大数据在股票中的优势

A. 腾讯自选股大数据基金和行业中其他同类型基金相比有什么优势

我分析有以下3个优势吧。
（1）优质的数据来源：
现在市场上的大数据基金主要基于互联网搜索和互联网电商数据，但是亮指蔽说实话，这些数据源与股票市场的关联性比较弱。而腾讯自选股大数据基金所采用的数据为互逗银联网金融财经大数据，直接来源于腾讯财经和腾讯自选股，这些数据与股票市场之间的传导路径最短，能够更直接更迅速的反映出整个市场情绪和内部结构的运动情况。这只基金通过上述海量用户行为数据来分析用户行为与股票价格表现之间的关联性，从而寻找未来大概率具有超额收敬州益的个股，应该更靠谱~
（2）海量的行为数据：
海量的用户行为数据才能够真实反映市场的运行状态，否则得出的都是错误的结论。腾讯财经和腾讯自选股拥有5000万的用户规模，其行为大数据能够对市场所有个股进行全面采样，给用户行为分析提供了强大的源头。
（3）灵活的管理模式：
这只基金为主动管理型股票基金。主动型基金的优点就在于：可以根据市场数据变化及时对股票仓位、风格和个股进行相应调整，比指数型基金满仓运作、定期调仓模式的灵活性更高。

B. 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。

C. 大数据技术在金融行业有哪些应用前景

大数据金融市场前景广阔，深度开发大数据金融工具，或将重构整个金融行业。预计未来5到10年，金融大数据产业将迎来黄金增长期，大数据也将成为助推“大众创业、万众创新”浪潮的有力抓手。
据《大数据金融行业市场前瞻与投资分析报告》数据显示，2016年我国大数据金融市场规模为15.84亿元，随着政策逐步实施与落地，以大数据为核心手段、核心驱动力的产业金融，将迈入时代发展正轨成为主流趋势，预计2018年中国金融大数据应用市场会突破100亿元，金融业开始进入了大数据时代快车道。
大数据金融作为一个综合性的概念，在未来的发展中，企业坐拥数据将不再局限于单一业务，第三方支付、信息化金融机构以及互联网金融门户都将融入到大数据金融服务平台中，大数据金融服务将在各家机构各显神通的基础上，实现多元业务的融合。
伴随互联网金融纵深发展，大数据优势越加凸显。作为互联网金融创新的驱动力，大数据金融带来的方式革新，未来走向精细化和专业化。今后大数据金融行业的努力方向，应该是以完备的大数据为基础，基于用户需求提供智能化一站式产品购买及定制化服务，以及数据挖掘、数据整合、数据产品、数据应用及解决方案等。

D. 科大讯飞大数据分析股票

随着科学技术的不断革新，人工智能产品不断走向我们的日常生活，改变我们的生活方式。与此同时，这个新兴领域也备受资本市场的关注，今天学姐就跟大家好好说一说国内人工智能的头部企业--科大讯飞。在开始分析科大讯飞前，先给大家奉上这份人工智能行业龙头股名单，还不赶紧浏览一下：宝藏资料：人工智能行业龙头股名单

一、从公司角度来看

公司介绍：科大讯飞是一家专业从事语音及语言、自然语言理解、机器学习推理及自主学习等人工智能核心技术研究，人工智能产品研发和行业应用落地的国家级骨干软件企业。科大讯飞作为中国人工智能产业的开拓者，躬耕人工智能领域二十年,在社会价值上，公司始终有着自己的坚持，就是为经济社会发展提供阳光健康、高技术屏障、高附加值。我们一起来看看这家公司有哪些优点吧：

优势一、国内人工智能的领导者，技术水平国际领先

科大讯飞以“让机器能听会说，能理解会思考，利用人工智能建设美好世界"作为使命，承建有国家新一代人工智能开放创新平台、语音及语言信息处理国家工程实验室以及认知智能领域的首个国家级重点实验室等国家级重要平台。

优势二、业绩持续高增长，产业生态持续扩大

智慧教育和智慧医疗的发展水平突飞猛进，开放平台、智能硬件、汽车业务表现得都十分优秀，其中包括讯飞AI学习机销量持续增长、智医助理业务实现了基层常态化使用、发者数量和质量同步提升以及智能办公本、录音笔等硬件销售大幅增加。同时，公司为开发者团队提供从初生、壮大到商业价值升级的全链路服务，并且还构造建设了讯飞AI营销平台、讯飞智能工业平台等能力平台，推动着AI行业生态持续不断的扩大。因为篇幅已经够了，关于科大讯飞的深度报告和风险提示的详情，一些我整理出来的内容写在了这篇研报当中，点击的话就可以查看阅读：【深度研报】科大讯飞点评，建议收藏！

