Facebook用戶每天共享的東西超40億；
Twitter每天處理的數據量超3.4億；
Tumblebr博客作者每分鐘發布2.7萬個新帖；
Instagram用戶每天共享3600張新照片；
這些海量、肉眼看不穿的數據中隱藏著什么商業秘密？為什么對社交關系的數據挖掘成為近幾年的技術熱點？
用數據反映數據的威力
我們用案例告訴你答案……
國外新聞分析領導者RavenPack公司通過對Twitter等社交網站守護的情緒數據采集、進行量化分析發現投資市場波動趨勢，他們發現大眾不同的情緒將對股票市場產生不同的顯著影響，而雙方這種強關聯性的準確度竟然能達到驚人的80%。
MarkerPsych同樣也在挖掘這些數據下的奧秘，和路透社合作了119個國家的18000多個獨立指數，如每分鐘的心情狀態，樂觀、憂郁、快樂、恐懼和生氣等，并將其作為全球股市投資的信號。
中國國內也在做這方面的研究，騰訊自選股大數據組合就如此，以騰訊自選股大數據為基礎，結合行為金融模型并通過數量化手段分析互聯網用戶行為與二級市場股票價格表現之間的關聯性，選取對股價波動具有較強解釋能力的用戶行為指標建立大數據量化投資策略，以往數據一年的投資可收益118%。
一家家公司正從數據中挖掘、計算，相對于搜索、電商等大數據，社交用戶行為數據傳導路徑更短，具有更高的價值，將模糊的因素變成具體的數據來表達，從而找到數據中隱藏的金礦。
社交數據如何助力量化投資
根據社交數據做量化投資的好處是什么？比傳統量化投資更為強大的是，社交數據在原有金融結構化數據基礎上，增加了更多非結構化數據，把握市場情緒，量化成為投資選股策略。
回顧人類股票投資發展史，其實就是將影響股價的因子不斷量化的過程。上世紀70年代以前，股票投資是一種定性的分析，沒有數據應用，而是一門主觀的藝術。隨著電腦的普及，很多人開始研究驅動股價變化的規律，把傳統基本面研究方法用模型代替，隨著計算機信息處理能力的提高，金融工具的豐富及交易成本的降低，量化投資由此快速興起。
量化投資技術的興起也帶動了一批華爾街大鱷的誕生。例如，巴克萊全球投資者（BGI）在上世紀70年代就以其超越同行的電腦模型成為全球最大的基金管理公司；進入80年代，另一家基金公司文藝復興（Renaissance）年均回報率在扣除管理費和投資收益分成等費用后仍高達34%，堪稱當時最佳的對沖基金，之后十多年該基金資產亦十分穩定。“從主觀判斷到量化投資，是從藝術轉為科學的過程。”上世紀70年代以前一個基本面研究員只能關注20只到50只股票，覆蓋面很有限。有了量化模型就可以覆蓋所有股票，這就是一個大的飛躍。
此外，隨著計算機處理能力的發展，信息的用量也有一個飛躍變化。過去看三個指標就夠了，現在看的指標越來越多，做出的預測越來越準確。隨著21世紀的到來，量化投資又遇到了新的瓶頸，就是同質化競爭。各家機構的量化模型越來越趨同，導致投資結果同漲同跌。
“能否在看到報表數據之前，用更大的數據尋找規律？”這是大數據策略創業者們試圖解決的問題。于是，量化投資的多米諾骨牌終于觸碰到了席勒理論的第三層變量——市場情緒。
計算機通過分析新聞、研究報告、社交信息、搜索行為等，借助自然語言處理方法，提取有用的信息；而借助機器學習智能分析，過去量化投資只能覆蓋幾十個策略，大數據量化則可以覆蓋成千上萬個策略。
而社交數據挖掘更具有時代意義，通過監測市場輿論和用戶行為，對投資做出秒速判斷。實證研究表明，投資者決策行為特征與市場中的有關投資特性是相關的：股票價格的過度波動性和價格中的泡沫；投資者中存在追隨領導者和從眾行為；對風險的高估；過早的售出盈利投資和過晚售出失敗投資；投資者對現金股利的不同偏好；對時間性分散投資組合（通過不同期限的投資組合來分散風險）的不同態度等等。
投資人的心理變化與他的投資行為有著密切關系，而且心理變化帶著太多感性、隨機、多變因素，這些因素的破解最佳的途徑就是來自于每時每刻不斷流動的行為數據。
證券平臺社交數據潛力待挖掘
國內的互聯網證券平臺，因其投資者高度聚焦，以及頻繁的金融行為而將成為大數據挖掘的又一金礦，比如同花順、大智慧、牛股王這類平臺，不斷產生常規數據、組合數據、社交拓撲網絡數據海量內容，相較于其他數據平臺，數據信息更多元，刻畫出的人物畫像更具體、細致，依據這些數據之上建模設計出的量化投資策略，更有利于擇股和擇時。
已經有嗅得先機的公司，開始搭建量化平臺。例如牛股王就準備推出一個名為“盈寬”的量化平臺，供機構和個人愛好者開發策略。舉個形象的比喻，社交數據就好比一家餐館，以量化的方式把所有原料搜集來、清洗好、準備好，同時準備了一個鍋，也就是大數據存儲平臺。研究員和基金經理像廚師一樣，可使用不同刀法不同烹飪去做好自己的菜（策略）。當然這些數據基礎之上可設計出各種不同策略，數據的采集、使用也應該是多維度的。
與歐美等成熟資本市場主要由理性機構投資者構成相比，東亞尤其是中國的股票類證券投資市場仍以散戶為主，因此市場受投資者情緒和宏觀政策性因素影響很大。而個人投資者行為可以更多地反映在互聯網用戶行為大數據上，所以社交數據對中國證券投資可能更有借鑒意義。
