
大数据时代太突然 将颠覆投资逻辑和思想_数据分析师
2014年12月12日至13日在杭州举行“2014(第三届)中国对冲基金年会”。深圳嘉理资产管理有限公司总经理李建春在论坛圆桌对话中表示,大数据时代来得太突然了,我前一段时间搜集网上家庭的电器,这其实就是一个大数据的环境,大数据时代来得太快了,我相信接下来,包括商品期货也好,股票投资领域也好,这种大数据时代也迟早要到来,很可能会颠覆我们过去的一些投资逻辑和投资思想。
以下为李建春发言实录:
李建春:谢谢马总,大数据时代来得太突然了,我前一段时间搜集网上家庭的电器,这其实就是一个大数据的环境,大数据时代来得太快了,我相信接下来,包括商品期货也好,股票投资领域也好,这种大数据时代也迟早要到来,很可能会颠覆我们过去的一些投资逻辑和投资思想。很多是价值投资、趋势投资等之类的,那为什么我们将它定为技术分析也好?那是因为我们选的数据就只有这些,我们要这些基本的数据,我们要找一个合理的逻辑,会找出一个好的策略。但有一天大数据时代来临的时候,我们会发现各种各样的数据我们都有了,以前我们不可思议的一些逻辑和思想,我们都可以采用的。比如现在的一些用应用的一些大数据用于量化投资,我们举一个例子,比如国际上国外会有人天气或气象、卫星等,他们会预测接下来天气的量化,具有一定的指导意义。比如有的人会用卫星,用大宗商品贸易的巨型的货轮,可以判断大宗商品贸易的情况。还有沃尔玛车流的情况来预计经济的情况,包括沃尔玛的业绩等,这些逻辑和思路是在大数据的背景下来产生的,我们其实特别看好的一个苹果手机,苹果是做手机的,其实更大是大数据的运营商,现在如果在北美推出了移动支付这类工具,其实我们会看到,苹果其实手机占领了高端手机用户的比例非常大。苹果掌握了这些消费者的一些消费行为的一些大数据。包括苹果以后要出的苹果的手表,那它是可以实时地进行跟踪、路径和流向,你到底去了哪里等,这些都是一些大数据的投资,那我会觉得,大数据未来的产品是不可想象的,因为只要你能想到的,我们都可以去把它作为一个投资逻辑去进行实现。比如我们现在家里自己做的这种产品,我们也可以说用一些小数据的做法,刚刚傅老师也说得挺幽默,但道理很对,逻辑其实很简单,无论什么样的大宗商品的交易,都要回到供需和价值,我们的做法是基于这些大宗商品的基本面的数据,不管是供需也好、库存也好,它都是有数据的,那我们都会基于这些数据对大宗商品的每一个品种去做一些评价,认为它是被高估的,还是被低估的,是一个怎样的评分。我们做出评价之后,会对大的宏观趋势的整体供给,虽然基本面会很好,但宏观不好的情况下会比较弱,我们会用对冲的模式,买入价格比较低的期货,然后进行做空,然后我们是用这种完全的价值相等的形式来进行对冲,以获取利益。我们基于现在一些使用到一些数据做的一些模型,这是第一个大数据的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29