京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代引发科学投资风尚_数据分析师
对于大数据,王政表示:“大数据时代,资产管理的一个风尚就是由艺术式投资变为科学式投资,大数据可以做以前他们想做却做不了的事,如对市场情绪的搜集和判断。通过大数据,可以尽可能大范围地搜索新闻信息,包括行业层面或者公司机构,来判断市场情绪,对这个行业是乐观还是悲观,对公司是看好还是不看好。”
一个人的心理或许很难捉摸,但某些外在信息显露汇集而成的市场趋势恰恰是资产投资管理的判断标准。如广发基金和百度合作推出的一款大数据基金,就是建立在百度搜索的海量数据信息基础之上,选取成分股来构成的。王政说没有人会想到互联网搜索数据也可以成为构建指数的一个方式,但大数据做到了。
在这样一位多年从事资产管理工作的老手看来,大数据给以基金为代表的资产管理行业带来了“质的飞跃”。王政总结了资产管理领域的两次飞跃。在计算机之前,投资单纯依靠人的判断,根据行业经验和专业积累,判断市场行情趋势,构成自己的投资逻辑。计算机的出现改变了原有的研究方法,投资人员总结出普遍的市场规律,通过计算机进行量化投资开始盛行,这是一次飞跃。大数据时代实现了从小样本到全样本信息的搜集,充分利用海量数据,借助机器学习充分挖掘有价值的市场因子,开启智能投资新时代,这是第二次飞跃。
大数据带来的量变是否一定会带来质变是个未知数,数据的广度和准确度显然并不一定成正比。“这考验的就是数据服务提供商挖掘分析数据的能力,因为数据中存在一些无用的"噪音",我们要尽可能剔除它们,提炼出有价值的信息。”王政将那些干扰性的数据形象地称之为“噪音”。
另一个排除干扰的解决方案叫“机器学习”—machine
learning。机器在海量信息存储的基础上,通过不断地“学习”,机器的“思考”能力—根据过往数据总结的经验有效判断市场行情的变化—得以渐渐形成。
可以看出,大数据背后依托的不仅是海量数据,更重要的是分析挖掘数据并精准应用的能力,智能计算机技术是构成这种能力的关键。机器取代人类,在资产投资领域,似乎比科幻片中机器人占领世界的可能性要大的多。在这样一个趋势下,未来某个阶段,是否所有投资者都能变成王亚伟呢?王政说,理论上,市场越有效,“王亚伟”反而越不会出现,因为所有参与者的表现都一样。当然,这种终极场景就像经济学中提到的“完全竞争市场”一样,在现实中难以真实存在。“终究机器是由人设计的,人建立模型的能力不同,这就决定了市场的非有效性。”人在大数据时代扮演的是什么角色?王政打了一个比方:“大数据是乐器,人就是演奏者,人要设计机器,训练机器,提升机器的学习能力。”
人抓取运用数据的能力,决定了大数据时代的意义。王政提到了一些国外大数据服务同行的做法,从中也能看到数据的微妙之处。他说国外一家专业数据服务公司,通过在发电厂附近的居民区内安装探测器,来统计电厂的输送电量,观察发电情况。“用电量从宏观上可以判断一个国家经济的运转情况,从微观上可以判断一户人家的消费水平。同样,如果要判断一家超市的销售情况,可以统计其车库每日进出车辆的数量。”王政强调这种大数据分析的优势在于,专业投资机构得到这样的数据,可以在官方统计结果公布前,提前对市场变化做出预期判断,从而先人一步把握投资机会。
数据背后隐藏的信息量,就是投资逻辑建立的基础。而在投资之外,王政对保险行业大数据应用同样看好。同样是建立在数理统计模型上的保险产品,大数据的引入,对其定价模式产生了翻天覆地的变化。“比如车险,以前定价比较统一,就是因为无法精确地判断每个投保人的具体风险情况,如今通过车载设备提供的数据,可以有效了解驾驶员的行为、驾驶技术和习惯,再据此判断其驾驶发生风险的可能性是大还是小。”王政表示,保险行业是未来大数据重点拓展的一大方向。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25