用數據分析分析股票動態熱點版

1. 請問怎麼根據集合競價判斷出股票熱點板塊

恕在下冒犯，看到這個命題，大概知曉提出該命題者，在股票市場實戰中道行很淺……

何謂熱點板塊？

市面上通常理解是指一定交易日，一起上漲的同分類行業或同概念或同地域的 股票群體，非單一股票。

並且具有盤面交易活躍，財富效應明顯，以及參與資金積極，常常其成交量會放大的特徵。

所有這些盤面特徵，經媒體或股評的聚焦，在市場上形成逐浪之勢，先頭大資金趁機出擊，從而造就熱點板塊的產生。

走過A股市場，熱點板塊出現前，媒體上往往會有披露出相關利好信息或數據，這些信息數據可以說眾所周知，投資者基本上就知道第二天熱點板塊可能會出現在哪……

另外，炒股票想快速的找到熱點板塊現在非常容易。

因為現在的炒股軟體都有這一項。都在“板塊行情”這一項中有實時的熱點介紹。並且能夠馬上指出誰是龍頭股。而且會按漲幅排序，熱點強弱揭示個股強弱。只需按照股票行情軟體提示，就可以快速找到熱點了。

2. 股票數據分析方法

股票價格的漲跌，簡單來說，供求決定價格，買的人多價格就漲，賣的人多價格就跌。做成買賣不平行的原因是多方面的，影響股市的政策面、基本面、技術面、資金面、消息面等，是利空還是利多，升多了會有所調整，跌多了也會出現反彈，這是不變的規律。

3. 你是如何在股市中判斷市場熱點的

沒找社會經濟的不斷發展，越來越多的人都喜歡投資股票來為自己增加一份穩定的額外收益，但是很多人在股票購買的過程中，會存在很多的問題，比如說沒有辦法去判斷如何區分股市的熱點，下面小編就帶領大家來看一下我的方法。

在股票的交易市場裡面，其實還是存在著很多嚴重的問題的，因為股票的風險很高，不穩定性也很強，所以買賣股票的時候一定要注意相關的操作，一定要保證自己盡可能的不去虧損。

4. 隨便找一個股票分析，如分析上證指數，大致分析下它一直以來的走向，再找最近的動態分析一下，十多頁就好

從歷史漲跌看大盤：
回顧21年，才能看清來龍，才能摸准去脈;才能在牛市中獲得更大的收益。根據對21年的股市漲跌分段回顧，總體來看，21年來股市經歷了8段大漲，8段大跌。

統計顯示，這21年裡，大漲的平均周期為44.8周，最後一段大漲也就是2008年10月至2009年8月，上證指數從1664點漲至3478點，漲幅達109%，上漲周期為40周，隨後就出現了下跌整理至今。

目前上證指數仍處於對之前的上漲的整理過程中，我們對歷年上證指數的整理周期也進行過數據統計，整理期一般為60-70周，目前這段整理已經持續了44周，從時間調整上來看也遠遠沒有達到，所以我們認為上證指數目前仍會延續很長一段時間的整理調整時期。

從上證指數周K線圖中，我們可以發現，目前指數大的形態是一個三角形，根據目前的形態我們估算，這個三角形的完成還需15-20周左右的時間，形態的時間和整理周期的時間基本吻合。由此，我們認為，上證指數仍會整理15-20周左右的時間，隨後會出現一波較大的上漲波段。

8 段上漲統計數據

時間 區間 上漲區間 上漲點數 上漲幅度 上漲持續時間 周平均上漲點數

第一輪暴漲 1990 年12 月-1992 年5 月 100-1429 1329 1329% 72.8 周 18.25

第二輪暴漲 1992 年11 月-1993 年2 月 393-1558 1165 296% 17 周 68.53

第三輪暴漲 1994 年7 月-1994 年 9 月 333-1052 719 215% 12.8 周 56.17

第四輪暴漲 1996 年1 月-1997 年 5 月 512-1258 746 143% 68.6 周 10.87

第五輪暴漲 1999 年5 月-1999 年 6 月 1059-1756 697 65.70% 6 周 116.17

第六輪暴漲 2000 年1 月-2001 年 6 月 1341-2245 904 67% 72.8 周 12.42

第七輪暴漲 2005 年6 月-2007 年 10 月 998-6124 5126 513.60% 68.6 周 74.72

第八輪暴漲 2008 年10 月-2009 年8 月 1664-3478 1814 109% 40 周 45.35

平均值 1562.5 44.8 周

8 段下跌統計數據

時間 區間 下跌區間 下跌點數 下跌幅度 下跌持續時間 周平均下跌點數

第一輪暴跌 1992 年 5 月-1992 年 11 月 1429-400 1029 72% 25.7 周 40.04

第二輪暴跌 1993 年 2 月-1994 年 7 月 1553-325 1228 79% 72.9 周 16.84

第三輪暴跌 1994 年 9 月-1996 年 1 月 1053-512 541 51% 68.6 周 7.89

第四輪暴跌 1997 年 5 月-1999 年 5 月 1510-1047 463 30% 104.3 周 4.44

第五輪暴跌 1999 年 6 月-2000 年 1 月 1756-1361 395 22% 30 周 13.17

第六輪暴跌 2001 年 6 月-2005 年 6 月 2245-998 1247 55% 208.6 周 5.98

第七輪暴跌 2007 年 10 月-2008 年10 月 6124-1664 4460 73% 52.1 周 85.6

第八輪暴跌 2009 年 8 月-2010 年 7 月 3478-2319 1159 33.30% 47 周 24.66

平均值 1315.25 76.15 周

----------------------------

華山論劍：反轉時機或在6月 迴避兩大風險

3000點附近A股屢遭「定點停車」，近期大盤的連續調整更令投資者揪心。5月大盤會不會否極泰來？大小盤風格轉換能否繼續？哪些股票已進入投資區間。本期邀請匯豐環球投資管理股票投資董事陳淑敏、平安證券首席策略研究員王韌和世紀證券研究所副所長萬文宇三位嘉賓，共同探討這些熱點問題。

