97资源站在线视频,亚洲精品久久,美女视频黄网站免费观看

        我們如今生活在一個數據爆炸的世界里。百度每天響應超過60億次的搜索請求，日處理數據超過100PB，相當于6000多座中國國家圖書館的書籍信息量總和。新浪微博每天都會發布上億條微博。在荒無人煙的郊外，暗藏著無數大公司的信息存儲中心，24小時夜以繼日地運轉著。
   克托邁爾-舍恩伯格在《大數據時代》一書中認為，大數據的核心就是預測，即只要數據豐富到一定程度，就可預測事情發生的可能性。例如，“從一個人亂穿馬路時行進的軌跡和速度來看他能及時穿過馬路的可能性”，或者通過一個人穿過馬路的速度，預測車子何時應該減速從而讓他及時穿過馬路。
   那么，如果把這種預測能力應用在股票投資上，又會如何？
   目前，美國已經有許多對沖基金采用大數據技術進行投資，并且收獲甚豐。中國的中證廣發百度百發100指數基金（下稱百發100），上線四個多月以來已上漲68%。
   和傳統量化投資類似，大數據投資也是依靠模型，但模型里的數據變量幾何倍地增加了，在原有的金融結構化數據基礎上，增加了社交言論、地理信息、衛星監測等非結構化數據，并且將這些非結構化數據進行量化，從而讓模型可以吸收。
   由于大數據模型對成本要求極高，業內人士認為，大數據將成為共享平臺化的服務，數據和技術相當于食材和鍋，基金經理和分析師可以通過平臺制作自己的策略。
   量化非結構數據
   不要小看大數據的本領，正是這項剛剛興起的技術已經創造了無數“未卜先知”的奇跡。
   2014年，百度用大數據技術預測命中了全國18卷中12卷高考作文題目，被網友稱為“神預測”。百度公司人士表示，在這個大數據池中，包含互聯網積累的用戶數據、歷年的命題數據以及教育機構對出題方向作出的判斷。
   在2014年巴西世界杯比賽中，Google亦通過大數據技術成功預測了16強和8強名單。
   從當年英格蘭報社的信鴿、費城股票交易所的信號燈到報紙電話，再到如今的互聯網、云計算、大數據，前沿技術迅速在投資領域落地。在股票策略中，大數據日益嶄露頭角。
   做股票投資策略，需要的大數據可以分為結構化數據和非結構化數據。結構化數據，簡單說就是“一堆數字”，通常包括傳統量化分析中常用的CPI、PMI、市值、交易量等專業信息；非結構化數據就是社交文字、地理位置、用戶行為等“還沒有進行量化的信息”。
   量化非結構化就是用深度模型替代簡單線性模型的過程，其中所涉及的技術包括自然語言處理、語音識別、圖像識別等。
   金融大數據平臺-通聯數據CEO王政表示，通聯數據采用的非結構化數據可以分為三類：第一類和人相關，包括社交言論、消費、去過的地點等；第二類與物相關，如通過正在行駛的船只和貨車判斷物聯網情況；第三類則是衛星監測的環境信息，包括汽車流、港口裝載量、新的建筑開工等情況。
   衛星監測信息在美國已被投入使用，2014年Google斥資5億美元收購了衛星公司Skybox，從而可以獲得實施衛星監測信息。
   結構化和非結構化數據也常常相互轉化。“結構化和非結構化數據可以形象理解成把所有數據裝在一個籃子里，根據應用策略不同相互轉化。例如，在搜索頻率調查中，用戶搜索就是結構化數據；在金融策略分析中，用戶搜索就是非結構化數據。”百度公司人士表示。
   華爾街拿著豐厚薪水的分析師們還不知道，自己的雇主已經將大量資本投向了取代自己的機器。
   2014年11月23日，高盛向Kensho公司投資1500萬美元，以支持該公司的大數據平臺建設。該平臺很像iPhone里的Siri，可以快速整合海量數據進行分析，并且回答投資者提出的各種金融問題，例如“下月有颶風，將對美國建材板塊造成什么影響？”
   在Kensho處理的信息中，有80%是“非結構化”數據，例如政策文件、自然事件、地理環境、科技創新等。這類信息通常是電腦和模型難以消化的。因此，Kensho的CEO Daniel Nadler認為，華爾街過去是基于20%的信息做出100%的決策。
   既然說到高盛，順便提一下，這家華爾街老牌投行如今對大數據可謂青睞有加。除了Kensho，高盛還和Fortress信貸集團在兩年前投資了8000萬美元給小額融資平臺On Deck Capital。這家公司的核心競爭力也是大數據，它利用大數據對中小企業進行分析，從而選出值得投資的企業并以很快的速度為之提供短期貸款。
   捕捉市場情緒
   述諸多非結構化數據，歸根結底是為了獲得一個信息：市場情緒。
   在采訪中，2013年諾貝爾經濟學獎得主羅伯特席勒的觀點被無數采訪對象引述。可以說，大數據策略投資的創業者們無一不是席勒的信奉者。
   席勒于上世紀80年代設計的投資模型至今仍被業內稱道。在他的模型中，主要參考三個變量：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。他認為，市場本身帶有主觀判斷因素，投資者情緒會影響投資行為，而投資行為直接影響資產價格。
   然而，在大數據技術誕生之前，市場情緒始終無法進行量化。