二、从行业角度来看

预计到2025年，AI带来的产业产值将超过6万亿美金的规模，从目前的全球AI市场来看，其规模已超1万亿美元，中国的市场超1千亿元。人工智能产业形成了企业+行业+人力的全方位变革。企业数字化的局势发展日益凸显，智慧化应用能够将消费者潜在需求给满足。无人驾驶、语音识别、专家系统、智适应学习和机器视觉是在近几年中特别受关注的几个应用方向。对于人工智能发展来说，各国政府都非常支持，并将其上升至国家战略层面，放出积极信息。总的来说，我认为科大讯飞公司作为人工智能行业中的龙头企业，有望于此行业高速发展之时获得较大利润。但是文章内容存在延迟，如果想更准确地知道科大讯飞未来行情，直接点击链接，有专业的投资顾问帮你诊断股票，看下科大讯飞现在行情是否是对应一个好时机，可以买入或卖出：【免费】测一测科大讯飞还有机会吗？

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

E. 大数据预判能力或可指导散户“趋利避害”

大数据预判能力或可指导散户“趋利避害”_数据分析师考试

如果你在牛市来临前三个月就能预知市场即将迎来的行情，是否还会为踏空而抱憾?如果你在股市下跌前可以了解到，熊市已经成为大家所关注的热点搜索内容，“躲过一劫”并不是没有可能。

日前，网络发布《新一代理财消费者大数据报告》，数据显示，网民的搜索大数据已经在金融领域显现出了“预判”的能力。很多重大事件，比如央行降息，股市上涨、股市下跌在此前发生的搜索数据中，已经可以捕捉到“降息”、“牛市”、“大跌”等成为热词。英大证券首席经济学家李大霄认为：随着互联网平台大数据技术的不断更新，这种预判能力或可指导散户们及时“趋利避害”。

大数据可能比股票分析师更清醒

在网络公布的这份报告中显示：2014年7月以来，中国股市进入牛市通道，2015年4月起进入“疯牛”节奏，5月突破4900点。在网络上对“股票开户”一词的相关搜索也在2014年7月几乎同时开始上涨，一直到2015年4月达到新的高峰，这背后是牛市行情催生出的人们对股票投资的热情和疯狂。

与此同时，股票入门基础知识、炒股入门知识、股票开户、股票入门、股票怎么玩等成为这一时期搜索量最大的关键词。而这批散户也成为4000点甚至4500点以后入市，在此轮股灾中损失惨重的“负面教材”。

在沪指冲上5000点后，李大霄一直是明确的“看空者”，他一直疾呼让股民远离市场风险。他表示：“当时散户和分析师都陷入狂热，8000点、10000点的大牛市声音不绝于耳。”但当时很多和市场一样疯狂的投资者，向他抛扔来“板砖”。而事实证明，有时候大数据比一些所谓分析师与投资者更清醒。

李大霄认为：估值过高是A股暴跌的内因也是最重要的原因，特别是创业板。但当时大家已经陷入不冷静的预期中，认为5000点是牛市的开始。一众散户听着各种分析前赴后继的在5000点前后入市，成为了新增的主力和接盘侠，也最终沦为此次股灾中的受害者。

对于报告中的数据事实，李大霄认为，互联网金融和股市的结合正在越来越紧密，这种紧密体现在股市的波动也会影响产品的波动，反过来，产品的增加或者是产品的止损也会影响到市场，关系紧密了以后，会互相影响互相制约。随着互联网平台大数据技术的不断更新，这种预判能力或可指导散户们及时“趋利避害”。

大数据可参与更多金融产品设计

李大霄认为，互联网平台和技术对于传统金融业来讲，正在发挥入口和渠道之外的更大作用。经过2013、2014年的快速发展，互联网金融特别是理财领域，互联网公司开始越来越深入地参与到金融产品的设计、营销中。

在他看来，金融企业有信誉度优势，互联网企业胜在客户体验，未来大数据等互联网技术甚至会深度参与进风险控制，营销以及客户的市场性管理，互联网平台应该更加重视产品线的丰富、给不同的投资人不同的选择，多元化的产品尽可能降低风险。

事实上，以BAT为代表的互联网巨头已经参与进了理财市场。以网络为例，大数据正在其与金融机构的合作中发挥重大作用，这其中，以大数据选股为特色的“网络股市通”炒股软件更是已经展现出互联网平台在金融领域可以参与的新深度。

李大霄认为，网络等互联网巨头的参与，使得互联网证券服务竞争全面加速。通过用户体验的升级和技术创新，网络等拥有大数据资源的互联网公司将会引领未来金融服务的走向，而交易费率的优惠也成为其极具竞争力的优势。

关于未来互联网金融的发展，李大霄认为大数据可能成为互联网与传统金融行业深度融合的催化剂。在他看来，大数据在用户需求挖掘、市场分析、风险分析、趋势洞察等方面都具备无可替代的作用，这一方面可以说是一片蓝海，还处于发展的初级阶段，如果哪个企业能够用好大数据这座金矿，就是无穷无尽的财富，很多机会也都在里面。