銀行股攻守兼備

今年是「十二五」規劃第一年，中國經濟正在從外需拉動朝內需拉動轉型。在房地產調控和緊縮政策作用下，PMI已經出現一定回落，但我們預計今年中國的經濟增長依然強勁，全年GDP增速可達9%至9.5%，下半年不會出現所謂的「硬著陸」。

通脹方面，CPI走勢通常比貨幣供應增速走勢滯後6-9個月，由於國內貨幣供應量增速已在去年年底見頂，相信國內CPI漲幅將在第二季度或第三季度見頂，全年通脹水平可能會維持在4%-4﹒5%，相對9%-9.5%的GDP增速來說，其實是一個比較合理的水平，並非不能接受。因此，我們預計調控政策將集中於上半年，政策出現超調的可能性不大。

目前中國股市的估值已經低於過去十年的中位數，處於比較有吸引力的水平，尤其是銀行股板塊，估值已經非常誘人。但近期市場仍然處於低迷，對於不少股票來說，其實已經出現了買點。

從行業看，十分看好銀行股，因為目前國內銀行股的業績仍處於高增長期，但估值卻十分便宜，市盈率僅六七倍。在政策緊縮期內，國內流動性偏緊，銀行對於貸款的議價能力較強，銀行業的息差維持在較高的水平，有利於業績增長。而如果緊縮政策放鬆，流動性又會出現寬裕，市場整體的估值也會隨之上升，推動銀行股上漲。可以說，銀行股是攻守兼備的品種。盡管一季度銀行股已經出現一定幅度的上漲，但目前仍被低估，仍然值得買入。

除銀行外，我們也看好水泥行業。今年全國計劃建設保障性安居工程任務是1000萬套，這將大大拉動水泥需求，而在政府始終限制水泥行業產能增長的背景下，國內水泥價格將保持高位，令水泥股受惠。

在消費類股票方面，我們十分看好高端品牌以及在二三線城市有良好分銷渠道和滲透力的品牌，主要是因為未來幾年二三線城市將成為中國城市化進程的主力，二三線城市消費的增長將會明顯快過一線城市。我們比較不看好食品飲料和項目集中在一線城市的房地產公司，因為成本上漲和貨幣政策緊縮給它們帶來的壓力最大。

市場重拾升勢需待六月

近期市場大幅下跌，調整態勢明顯。表面看，市場調整主要來自一系列政策傳聞和事件沖擊。但從實質看，資金面短期逆轉和基本面階段性擔憂是調整主因。

從流動性角度看，4月底和5月底各有一次財政存款積累，規模為單次3000-4000億元，效果相當於上調兩次存款准備金。受全年信貸投放節奏和銀行監管政策趨嚴影響，2季度前半段信貸控制依然偏緊，歐美貨幣緊縮預期又減緩外部資金流入速度。從基本面看，4月PMI指數下滑預示二季度經濟可能出現「旺季不旺」局面。

5月市場何去何從？市場驅動力來自基本面、政策面、資金面三個層面。目前的情況是：雖有調控慣性，但政策「由緊及穩」趨勢明顯；二季度經濟基本面略有下滑，但幅度應屬可控；這兩者對短期市場趨勢性影響有限。關鍵因素在於市場資金面變化，二季度資金面將呈「U」型變化，受財政繳款、政府流動性投放偏緊、外部資金流入波動等因素影響，二季度中間段市場資金面壓力最大，也是指數最難熬的階段，市場可能繼續偏弱，並在2800-2900點價值底附近尋求支撐，等待6月基本面企穩、政策預期改善、資金面重回寬裕後再重拾升勢。

短期來看，市場或有技術性反彈，但再次趨勢性上行的時機至少需等到6月，原因在於調控並未終結，調控頻率需到二季度末才有望出現明顯下降，進而明確政策「由緊及穩」的趨勢；經濟基本面的階段性下滑目前僅是開始，現有庫存的有效消化和新增需求的重新顯現均需等到二季度末；市場資金面仍在二季度「U」型變化中最難熬的階段，下一公開市場到期高峰、其他領域投資資金轉移和外部資金推力再次上升所驅動的反轉時機在6-7月。

近期中小市值個股跌幅巨大，但系統性買入的時機仍未到來。去年底以來，推動周期股和成長股估值差擴大的因素已趨弱化，這是周期股修復和成長股調整的中長期動因。短期看，創業板指33倍的估值依然偏高，且還存在未來盈利預測下調可能。中小板指估值則已回落到25倍以下，因此即使要抓反彈，重點也應是流動性較好、估值相對合理的中小板個股，創業板個股則應繼續堅持「反彈減倉」策略。

因此，當前投資應迴避兩個潛在風險：一是中上游生產性板塊的短期壓力；二是高估值的成長性股票。二季度繼續推薦「金融+消費」組合，前者受低估值和政策拐點顯現的雙重支撐；後者受成長性、市場環境、政策題材的三重催化。即使面臨短期補跌風險，其在二季度市場的「U」變化中獲取超額收益仍是確定性事件。推薦行業為保險、銀行、零售、白酒、白色家電、地產。

