球在大数据硬件、软件和服务上的整体开支的复合年增长率为12%，将达到大约970亿美元。
数据和IT技术替代“重复性”业务岗位。数据服务公司Eurekahedge通过追踪23家对冲基金，发现5位对冲基金经理薪金总额为10亿美元甚至更高。过去10年，靠数学模型分析金融市场的物理学家和数学家“宽客”一直是对冲基金的宠儿，其实大数据+人工智能更精于此道。高盛的纽约股票现金交易部门2000年有600名交易员而如今只剩两人，其任务全由机器包办，专家称10年后高盛员工肯定比今天还要少。
美国大数据发展走在全球前列。美国政府宣称：“数据是一项有价值的国家资本，应对公众开放，而不是将其禁锢在政府体制内。”作为大数据的策源地和创新引领者，美国大数据发展一直走在全球最前列。自20世纪以来，美国先后出台系列法规，对数据的收集、发布、使用和管理等做出具体的规定。2009年，美国政府推出Data.gov政府数据开放平台，方便应用领域的开发者利用平台开发应用程序，满足公共需求或创新创业。2010年，美国国会通过更新法案，进一步提高了数据采集精度和上报频度。2012年3月，奥巴马政府推出《大数据研究与开发计划》，大数据迎来新一轮高速发展。
英国是欧洲金融中心，大数据成为其领先科技之一。2013年，英国投资1.89亿英镑发展大数据。2015年，新增7300万英镑，创建了“英国数据银行”data.gov.uk网站。2016年，伦敦举办了超过22000场科技活动，同年，英国数字科技投资逾68亿英镑，而收入则超过1700亿英镑。另外，英国统计局利用政府资源开展“虚拟人口普查”，仅此一项每年节省5亿英镑经费。
C 打造高效金融监管体系
大数据用已发生的总体行为模式和关联逻辑预测未来，决策未来,作为现代数字科技的核心，其灵魂就是——预测。
侦测、打击逃税、洗钱与金融诈骗
全球每年因欺诈造成的经济损失约3.7万亿美元，企业因欺诈受损通常为年营收额的5%。全球最大软件公司之一美国SAS公司与税务、海关等政府部门和全球各国银行、保险、医疗保健等机构合作，有效应对日益复杂化的金融犯罪行为。如在发放许可之前，通过预先的数据分析检测客户是否有过行受贿、欺诈等前科，再确定是否发放借贷或海关通关。SAS开发的系统已被国际公认为统计分析的标准软件，在各领域广泛应用。英国政府利用大数据检测行为模式检索出200亿英镑的逃税与诈骗，追回了数十亿美元损失。被福布斯评为美国最佳银行的德克萨斯资本银行（TCBank），不断投资大数据技术，反金融犯罪系统与银行发展同步，近3年资产从90亿美元增至210亿美元。荷兰第三大人寿保险公司CZ依靠大数据对骗保和虚假索赔行为进行侦测，在支付赔偿金之前先期阻断，有效减少了欺诈发生后的司法补救。
大数据风控建立客户信用评分、监测对照体系
美国注册舞弊审核师协会（ACFE）统计发现，缺乏反欺诈控制的企业会遭受高额损失。美国主流个人信用评分工具FICO能自动将借款人的历史资料与数据库中全体借款人总体信用习惯相比较，预测借款人行为趋势，评估其与各类不良借款人之间的相似度。美国SAS公司则通过集中浏览和分析评估客户银行账户的基本信息、历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如搜索到该客户从新出现的国家为特有用户转账，或在新位置在线交易等），进行实时反欺诈分析。
美国一家互联网信用评估机构通过分析客户在Facebook、Twitter等社交平台留下的信息，对银行的信贷和投保申请客户进行风险评估，并将结果出售给银行、保险公司等，成为多家金融机构的合作伙伴。
D 数据整合困难
应用经济指标预测系统分析市场走势
IBM使用大数据信息技术成功开发了“经济指标预测系统”，该系统基于单体数据进行提炼整合，通过搜索、统计、分析新闻中出现的“新订单”等与股价指标有关的单词来预测走势，然后结合其他相关经济数据、历史数据分析其与股价的关系，从而得出行情预测结果。
追踪社交媒体上的海量信息评估行情变化
当今搜索引擎、社交网络和智能手机上的微博、微信、论坛、新闻评论、电商平台等每天生成几百亿甚至千亿条文本、音像、视频、数据等，涵盖厂商动态、个人情绪、行业资讯、产品体验、商品浏览和成交记录、价格走势等，蕴含巨大财富价值。
