
通联金融大数据重构资管运作方式_数据分析师培训
万向控股旗下知名金融大数据平台——通联数据日前在京发布“数据商城、量化实验室、众投工场”三大新产品,不仅提供金融大数据服务、智能投资研究工具,还打造“去中介、去中心”互联网资产管理平台的金融大数据生态链。曾经的公募基金业大佬、通联数据董事长肖风表示,互联网的核心就是两点,一个是去中介,一个是去中心,符合这两点才是真正的互联网。在互联网的影响下,资管行业不仅将重组研究流程,也将使资管的生产方式、销售渠道等发生全面变化。
去终端的大数据和智能投研平台
通联数据CEO王政介绍,通联推出的互联网金融生态系统最基础的一层是金融大数据服务。三大产品之一的数据商城,是国内首家开放性的大数据信息平台,汇聚了海外、金融、行业、企业、电商、搜索、社交媒体等各领域大数据,已有汤森路透、九次方大数据等国内外诸多知名的数据商入驻,建立和完善了金融大数据宝库。
生态系统的第二层是针对大数据时代信息实时、快速、海量的特点,对大数据进行收集、挖掘和分析,从而推出智能投资研究平台,提供智能事件研究、策略研究、智能研报等服务,方便用户随时随地进行主题投资研究、事件研究、个股研究、量化策略研究。
举例来说,通联数据的金融大数据服务以大数据为依托的知识图谱,包含A股所有上市公司相关的产品、高管、持股人、主题概念、关联交易公司等重要信息,展示这些信息包括新闻和数据每天的动态变化,并通过这些信息关联其他的上市公司。知识图谱智能地将影响上市公司股价变化的重要因素集中起来,让投资者和分析师一目了然地把握影响上市公司股价的重要信息,发现隐藏线索,抓住投资机会。假如近期某只股票价格忽然大涨,投资者可以进入通联智能研报产品,搜索该公司。在知识图谱所展示的所有关联信息中,如果显示这家公司相关的几个产品所对应的公司普遍上涨,那么可推测该公司的股价变化是由于其产品的利好消息。通过点击产品,投资者可以在知识图谱右侧看到该产品近期的相关新闻。
肖风介绍,相比于国内外现有的金融数据终端,通联数据直接通过网页端提供服务,实现去终端化,降低用户成本,同时,数据服务的提供更加实时,用户体验更为便捷。据悉,通联数据汇聚了百余位国内外技术人才,其核心技术人才曾在彭博通讯社工作多年。
据悉,其智能投研工具中的重要产品——量化实验室就采用云技术,提供各种金融分析、量化策略、定价模型的快速实现和验证方案,打破了目前金融工具与大数据平台互相割裂、互不兼容的格局。
销售投研或消失
离开基金业并研究大数据多年,此番终于携成果而出,肖风称,互联网的核心就是两点,一个是去中介,一个是去中心,符合这两点才是真正的互联网。而资产管理行业也在互联网核心精神的影响下发生了非常多的变化。
首先,资产管理机构的组织结构可能被外部化;其次,是社群化,资管行业互动、互助、共享都将被重新定义;第三就是资产管理机构工作流程的两端化,人们通过互联网,在云端可以获得非常丰富的资讯,也可以直接使用工具和产品,去中介、点对点的金融服务由此逐渐成熟。
通联数据生态系统的最后一层——众投工场,基金经理可在平台上展示业绩,投资者可在平台上挑选优秀基金经理并众筹,由此孵化基金经理,以点对点、去中介化的方式提供私募管理人和机构投资者的接洽。据悉,目前,该平台已有一些优秀的基金经理入驻,也与中信证券、弈泰量投等达成了合作。
肖风认为,资管行业在互联网的影响下,不仅将重组研究流程,也将使资管的生产方式、销售渠道等发生全面变化。
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