二季度或現全年最佳買點

近期工業企業利潤增速放緩、PMI環比回落、上市公司一季度盈利低於預期，使市場對經濟增速放緩、企業盈利增速下滑產生擔憂，在A股市場上則表現為價值中樞下移。

我們對全年國內經濟保持平穩運行仍有信心，但在物價水平仍高於全年調控目標、經濟增速呈現放緩跡象的背景下，國內宏觀調控的難度將有所加大，後續政策的出台將更多地關注對實體經濟的影響。繼4月加息後，觀察5月、6月貨幣政策實施效果更為重要，這將成為下半年政策確定的主要依據。

從貨幣供應量來看，根據對M1及M1-M2差值變化的分析，我們認為自去年4月以來市場開始對貨幣增速的放緩逐漸有所反應，到年初M1-M2出現逆差，2月有所收斂，3月略有擴大，後期如該逆差值進一步擴大，市場短期內難以形成轉折性拐點，而該逆差值由底部回升時可密切關注市場的拐點性機會。由於市場的拐點往往較差值拐點提前出現，因此不排除二季度出現全年最佳買點的可能，我們認為市場將會在二季度尋找這一積極信號。

展望5月，在市場短期對以上因素有所消化、本月到期流動性低於4月的情況下，我們對5月行情並不過分悲觀，但值得關注的是6月CPI翹尾因素較高、到期流動性較大，不排除屆時央行繼續通過價格手段收縮流動性的可能。

投資方面，建議關注以下三方面：一、年報公布後市場風格的變化。若市場擔憂經濟增速放緩，周期性行業的上行動力將有所減弱，而中小盤股在經過前期泥沙俱下的調整後，走勢可能呈現分化，市場整體風格特徵需要在5月進一步觀察；二、人民幣升值。近月人民幣升值有所加速，造紙、航空等受益較為明顯的行業近期表現堅挺，在升值趨勢中以上品種仍可進一步關注；三、對於食品飲料、醫葯生物、新興產業等可在市場回調中進行中長線布局。

5. 股票數據分析都有哪些

看盤的幾個小技巧：
第一：看盤的首要重點是看板塊和熱點個股的輪動規律，進而推測出行情的大小和持續性時間變化。比如每天應該注意是否有漲停個股開盤，如果有，那麼說明主力資金還在努力選擇突破口，如果兩市都有10隻以上的漲停個股開盤，則說明市場處於多頭氣氛，人氣比較旺，少於這個標准則說明市場人氣不佳，投資者應該當心大盤繼續下跌風險。如果每天盤面都有跌停板，並且是以板塊方式出現，那麼，應該警惕新一輪的中級調整開始。在熱點上，如果前一交易日漲停的個股或是上漲比較好的板塊難以維持兩天以上的行情，那麼，就說明主力資金屬於短炒性質，此個股或板塊不能成為一波行情的領頭羊，同時也意味著這一輪上漲屬於單日短線反彈。反過來講，如果熱點板塊每天都有2-3個以上，平均漲幅都在2%以上，並相互進行有效輪番上漲，則中期向好行情就值得期待。2010年7月初、中期，有色資源、煤炭資源、稀土資源以及新能源、智能電網等板塊交替上漲，從而產生中級行情。
第二：看盤應該注重關注成交量。根據兩市目前市值情況看，上海大盤成交量小於1000億應做震盪整理理解，700億以下為縮量，小於500億可以理解為地量，超過1100億應該理解為放量。地量背後往往意味著反轉，例如，2010年6月底和7月初之間，先後多個交易日上海股市成交量低於500億，這個時候空倉資金應為自己的重新進場做好准備。當大盤擺脫下降趨勢，走出一個緩慢的底部構築的形態下，成交量溫和狀態下，投資者可以以不超過半倉的水平買股持股。如果，當股票持續上漲，成交量放大，換手率超過15%（中小板、創業板個股特定條件下可以放寬到20%左右，另外新股、次新股、限售股、轉贈股、配股上市日不在此列），5-20日線開始死叉轉向，那麼此類短線題材股和概念股應該考慮逐步拋售。
第三：努力培養盤感，運用技術手段捕捉市場機會。不管是什麼品種的股票，如經過短期暴跌，跌幅超過50%，下跌垂直度越大，那麼關注價值就越高，當某一天突然縮量，短線買進的機會來了。因為急跌暴跌後，成交量突然萎縮就殺跌盤已經枯竭，肯定會出現反彈，這個時候可以堅決地戰勝自己恐慌情緒積極進去搶一把反彈就走人。同樣，如果股票價格在接連漲了很多時間，而且高位開始頻繁放量，可是價格始終盤旋在某個小區域，連續用小單在尾盤直線拉高製造高位串陽K線，籌碼峰密集嚴重擴散，則說明這個完全是主力在出貨！必須堅決清倉。
第四：別小看低位的三連陽，別漠視高位的三連陰。一般講股票價格在接連下跌一段時間後，突然在某天不那麼狂跌，而且，K線上接連出現紅三兵，價格波動幅度又不是那樣大，通常價格一串上去又被單子砸下來了，請你注意了，這個時候往往就是有主力潛伏著開始收貨中；反過來，如果在漲勢繼續了一段時間，股票價格已經很大幅度地脫離了主力原始成本，這個時候出現了高位幾連陰，股票價格重心開始下移，尤其是在一些時候，主力利用快要收盤的時候，突然用幾筆單把股票價格迅速買回日均線，在隨後的幾天里同樣的手法經常出現，K線圖上收出長下影，那說明主力出貨的概率已經達到80%以上，它的這些做法都是為了麻痹經驗不足的資金。假如某天連10日、20日、30日線都跌破，不管是賺還是賠，堅決離場。
第五：大漲買龍頭，如何發覺龍頭，其實在市場大跌氣氛里很容易判斷龍頭股，應密切注意漲幅榜中始終躍居前幾位的逆市紅盤股，特別是價格處於「三低」范疇，或是股價在15-20元之間，離新多主力拉升底部區域不足50%空間，在大盤大跌的當日或隨後幾天時間里，果斷用長陽反擊K線收復前期長陰失地的，則有望成為反彈的龍頭。市場的法則永遠是「強者恆強，弱者恆弱」。當中級以上行情出現的時候，投資者要善於提早發現誰是龍頭，並果斷追進，抓穩抓牢，別因一時盤面震盪輕易下馬。通常洗得越凶，後期飈漲概率越大。炒股搶佔先機概念很重要。有的股票難當龍頭最好在行情啟動初期果斷放棄，不要跟自己過不去。
第六：在漲勢中不要輕視冷門股、問題股。 你只要它漲得好，漲得牛就是，「漲時重勢，跌時重質」就是這個道理。任何時候，主力和莊家比我們聰明，他們不是傻瓜，當股票一個敢於在大勢不好的情況下縮量封出漲停板，肯定有其不被市場大眾知道的東西隱藏在後面。熊市裡，很多2-5元中小盤個股就是這樣無量快速漲停，通常這個時候非常考驗短線高手的看盤功力，因為這樣的股票往往留給人的思考、判斷、下單時間不會超過一分鍾，一般此類股很容易出現連續漲停，甚至是一字漲停，像2010年7月27日，很多ST股大跌的時候，ST黑化卻震盪走高，上方買盤都被逐步吃掉，並在臨近收盤的最後10分鍾封上漲停，這說明市場已有嗅覺靈敏的資金聞到了變盤氣息在重組前夜下手。