2011年5月，规模为4000万美元的英国对冲基金DC Markets，通过大数据分析Twitter的信息内容来感知市场情绪指导投资，首月盈利并以1.85%的收益率一举战胜其他对冲基金仅0.76%的平均收益率。
美国佩斯大学一位博士则利用大数据追踪星巴克、可口可乐和耐克公司在社交媒体的围观程度对比其股价，证明Facebook、Twitter和 Youtube上的粉丝数与股价密切相关。
提供广泛的投资选择和交易切换
日本个人投资理财产品Money Design在应用程序Theo中使用算法+人工智能，最低门槛924美元，用户只需回答风险承受水平、退休计划等9个问题，就可使用35种不同货币对65个国家的1.19万只股票进行交易和切换，年度管理费仅1%。Money Design还能根据用户投资目标自动平衡其账户金额，预计2020年将超过2万亿美元投资该类产品。
利用云端数据库为客户提供记账服务
日本财富管理工具商Money Forward提供云基础记账服务，可管理工资、收付款、寄送发票账单、针对性推送理财新项目等，其软件系统连接并整合了2580家各类金融机构的各类型帐户，运用大数据分析的智能仪表盘显示用户当前财富状况，还能分析用户以往的数据以预测未来的金融轨迹。目前其已拥有50万商家和350万个体用户，并与市值2.5万亿美元的山口金融集团联合开发新一款APP。
为客户定制差异化产品和营销方案
金融机构迫切需要掌握更多用户信息，继而构建用户360度立体画像，从而对细分客户进行精准营销、实时营销、智慧营销。
一些海外银行围绕客户“人生大事”，分析推算出大致生活节点，有效激发其对高价值金融产品的购买意愿。如一家澳大利亚银行通过大数据分析发现，家中即将诞生婴儿的客户对寿险产品的潜在需求最大，于是通过银行卡数据监控准妈妈开始购买保胎药品和婴儿相关产品等现象，识别出即将添丁的家庭，精准推出定制化金融产品套餐，受到了客户的积极响应，相比传统的短信群发模式大幅提高了成功率。
催生并支撑人工智能交易
“量化投资之王”西蒙斯被公认为是最能赚钱的基金经理人，自1988年创立文艺复兴科技公司的旗舰产品——大奖章基金以来，其凭借不断更新完善的大数据分析系统，20年中创造出35%的年均净回报率，比索罗斯同期高10%，比股神巴菲特同期高18%，成为有史以来最成功的对冲基金，并于1993年基金规模达2.7亿美元时停止接受新投资。在美国《Alpha》杂志每年公布的对冲基金经理排行榜上，西蒙斯2005年、2006年分别以15亿美元、17亿美元净收入稳居全球之冠，2007年以13亿美元位列第五，2008年再以25亿美元重返榜首。
推动金融产品和服务创新
E 面临三大挑战
目前，全球各行业数据量的增长速度惊人，在我国尤其集中在金融、交通、电信、制造业等重点行业，信息化的不断深入正在进一步催生更多新的海量数据。
据统计，2015年中国的数据总量达到1700EB以上，同比增长90%，预计到2020年这一数值将超过8000EB。以银行业为例，每创收100万元，银行业平均产生130GB的数据，数据强度高踞各行业之首。但在金融企业内部数据处于割裂状态，业务条线、职能部门、渠道部门、风险部门等各个分支机构往往是数据的真正拥有者，缺乏顺畅的共享机制，导致海量数据往往处于分散和“睡眠”状态，虽然金融行业拥有的数据量“富可敌国”，但真正利用时却“捉襟见肘”。
数据安全暗藏隐患
大数据本质是开放与共享，但如何界定、保护个人隐私权却成为法律难题。大数据存储、处理、传输、共享过程中也存在多种风险，不仅需要技术手段保护，还需相关法律法规规范和金融机构自律。多项实际案例表明，即使无害的数据大量囤积也会滋生各种隐患。安全保护对象不仅包括大数据自身，也包含通过大数据分析得出的知识和结论。在线市场平台英国Handshake.uk.com就尝试允许用户协商个人数据被品牌分享所得的报酬。
人才梯队建设任重道远
人才是大数据之本。与信息技术其他细分领域人才相比，大数据发展对人才的复合型能力要求更高，需要掌握计算机软件技术，并具备数学、统计学等方面知识以及应用领域的专业知识。