以上是小编为大家分享的关于大数据预判能力或可指导散户“趋利避害”的相关内容，更多信息可以关注环球青藤分享更多干货

F. 利用大数据人工智能投资股票的话，能代替投顾吗

现在有越来越多的人都想进入到股票市场进行投资，的确股票是一种高收益的投资，但是很多人进入到股票市场都会血本无归，就是因为他们本身对于股票市场没有足够的认识。利用大数据人工智能投资股票，这样能够代替投资顾问吗？

三、为什么不能替代

大家要知道投资顾问在中国市场发展的时间是非常长的，现在科技的发展速度也已经越来越快了，为什么投资顾问无法被机器人代替这也是有一定的原因的。这是因为基金或者是股票投资本身就是一种动态的过程，在这个过程之中，需要当事人跟投资顾问进行实时的交流，这样才能够去满足客户的需求，但是机器人却不能做到这一点。

G. 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。

H. 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

I. 大数据受益股有哪些大数据受益股解析

大数据受益股
编者按：大数据本身是一个问题集，云技术才是解决大数据问题集最重要、最有效的手段。一位资深的大数据专家如此评论。伴随着近期大数据成为市场关注焦点，曾经火热的云计算上市公司也再度受到关注。上周五在美国上市的两家云计算和大数据的交叉概念公司股价出现暴涨，首日涨幅均超过60%，再度显示了美国股市对于这个领域的热衷。而国际权威机构IDC推算，近三年全球云计算领域将有8000亿美元的新业务收入，尤其是云计算应用于大数据问题的分析研究的需求增速飞快。
云公司的深度业务
上周五在美国上市的两家公司将美股大数据和云计算的关注度推向新的高潮。
从这两家公司的主营业务来看，Tableau主要为企业提供商业智能服务，其通过提供云商业智能服务器，让客户将商业数据存储在Tableau的云端，而Tableau软件则为企业完成各种海量数据处理，数据分析与报告生成。
Marketo 主要提供云营销，即依靠云软件、搜索引擎以及社会化媒体做为主要媒介，通过网络，来最大化客户的营销范围。客户进入云平台后即共享所有营销数据与资源。
从具体业务看，上述两家公司均以云计算为其核心技术能力，也都提供了为其他客户的大数据业务远程服务的商业模式，其中可见大数据和云计算关系密切。
而从简单的资料和数据存储，走向商业模式的整体解决方案的提供，全球云计算公司的业务关注焦点也在逐步走向深度。
云计算产业政策扶持力度更大
根据2012年科技部专门印发了云科技发展十二五专项规划。规划提出，到十二五末期，在云计算的重大设备、核心软件、支撑平台等方面突破一批关键技术，在若干重点区域、行业中开展典型应用示范，实现云计算产品与服务的产业化，使我国云计算技术与应用达到国际先进水平。
2012年国家发改委、财政部、工信部面向5个云计算试点城市，精心遴选了12个重点项目，支持资金规模高达15亿元。具体项目背后，则是国家重点扶持云计算产业，培育云计算服务龙头企业的宏伟远景。经过三年努力，发展一批面向智慧城市、智能交通、医疗卫生、中小企业等领域的云计算服务示范应用，培育10家左右在全国范围内用户规模千万以上，年收入超50亿元的云计算龙头企业，使云计算产业链的产值规模达到2000亿元。
大数据概念股龙头
华胜天成：
公司在云计算领域起步较早，业务涉及电信、金融和邮政等多个行业。2011年公司募集资金近5亿元，主要投向云计算环境下的信息融合服务平台建设、服务型城市的新一代信息整合解决方案，目前投入基本完成，并开始产生效益。
此外，公司推出的天成云机等云计算产品，融合云计算产业链中的先进技术与产品，为客户构建有效益的云计算平台，并提供随需应变和敏捷的云计算服务。目前公司已经在云计算产品方面积累了不少客户，预计今后几年公司在云计算特别是高端服务领域实现快速增长。
华东电脑：
公司是上海本土最早介入云计算领域的企业之一，凭借控股股东与地方政府战略合作的优势，正在大力度参与上海等地的智慧城市建设。另外，通过收购上海华讯网络公司，成为中国云计算全价值链解决方案提供商和服务商。
同时，公司牵头的华云云计算产品与技术及应用示范服务中心建设项目获国家发改委批准，并获得1300万元专项资金支持，而华云计划是上海市云海计划重点支持项目，后续有望获得更多政策扶持。
远光软件：
公司主营电力行业软件，近年加大了对云计算、大数据、移动互联等新技术的研发投入。目前正在积极部署云平台，已搭建IAAS平台，为客户提供整套基于云平台的解决方案，并在云存储、云部署、云应用、云安全等各方面提供全面技术支持。
在高端企业大数据管理业务，推出了贴近电力行业业务的高端BI解决方案。同时，公司大数据业务已实现软件部分基础架构的突破，并在燃料智能化管理系统、集团生产管理系统等产品上得到应用。