6. 根據近兩周的市場數據，分析歸納市場熱點。

最近股市淺析
周五銀華、上投摩根、工銀瑞信、融通、益民等5家基金公司旗下基金率先公布2008年一季度報告。報告顯示，為規避市場風險，一季度絕大多數股票型基金的倉位下降，有將近一半基金倉位降幅超過10個百分點。除上投摩根基金外，其餘公司旗下基金均出現不同程度的凈贖回。這對周五的市場信心也是個打擊。
盤面呈現大面積跌多漲少的普跌弱市特徵。首日上市新股魚躍醫療(002223)呈現高開低走的格局，開盤報16.5元，較發行價漲74%。早盤中石油屢次在16.70元堅守發行價但仍最終跌破。截止收盤，除ST外兩市無一漲停股，蘭州民百(600738)、健康元(600380)、冠農股份(600251)，隆平高科(000998)等漲幅在5%以上的個股僅十餘只，西藏旅遊、貴航股份(600523)、歌華有線(600037)、中糧地產(000031)、貴糖股份(000833)等有代表性的行業龍頭股表現活躍，板塊方面集體處於下跌之列，航天航空、食品、金融、軍工等跌幅相對抗跌，有色金屬、紡織機械、化工、電力、奧運、水務等十幾個板塊重挫幅度較大，個股的普跌成為股指重心下移的的推動力，反彈也僅僅是曇花一現。目前100元以上個股僅剩貴州茅台(600519)，天馬股份(002122)，鹽湖鉀肥(000792)三隻。
一季度的相關數據出台，並沒有太多超乎意料之處。再次提高銀行存款准備金率，金融服務業指數在當日大盤大幅度下跌的行情中跌幅最小。市場對於未來上市公司業績增速放緩較為擔憂，做多信心不足。近期上市公司業績預增時，並沒有激起投資熱情；而業績低於預期或預減預虧時，股價迅速下挫，長江電力便是佐證。油價居高不下，引發新能源概念卷土重來，但它們對大盤的貢獻微不足道。
股指階段性弱市趨勢未變，目前的均線系統仍呈空頭排列。要改變這種弱勢趨勢還需要時間，同時也要政策面的實質性舉措，鼓舞投資者的信心。
弱市不言底。自從2008年1月14日5522點調整以來，市場一直在探尋底部，真正的底部在何處，一般多為事後確認，在調整趨勢中不輕易言底。板塊方面，輪流做空的是一線、二線藍籌股和題材股，金融、地產之後是電力、航空和鋼鐵。這四大板塊在滬深300中所佔的比例分別是34％、2.5％、3.3％和16.8％，而煤炭石油板塊也占據著30％的權重，是滬深300中的第二大板塊，卻在其他板塊紛紛破位時保持堅挺，但是在博弈格局愈發激烈的時候，投資者應警惕該板塊有可能補跌。數據顯示本周大盤暴跌11.4％，從行業指數的表現來看，本周各大行業全線殺跌。其中前五大跌幅行業包括：地產行業跌25.27%、水電行業跌18.48%、金屬行業跌17.14%、金融行業跌16.54%、傳播行業跌16.40%；後五大跌幅行業包括：食品行業跌6.37%、石化行業跌8.50%、木材行業跌8.88%、農林行業跌9.31%、商業行業跌10.02%。
綜合分析，在經過連續的大跌之後，短期弱勢格局未有實質性改觀，兩市多數個股隨大盤紛紛回落，僅有少部分品種逆勢上揚。由於周五大盤創出新低，多方最後一道防線移至3000點，大盤將考驗3000點這一心理點位支撐。因此，在近期操作上還應注意控制倉位，成交量仍是判斷行情強弱的關鍵指標，在沒有明顯轉勢之前仍應適當謹慎。

