京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代基金经理如何投资_数据分析师考试
“现在并不缺乏信息,缺乏的是挖掘处理信息的能力”。
在王政看来,在信息爆炸的当下,需要借助机器和人工智能的力量帮助完成人力无法高效完成的信息处理工作。未来,大数据时代的资产管理将伴随着机器学习和智能计算的发展,成为以人工智能为依托的智能金融。
作为公募基金的“过来人”,王政对传统基金经理的日常作息熟谙于心:7点起床上班,路上开始浏览前天外盘情况,国际市场的主要指标以及重大动态;8点进入办公室,浏览国内外主要财经网站,晨会与同事一起讨论当天最新的宏观政策,财经和市场动态;9点-15点看盘,管理投资组合,看报告;收盘后对当天市场行情进行总结、分析,晚餐时继续与同行进行近期市场和投资热点讨论。晚上看长篇研究报告,20点左右上网看上市公司公告,并为第二天的工作做好充足准备。午夜,休息。
“占据大部分工作时间和精力的,正是对新闻、公告、热点、行情、报告等各种信息的收集、处理和判断,并在此基础上做出正确的投资决策。”王政说,在互联网如此普及之前,这样的投研过程基本是靠人工完成的。
而随着互联网高速发展带动信息量爆炸式增长,互联网数据逐渐呈现出明显的4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、value(价值),因为规模极其庞大并在实时高速扩展中,被称为“大数据”。
在王政看来,“大数据”时代对投资管理的改变是显而易见的,投资研究开始由原来的小样本向全样本,由定期向实时变化着。
“在大数据背景下,我们需要借助机器和人工智能的力量,帮助我们完成人力无法高效完成的信息处理工作。”王政认为:“而这将改变基金经理传统的投研模式。”
王政表示,通过智能计算和机器学习,可以对所有的非结构化数据进行分析,在数量庞大而覆盖广阔的数据中,把所有的投资标的都连接起来,建立起一个完整的关系图谱;在此基础上,动态跟踪实时新闻,捕捉各类事件,进而建立起事件影响在关系网上传导的机制。
在他看来,大数据冲击下,传统的基本面投资面临变革:“有家美国公司利用卫星24小时监测超市的车流、货运、港口的运输,并卖给华尔街的投资公司,使他们不用再等官方数据,不用去工厂门口蹲守,就可以实时通过卫星第一时间得知市场的变化。信息传递速度改变着投资的速度。”
除了基本面,大数据背景下的投资管理也能更快更全地收集和分析社会情绪数据。王政介绍,通联数据所在做的金融云平台,正是基于大数据分析和智能计算的新型互联网金融服务,比较全面地收集处理了基本面和社会情绪等多方面的数据,力图准确提炼影响市场波动的诸多因子。
“这并不意味着彻底摒弃传统的投研理念,价值投资、主题投资、事件驱动投资、情绪投资等依然需要遵循,但操作方式和以前相比会有根本改变。投资者将更多依赖大量数据和智能分析的技术快速找到投资机会,直接进行投资。”王政表示。
“投资,已由一门艺术发展为一门科学”这是20年前,王政的两位同事——Grinold 和Kahn提出的观点。他们通过总结投资中的一些规律,覆盖了收益率预测、风险管理、成本管理、绩效评估等核心因素,用计算机分析来构建投资模型。这些科学模型帮助他们在20年间成就了世界全球最大的资产管理公司,即如今的贝莱德。
“而未来,大数据时代的资产管理将伴随着机器学习和智能计算的发展,成为以人工智能为依托的智能金融。”
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09