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
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26