7. 股票實時數據應該怎麼分析

成交量只代表多空分歧高低，交投的活躍度，與價格沒有必然聯系，比如某隻股票某一天有10萬手的成交量，說明總共賣出了10萬手，同時也說明被其他人買進了10萬手。常見的幾種量價關系
1，放量上漲，這個要看位置，一般底部的放量上漲意味著可能會走一波上升走勢，而高位的放量上沖則可能是主力在出貨
2，縮量上漲，這個一般是主力拉升階段，一致看多，沒啥人賣股票，導致成交量低
3，放量下跌，也得看位置，長期縮量陰跌之後的放量下跌，有可能是底部企穩。高位的放量下跌，一般是主力不計成本的殺跌出貨
4，縮量下跌，這個在上漲途中，可能是主力洗盤。如果是一波加速上漲之後，可能是主力出貨完畢，只剩散戶了，然後縮量陰跌
上面之是一般情況，具體還要具體分析其他因素，不能按量價關系就作為買賣依據了

8. 如何用大數據炒股

我們如今生活在一個數據爆炸的世界裡。網路每天響應超過60億次的搜索請求，日處理數據超過100PB，相當於6000多座中國國家圖書館的書籍信息量總和。新浪微博每天都會發布上億條微博。在荒無人煙的郊外，暗藏著無數大公司的信息存儲中心，24小時夜以繼日地運轉著。
克托·邁爾-舍恩伯格在《大數據時代》一書中認為，大數據的核心就是預測，即只要數據豐富到一定程度，就可預測事情發生的可能性。例如，「從一個人亂穿馬路時行進的軌跡和速度來看他能及時穿過馬路的可能性」，或者通過一個人穿過馬路的速度，預測車子何時應該減速從而讓他及時穿過馬路。

那麼，如果把這種預測能力應用在股票投資上，又會如何？

目前，美國已經有許多對沖基金採用大數據技術進行投資，並且收獲甚豐。中國的中證廣發網路百發100指數基金（下稱百發100），上線四個多月以來已上漲68%。

和傳統量化投資類似，大數據投資也是依靠模型，但模型里的數據變數幾何倍地增加了，在原有的金融結構化數據基礎上，增加了社交言論、地理信息、衛星監測等非結構化數據，並且將這些非結構化數據進行量化，從而讓模型可以吸收。

由於大數據模型對成本要求極高，業內人士認為，大數據將成為共享平台化的服務，數據和技術相當於食材和鍋，基金經理和分析師可以通過平台製作自己的策略。

量化非結構數據

不要小看大數據的本領，正是這項剛剛興起的技術已經創造了無數「未卜先知」的奇跡。

2014年，網路用大數據技術預測命中了全國18卷中12卷高考作文題目，被網友稱為「神預測」。網路公司人士表示，在這個大數據池中，包含互聯網積累的用戶數據、歷年的命題數據以及教育機構對出題方向作出的判斷。

在2014年巴西世界盃比賽中，Google亦通過大數據技術成功預測了16強和8強名單。

從當年英格蘭報社的信鴿、費城股票交易所的信號燈到報紙電話，再到如今的互聯網、雲計算、大數據，前沿技術迅速在投資領域落地。在股票策略中，大數據日益嶄露頭角。

做股票投資策略，需要的大數據可以分為結構化數據和非結構化數據。結構化數據，簡單說就是「一堆數字」，通常包括傳統量化分析中常用的CPI、PMI、市值、交易量等專業信息；非結構化數據就是社交文字、地理位置、用戶行為等「還沒有進行量化的信息」。

量化非結構化就是用深度模型替代簡單線性模型的過程，其中所涉及的技術包括自然語言處理、語音識別、圖像識別等。

金融大數據平台-通聯數據CEO王政表示，通聯數據採用的非結構化數據可以分為三類：第一類和人相關，包括社交言論、消費、去過的地點等；第二類與物相關，如通過正在行駛的船隻和貨車判斷物聯網情況；第三類則是衛星監測的環境信息，包括汽車流、港口裝載量、新的建築開工等情況。

衛星監測信息在美國已被投入使用，2014年Google斥資5億美元收購了衛星公司Skybox，從而可以獲得實施衛星監測信息。

結構化和非結構化數據也常常相互轉化。「結構化和非結構化數據可以形象理解成把所有數據裝在一個籃子里，根據應用策略不同相互轉化。例如，在搜索頻率調查中，用戶搜索就是結構化數據；在金融策略分析中，用戶搜索就是非結構化數據。」網路公司人士表示。

華爾街拿著豐厚薪水的分析師們還不知道，自己的僱主已經將大量資本投向了取代自己的機器。
2014年11月23日，高盛向Kensho公司投資1500萬美元，以支持該公司的大數據平台建設。該平台很像iPhone里的Siri，可以快速整合海量數據進行分析，並且回答投資者提出的各種金融問題，例如「下月有颶風，將對美國建材板塊造成什麼影響？」

在Kensho處理的信息中，有80%是「非結構化」數據，例如政策文件、自然事件、地理環境、科技創新等。這類信息通常是電腦和模型難以消化的。因此，Kensho的CEO Daniel Nadler認為，華爾街過去是基於20%的信息做出100%的決策。

既然說到高盛，順便提一下，這家華爾街老牌投行如今對大數據可謂青睞有加。除了Kensho，高盛還和Fortress信貸集團在兩年前投資了8000萬美元給小額融資平台On Deck Capital。這家公司的核心競爭力也是大數據，它利用大數據對中小企業進行分析，從而選出值得投資的企業並以很快的速度為之提供短期貸款。