8. 大数据炒股靠谱吗

在国外现在量化交易已经非常非常的普及，但是据说在国内只有不到5%，似乎是国内散户太多的原因。 而量化交易就是能够通过模型预测未来一段时间的走势，从而不断去调整，购买较大胜率的股票、期货或者大宗商品。
某种程度上来说，这些大数据预测相对于国内的赌徒心理还是有更高的成功率的。
当然，也不能太迷信数据，数据是死的，而人性莫测。在国内，即使你个股再好，还是看出现跑不赢大盘的局面，而且有时候还得考虑人的情绪、政策、冲突事件等等。不过，如果能够坚持，大数据还是相对靠谱的。观点仅供参考，投资需谨慎。

9. 炒股App 大数据丢在风口上的蛋

炒股App：大数据丢在风口上的蛋

尽管炒股App处于刚刚勃兴阶段，但业内几乎在短时间内迅速就其产品模式达成了共识——将交易与交流相结合，组建日常化的投资社区。在此之下，不同背景与定位的炒股App开始探索各自的商业模式，谋求符合自己的生存之道 ...

据媒体报道，与2007年“大牛市”不同，2014年以来的大牛市伴随移动互联网的蓬勃发展，特别是微信、移动新闻客户端等加快了信息传播速度。2007年时，股票投资者还需要在同花顺、大智慧等PC客户端浏览行情；而今，几十个乃至近百个新式炒股App蓬勃而生，为无数赶赴牛市的“85后”新生代投资者提供参考。

一场以炒股App寻找全新App增长点的创投热情，更在四五月间股市的“牛气冲天”中，被极度释放，进而又在6月末的一连串股市大跌之中，被非议无数。作为已经不再热门的App创业中的一支奇葩，在股市的风口上，炒股App到底能够走多远？

社交应用的股票定制版？

在有关提到此次炒股App热的媒体报道中，常有一段话，专门用来解析过去主要应用于PC的炒股软件和当下应用于手机的炒股App的区别：“尽管炒股App处于刚刚勃兴阶段，但业内几乎在短时间内迅速就其产品模式达成了共识——将交易与交流相结合，组建日常化的投资社区。在此之下，不同背景与定位的炒股App开始探索各自的商业模式，谋求符合自己的生存之道。”

如果翻译成更为浅显的话语，可以理解为这些炒股App的基础架构颇类似微信、微博之类的社交应用，一些炒股达人则成为这一社交应用之中的微信公众号或者微博大V。当然，草根股民也可以用朋友圈，发表一下自己对股市的看法。

这样的平台架构，其实在技术上已经没有多少难度可言，因此，其快速爆发的效率可以用“扎堆”来形容。据6月22日中国之声《新闻晚高峰》报道：“任意一个App Store，与‘炒股’相关的新式App有几十至近百个之多，包括公牛炒股、优顾炒股、短线放大器、投资堂等。”而火爆程度呢？“网络指数也显示，近一个月内关键词‘炒股软件’的搜索指数整体同比上升了834%，移动端同比上升超1000%。”

如此红火的炒股App势头，它真正和过去大智慧、同花顺这样的PC客户端相比，当然并不仅仅是炒股社交化如此简单。以2011年就上线的炒股App股票雷达为例，其创始人冯月就坦言：在做法上，股票雷达要求投资者都必须公布自己的投资记录，形成交易数据公开；通过一定时间内的收益排名数据比较自动推出“股票高手”，允许用户跟着高手投资。一旦关注某个高手后，平台会自动向投资者发送该高手仓位实时变化消息。凭借“有迹可循”和“跟单交易”的新颖模式，股票雷达很快就吸引了首批用户，截至目前，股票雷达实盘日交易额已经有几亿元，股票雷达团队也已突破100人。

这被冯月称之为是一种大数据的呈现，而真正对于股民来说，这其实就是一个实时的操作指南。这是以往大智慧、同花顺等老牌股票应用，主要提供一些股票推荐和相关资讯所不能及的。

据《深市新开户个人投资者学历分析报告》显示，在2014年初到2015年3月31日之间的新开户投资者中，30岁以下人群占比达到37.7%。这一批在互联网土壤上生长起来的“85后”股市小白用户，跟着带头大哥混的思维逻辑就是他们炒股的刚性需求。

一个前度玩家的新游戏

对于炒股App和过去的炒股软件的区别，笔者有一个更为形象的比方，后者其实就是一款单机游戏，而大智慧们提供的各种资讯，则是股票这款游戏的玩家们，在一个封闭的小房子里，独自专研着属于自己的游戏攻略。你其实是一个人在战斗。个人在股市里摸爬滚打的长期经验和对信息的分析研判能力，将为一次又一次通关，增加一些成功的砝码。

而前者，则是一款网络游戏，面对全新的关卡，一个新手往往顿时迷失了方向，如果沿用过去的方法，去研究游戏攻略，学费高、课程长、见效慢。但在社交平台上，可以有另一个选择，跟着有经验的老前辈、股票高手们一起，去开荒捞点战利品。当然，这依然不能保证通关，但至少这是摆在还不太懂股市的“票友”们最简单粗暴的炒股赚钱方式。

其实，这两种模式之间，是有过渡阶段的，即在2007年上一轮牛市期间，在博客平台上一度跃红的那些荐股牛人，包括曾被誉为中国第一博后又因为诈骗罪而入狱的“带头大哥777”。所不同的是，这个中间阶段的过渡平台，依然延续着那些专家荐股、炒股达人的神话，加上信息的不透明性和仅仅为推荐而非真正实时操盘，而备受诟病。