   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，市盈率、市凈率的概念誕生，量化投資由此興起。
   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。”王政表示，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，大數據投資則可以覆蓋成千上萬個策略。
   基于互聯網搜索數據和社交行為的經濟預測研究，已逐漸成為一個新的學術熱點，并在經濟、社會以及健康等領域的研究中取得了一定成果。在資本市場應用上，研究發現搜索數據可有效預測未來股市活躍度（以交易量指標衡量）及股價走勢的變化。
   海外就有學術研究指出，公司的名稱或者相關關鍵詞的搜索量，與該公司的股票交易量正相關。德國科學家Tobias Preis就進行了如此研究：Tobias利用谷歌搜索引擎和谷歌趨勢（Google Trends），以美國標普500指數的500只股票為其樣本，以2004年至2010年為觀察區間，發現谷歌趨勢數據的公司名稱搜索量和對應股票的交易量，在每周一次的時間尺度上有高度關聯性。也就是說，當某個公司名稱在谷歌的搜索量活動增加時，無論股票的價格是上漲或者下跌，股票成交量與搜索量增加；反之亦然，搜索量下降，股票成交量下降。以標普500指數的樣本股為基礎，依據上述策略構建的模擬投資組合在六年的時間內獲得了高達329%的累計收益。
   在美國市場上，還有多家私募對沖基金利用Twitter和Facebook的社交數據作為反映投資者情緒和市場趨勢的因子，構建對沖投資策略。利用互聯網大數據進行投資策略和工具的開發已經成為世界金融投資領域的新熱點。
   保羅霍丁管理的對沖基金Derwent成立于2011年5月，注冊在開曼群島，初始規模約為4000萬美元， 2013年投資收益高達23.77%。該基金的投資標的包括流動性較好的股票及股票指數產品。
   通聯數據董事長肖風在《投資革命》中寫道，Derwent的投資策略是通過實時跟蹤Twitter用戶的情緒，以此感知市場參與者的“貪婪與恐懼”，從而判斷市場漲跌來獲利。
   在Derwent的網頁上可以看到這樣一句話：“用實時的社交媒體解碼暗藏的交易機會。”保羅霍丁在基金宣傳冊中表示：“多年以來，投資者已經普遍接受一種觀點，即恐懼和貪婪是金融市場的驅動力。但是以前人們沒有技術或數據來對人類情感進行量化。這是第四維。Derwent就是要通過即時關注Twitter中的公眾情緒，指導投資。”
   另一家位于美國加州的對沖基金MarketPsych與湯普森路透合作提供了分布在119個國家不低于18864項獨立指數，比如每分鐘更新的心情狀態（包括樂觀、憂郁、快樂、害怕、生氣，甚至還包括創新、訴訟及沖突情況等），而這些指數都是通過分析Twitter的數據文本，作為股市投資的信號。
   此類基金還在不斷涌現。金融危機后，幾個臺灣年輕人在波士頓組建了一家名為FlyBerry的對沖基金，口號是“Modeling the World（把世界建模）”。它的投資理念全部依托大數據技術，通過監測市場輿論和行為，對投資做出秒速判斷。
   關于社交媒體信息的量化應用，在股票投資之外的領域也很常見：Twitter自己也十分注重信息的開發挖掘，它與DataSift和Gnip兩家公司達成了一項出售數據訪問權限的協議，銷售人們的想法、情緒和溝通數據，從而作為顧客的反饋意見匯總后對商業營銷活動的效果進行判斷。從事類似工作的公司還有DMetics，它通過對人們的購物行為進行分析，尋找影響消費者最終選擇的細微原因。
   回到股票世界，利用社交媒體信息做投資的公司還有StockTwits。打開這家網站，首先映入眼簾的宣傳語是“看看投資者和交易員此刻正如何討論你的股票”。正如其名，這家網站相當于“股票界的Twitter”，主要面向分析師、媒體和投資者。它通過機器和人工相結合的手段，將關于股票和市場的信息整理為140字以內的短消息供用戶參考。
   此外，StockTwits還整合了社交功能，并作為插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平臺，讓人們可以輕易分享投資信息。
   另一家公司Market Prophit也很有趣。這家網站的宣傳語是“從社交媒體噪音中提煉市場信號”。和StockTwits相比，Market Prophit更加注重大數據的應用。它采用了先進的語義分析法，可以將Twitter里的金融對話量化為“-1（極度看空）”到“1（極度看多）”之間的投資建議。網站還根據語義量化，每天公布前十名和后十名的股票熱度榜單。網站還設計了“熱度地圖”功能，根據投資者情緒和意見，按照不同板塊，將板塊內的個股按照顏色深淺進行標注，誰漲誰跌一目了然。                      -大數據文摘

本站僅提供存儲服務，所有內容均由用戶發布，如發現有害或侵權內容，請點擊舉報。

精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