捕捉市場情緒

上述諸多非結構化數據，歸根結底是為了獲得一個信息：市場情緒。

在采訪中，2013年諾貝爾經濟學獎得主羅伯特•席勒的觀點被無數采訪對象引述。可以說，大數據策略投資的創業者們無一不是席勒的信奉者。

席勒於上世紀80年代設計的投資模型至今仍被業內稱道。在他的模型中，主要參考三個變數：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應（市場情緒）。他認為，市場本身帶有主觀判斷因素，投資者情緒會影響投資行為，而投資行為直接影響資產價格。
然而，在大數據技術誕生之前，市場情緒始終無法進行量化。

回顧人類股票投資發展史，其實就是將影響股價的因子不斷量化的過程。

上世紀70年代以前，股票投資是一種定性的分析，沒有數據應用，而是一門主觀的藝術。隨著電腦的普及，很多人開始研究驅動股價變化的規律，把傳統基本面研究方法用模型代替，市盈率、市凈率的概念誕生，量化投資由此興起。

量化投資技術的興起也帶動了一批華爾街大鱷的誕生。例如，巴克萊全球投資者（BGI）在上世紀70年代就以其超越同行的電腦模型成為全球最大的基金管理公司；進入80年代，另一家基金公司文藝復興（Renaissance）年均回報率在扣除管理費和投資收益分成等費用後仍高達34%，堪稱當時最佳的對沖基金，之後十多年該基金資產亦十分穩定。

「從主觀判斷到量化投資，是從藝術轉為科學的過程。」王政表示，上世紀70年代以前一個基本面研究員只能關注20隻到50隻股票，覆蓋面很有限。有了量化模型就可以覆蓋所有股票，這就是一個大的飛躍。此外，隨著計算機處理能力的發展，信息的用量也有一個飛躍變化。過去看三個指標就夠了，現在看的指標越來越多，做出的預測越來越准確。

隨著21世紀的到來，量化投資又遇到了新的瓶頸，就是同質化競爭。各家機構的量化模型越來越趨同，導致投資結果同漲同跌。「能否在看到報表數據之前，用更大的數據尋找規律？」這是大數據策略創業者們試圖解決的問題。

於是，量化投資的多米諾骨牌終於觸碰到了席勒理論的第三層變數——市場情緒。

計算機通過分析新聞、研究報告、社交信息、搜索行為等，藉助自然語言處理方法，提取有用的信息；而藉助機器學習智能分析，過去量化投資只能覆蓋幾十個策略，大數據投資則可以覆蓋成千上萬個策略。

基於互聯網搜索數據和社交行為的經濟預測研究，已逐漸成為一個新的學術熱點，並在經濟、社會以及健康等領域的研究中取得了一定成果。在資本市場應用上，研究發現搜索數據可有效預測未來股市活躍度（以交易量指標衡量）及股價走勢的變化。

海外就有學術研究指出，公司的名稱或者相關關鍵詞的搜索量，與該公司的股票交易量正相關。德國科學家Tobias Preis就進行了如此研究：Tobias利用谷歌搜索引擎和谷歌趨勢（Google Trends），以美國標普500指數的500隻股票為其樣本，以2004年至2010年為觀察區間，發現谷歌趨勢數據的公司名稱搜索量和對應股票的交易量，在每周一次的時間尺度上有高度關聯性。也就是說，當某個公司名稱在谷歌的搜索量活動增加時，無論股票的價格是上漲或者下跌，股票成交量與搜索量增加；反之亦然，搜索量下降，股票成交量下降。以標普500指數的樣本股為基礎，依據上述策略構建的模擬投資組合在六年的時間內獲得了高達329%的累計收益。

在美國市場上，還有多家私募對沖基金利用Twitter和Facebook的社交數據作為反映投資者情緒和市場趨勢的因子，構建對沖投資策略。利用互聯網大數據進行投資策略和工具的開發已經成為世界金融投資領域的新熱點。

保羅·霍丁管理的對沖基金Derwent成立於2011年5月，注冊在開曼群島，初始規模約為4000萬美元， 2013年投資收益高達23.77%。該基金的投資標的包括流動性較好的股票及股票指數產品。
通聯數據董事長肖風在《投資革命》中寫道，Derwent的投資策略是通過實時跟蹤Twitter用戶的情緒，以此感知市場參與者的「貪婪與恐懼」，從而判斷市場漲跌來獲利。

在Derwent的網頁上可以看到這樣一句話：「用實時的社交媒體解碼暗藏的交易機會。」保羅·霍丁在基金宣傳冊中表示：「多年以來，投資者已經普遍接受一種觀點，即恐懼和貪婪是金融市場的驅動力。但是以前人們沒有技術或數據來對人類情感進行量化。這是第四維。Derwent就是要通過即時關注Twitter中的公眾情緒，指導投資。」

另一家位於美國加州的對沖基金MarketPsych與湯普森·路透合作提供了分布在119個國家不低於18864項獨立指數，比如每分鍾更新的心情狀態（包括樂觀、憂郁、快樂、害怕、生氣，甚至還包括創新、訴訟及沖突情況等），而這些指數都是通過分析Twitter的數據文本，作為股市投資的信號。

此類基金還在不斷涌現。金融危機後，幾個台灣年輕人在波士頓組建了一家名為FlyBerry的對沖基金，口號是「Modeling the World（把世界建模）」。它的投資理念全部依託大數據技術，通過監測市場輿論和行為，對投資做出秒速判斷。

關於社交媒體信息的量化應用，在股票投資之外的領域也很常見：Twitter自己也十分注重信息的開發挖掘，它與DataSift和Gnip兩家公司達成了一項出售數據訪問許可權的協議，銷售人們的想法、情緒和溝通數據，從而作為顧客的反饋意見匯總後對商業營銷活動的效果進行判斷。從事類似工作的公司還有DMetics，它通過對人們的購物行為進行分析，尋找影響消費者最終選擇的細微原因。