这就涉及一个所谓盈利模式的话题。即前代产品如大智慧、同花顺的盈利模式，其实最主要的还是作为一个平台，协助股民浏览行情、获取资讯、完成交易，并收取金融信息服务费用和少量的广告费用。这种其实还停留在过去“卖产品”的服务模式和股票门户平台的定位，在越来越海量的信息数据爆炸下，也越来越不合时宜，也更加地向摸爬滚打股海多年的重度股民方向发展，也使得其业绩一直表现乏力。5月的媒体报道中，一位分析师则对腾讯财经表示，大智慧一向擅长给资本市场讲故事，但其主业一直陷于巨额亏损，商业模式不可持续。

反之走“跟高手炒股”概念的股票雷达、雪球等炒股App，则以反专业化的面目出现，即用“高手”这一概念，以及自己平台对大量碎片化信息数据的分析并简化成买进卖出的量化结果，让小白用户可以快速赚钱，并迅速地为自己的平台聚集起人气。“人气就是入口”，对于移动互联网的App们来说，有了人气，并用真正能赚到钱来黏住用户，盈利模式总会有的。到6月，据称股票雷达和雪球上的日均活跃用户数接近100万，对于一款“网络游戏”来说，社区的内容贡献问题、高手数量、跟随的小弟资源，均已盘活了。

只是，在大牛市下，怎么炒都容易赚钱，矛盾不易爆发。但万一熊了呢？

大数据！一个有关预测的局

万一熊了，能不能真正让小白用户“跟高手炒股”赚到钱，就成为决定App黏合度的最终关键，为此，有志于炒股App的各路英雄，包括BAT们，都祭出了同一张牌——大数据。

腾讯早在2012年就推出了“自选股”App，在其社交领域基础上打造“股票圈”；网络今年2月上线了选股App网络股市通，主推智能选股。阿里则在5月牵手第一财经，将第一财经专业的财经资讯、投研报告内容，通过支付宝“股市行情”端口直接抵达3亿支付宝用户。

在某种意义上，腾讯的“自选股”颇为类似上述草根创业的炒股App，阿里则以更为专业和标准化生产采集的第一手资讯和服务压过传统炒股软件大智慧们一头。两大巨头的切入角度，均是以自己最优势而竞争对手难以山寨的平台力量，可谓刁钻，但尚不具备颠覆力量；而最具典范意义的则是网络的股市通，其号称基于网络每天数亿量级的政经类搜索数据和数百万新闻资讯信息，通过专业的数据挖掘和分析技术，将新闻信息、搜索数据与股票建立起相应的关系，以信息的热度变化来实时分析股票市场的变动。

简言之，就是通过信息流的快速变化得出一个涨跌的大数据结论，这个大数据优势，只有网络具备，其原理颇为类似早前网络推出依托区域面积内使用网络地图的人数而形成的景区热力图，来帮助出行人士选择到底是看人海还是看风景。这一基于大数据和人工智能技术的“智能选股”服务，据其统计数据显示，上线3个月以来，网络股市通应用大数据推出的热点有685个。如果以每个热点的关联股票作为一个组合，平均仓位以当日开盘价买入，第二天开盘价卖出计算，有78%的热点题材股票是上涨的，且日均涨幅达到1.7%。如果按照A股1年240个交易日计算，年复利收益在理论上达到56倍。

但这依然只是一个理论化的模型，其特点也仅仅是用数据的力量来分析海量信息流，跳过股民不关心的分析过程而直接导出一个预测结果，与“跟高手炒股”的区别，也主要在于一个是以算法来预测，一个则更多依靠经验来预测。

且“跟高手炒股”目前也在探索一种经验型大数据的解决方案，如股票雷达等，也在考虑除了供应大量信息和订阅高手动态的方式之外，对信息数据以及高手们的实时动态，而形成一系列预测结果，甚至介入中信证券、广发证券、国金证券、方正证券、国联证券等老牌券商，以形成更具指导力的结果，供小白用户直接选择。

怎么样的大数据分析方案，其实都只是各个入局炒股App根据自身优势与特点，对“真正能为小白客户实现简化投资”这一结果而找寻的出路，但真正能否预测到结果呢？正如抽样调查只能为选举结果提供参考系一样，仅仅来自于某些领域的大数据，其实也只是一个较大的参考系，而非全量的数据分析，其参考价值更大，但也仅仅只是参考，是更无限接近真相的一个预测。

股市有风险，投资需谨慎。这句话同样适用于炒股App们，能否在牛市和熊市的不同阶段保持对用户的黏合性，能否总是保持正确，很重要。而这其中，除了科学的大数据参考外，还有那么一丝赌博的味道。

以上是小编为大家分享的关于炒股App 大数据丢在风口上的蛋的相关内容，更多信息可以关注环球青藤分享更多干货