回到股票世界，利用社交媒體信息做投資的公司還有StockTwits。打開這家網站，首先映入眼簾的宣傳語是「看看投資者和交易員此刻正如何討論你的股票」。正如其名，這家網站相當於「股票界的Twitter」，主要面向分析師、媒體和投資者。它通過機器和人工相結合的手段，將關於股票和市場的信息整理為140字以內的短消息供用戶參考。

此外，StockTwits還整合了社交功能，並作為插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平台，讓人們可以輕易分享投資信息。

另一家公司Market Prophit也很有趣。這家網站的宣傳語是「從社交媒體噪音中提煉市場信號」。和StockTwits相比，Market Prophit更加註重大數據的應用。它採用了先進的語義分析法，可以將Twitter里的金融對話量化為「-1（極度看空）」到「1（極度看多）」之間的投資建議。網站還根據語義量化，每天公布前十名和後十名的股票熱度榜單。網站還設計了「熱度地圖」功能，根據投資者情緒和意見，按照不同板塊，將板塊內的個股按照顏色深淺進行標注，誰漲誰跌一目瞭然。

中國原創大數據指數

盡管大數據策略投資在美國貌似炙手可熱，但事實上，其應用尚僅限於中小型對沖基金和創業平台公司。大數據策略投資第一次被大規模應用，應歸於中國的百發100。

網路金融中心相關負責人表示，與歐美等成熟資本市場主要由理性機構投資者構成相比，東亞尤其是中國的股票類證券投資市場仍以散戶為主，因此市場受投資者情緒和宏觀政策性因素影響很大。而個人投資者行為可以更多地反映在互聯網用戶行為大數據上，從而為有效地預測市場情緒和趨勢提供了可能。這也就是中國國內公募基金在應用互聯網大數據投資方面比海外市場並不落後、甚至領先的原因。

百發100指數由網路、中證指數公司、廣發基金聯合研發推出，於2014年7月8日正式對市場發布，實盤運行以來一路上漲，漲幅超過60%。跟蹤該指數的指數基金規模上限為30億份，2014年9月17日正式獲批，10月20日發行時一度創下26小時瘋賣18億份的「神話」。

外界都知道百發100是依託大數據的指數基金，但其背後的細節鮮為人知。

百發100數據層面的分析分為兩個層面，即數據工廠的數據歸集和數據處理系統的數據分析。其中數據工廠負責大數據的收集分析，例如將來源於互聯網的非結構化數據進行指標化、產品化等數據量化過程；數據處理系統，可以在數據工廠遞交的大數據中尋找相互統計關聯，提取有效信息，最終應用於策略投資。

「其實百發100是在傳統量化投資技術上融合了基於互聯網大數據的市場走勢和投資情緒判斷。」業內人士概括道。

和傳統量化投資類似，百發100對樣本股的甄選要考慮財務因子、基本面因子和動量因子，包括凈資產收益率（ROE）、資產收益率（ROA）、每股收益增長率（EPS）、流動負債比率、企業價值倍數（EV/EBITDA）、凈利潤同比增長率、股權集中度、自由流通市值以及最近一個月的個股價格收益率和波動率等。

此外，市場走勢和投資情緒是在傳統量化策略基礎上的創新產物，也是百發100的核心競爭力。接近網路的人士稱，市場情緒因子對百發100基金起決定性作用。

網路金融中心相關負責人是羅伯特•席勒觀點的支持者。他認為，投資者行為和情緒對資產價格、市場走勢有著巨大的影響。因此「通過互聯網用戶行為大數據反映的投資市場情緒、宏觀經濟預期和走勢，成為百發100指數模型引入大數據因子的重點」。

傳統量化投資主要著眼點在於對專業化金融市場基本面和交易數據的應用。但在網路金融中心相關業務負責人看來，無論是來源於專業金融市場的結構化數據，還是來源於互聯網的非結構化數據，都是可以利用的數據資源。因此，前文所述的市場情緒數據，包括來源於互聯網的用戶行為、搜索量、市場輿情、宏觀基本面預期等等，都被網路「變廢為寶」，從而通過互聯網找到投資者參與特徵，選出投資者關注度較高的股票。

「與同期滬深300指數的表現相較，百發100更能在股票市場振盪時期、行業輪動劇烈時期、基本面不明朗時期抓住市場熱點、了解投資者情緒、抗擊投資波動風險。」網路金融中心相關負責人表示。

百發100選取的100隻樣本股更換頻率是一個月，調整時間為每月第三周的周五。

業內人士指出，百發100指數的月收益率與中證100、滬深300、中證500的相關性依次提升，說明其投資風格偏向中小盤。

但事實並非如此。從樣本股的構成來說，以某一期樣本股為例，樣本股總市值6700億元，佔A股市值4.7%。樣本股的構成上，中小板21隻，創業板4隻，其餘75隻樣本股均為大盤股。由此可見，百發100還是偏向大盤為主、反映主流市場走勢。

樣本股每個月的改變比例都不同，最極端的時候曾經有60%進行了換倉。用大數據預測熱點變化，市場熱點往往更迭很快；但同時也要考慮交易成本。兩方面考慮，網路最後測算認為一個月換一次倉位為最佳。

樣本股對百發100而言是核心機密——據說「全世界只有基金經理和指數編制機構負責人兩個人知道」——都是由機器決定後，基金經理分配給不同的交易員建倉買入。基金經理也沒有改變樣本股的權利。

展望未來，網路金融中心相關負責人躊躇滿志，「百發100指數及基金的推出，只是我們的開端和嘗試，未來將形成多樣化、系列投資產品。」

除了百發100，目前市場上打著大數據旗幟的基金還有2014年9月推出的南方-新浪I100和I300指數基金。

南方-新浪I100和I300是由南方基金、新浪財經和深圳證券信息公司三方聯合編制的。和百發100類似，也是按照財務因子和市場情緒因子進行模型打分，按照分值將前100和前300名股票構成樣本股。推出至今，這兩個指數基金分別上漲了10%左右。

正如百發100的市場情緒因子來自網路，南方-新浪I100和I300的市場情緒因子全部來自新浪平台。其中包括用戶在新浪財經對行情的訪問熱度、對股票的搜索熱度；用戶在新浪財經對股票相關新聞的瀏覽熱度；股票相關微博的多空分析數據等。

此外，阿里巴巴旗下的天弘基金也有意在大數據策略上做文章。據了解，天弘基金將和阿里巴巴合作，推出大數據基金產品，最早將於2015年初問世。

天弘基金機構產品部總經理劉燕曾對媒體表示，「在傳統的調研上，大數據將貢獻於基礎資產的研究，而以往過度依賴線下研究報告。大數據將視野拓展至了線上的數據分析，給基金經理選股帶來新的邏輯。」

在BAT三巨頭中，騰訊其實是最早推出指數基金的。騰訊與中證指數公司、濟安金信公司合作開發的「中證騰安價值100指數」早在2013年5月就發布了，號稱是國內第一家由互聯網媒體與專業機構編制發布的A股指數。不過，業內人士表示，有關指數並沒有真正應用大數據技術。雖然騰訊旗下的微信是目前最熱的社交平台，蘊藏了大量的社交數據，但騰訊未來怎麼開發，目前還並不清晰。

大數據投資平台化

中歐商學院副教授陳威如在其《平台戰略》一書中提到，21世紀將成為一道分水嶺，人類商業行為將全面普及平台模式，大數據金融也不例外。

然而，由於大數據模型對成本要求極高，就好比不可能每家公司都搭建自己的雲計算系統一樣，讓每家機構自己建設大數據模型，從數據來源和處理技術方面看都是不現實的。業內人士認為，大數據未來必將成為平台化的服務。

目前，阿里、網路等企業都表示下一步方向是平台化。

螞蟻金服所致力搭建的平台，一方麵包括招財寶一類的金融產品平台，另一方麵包括雲計算、大數據服務平台。螞蟻金服人士說，「我們很清楚自己的優勢不是金融，而是包括電商、雲計算、大數據等技術。螞蟻金服希望用這些技術搭建一個基礎平台，把這些能力開放出去，供金融機構使用。」

網路亦是如此。接近網路的人士稱，未來是否向平台化發展，目前還在討論中，但可以確定的是，「網路不是金融機構，目的不是發產品，百發100的意義在於打造影響力，而非經濟效益。」
當BAT還在摸索前行時，已有嗅覺靈敏者搶佔了先機，那就是通聯數據。

通聯數據股份公司（DataYes）由曾任博時基金副董事長肖風帶隊創建、萬向集團投資成立，總部位於上海，公司願景是「讓投資更容易，用金融服務雲平台提升投資管理效率和投研能力」。該平台7月上線公測，目前已擁有130多家機構客戶，逾萬名個人投資者。

通聯數據目前有四個主要平台，分別是通聯智能投資研究平台、通聯金融大數據服務平台、通聯多資產投資管理平台和金融移動辦公平台。

通聯智能投資研究平台包括雅典娜-智能事件研究、策略研究、智能研報三款產品，可以對基於自然語言的智能事件進行策略分析，實時跟蹤市場熱點，捕捉市場情緒。可以說，和百發100類似，其核心技術在於將互聯網非結構化數據的量化使用。

通聯金融大數據服務平台更側重於專業金融數據的分析整理。它可以提供公司基本面數據、國內外主要證券、期貨交易所的行情數據、公司公告數據、公關經濟、行業動態的結構化數據、金融新聞和輿情的非結構化數據等。

假如將上述兩個平台比作「收割機」，通聯多資產投資管理平台就是「廚房」。在這個「廚房」里，可以進行全球跨資產的投資組合管理方案、訂單管理方案、資產證券化定價分析方案等。

通聯數據可以按照主題熱點或者自定義關鍵字進行分析，構建知識圖譜，將相關的新聞和股票提取做成簡潔的分析框架。例如用戶對特斯拉感興趣，就可以通過主題熱點看到和特斯拉相關的公司，並判斷這個概念是否值得投資。「過去這個搜集過程要花費幾天時間，現在只需要幾分鍾就可以完成。」王政表示。

「通聯數據就好比一家餐館，我們把所有原料搜集來、清洗好、准備好，同時准備了一個鍋，也就是大數據存儲平台。研究員和基金經理像廚師一樣，用原料、工具去『烹制』自己的策略。」王政形容道。

大數據在平台上扮演的角色，就是尋找關聯關系。人類總是習慣首先構建因果關系，繼而去倒推和佐證。機器學習則不然，它可以在海量數據中查獲超越人類想像的關聯關系。正如維克托`邁爾-舍恩伯格在《大數據時代》中所提到的，社會需要放棄它對因果關系的渴求，而僅需關注相互關系。

例如，美國超市沃爾瑪通過大數據分析，發現颶風用品和蛋撻擺在一起可以提高銷量，並由此創造了頗大的經濟效益。如果沒有大數據技術，誰能將這毫無關聯的兩件商品聯系在一起？
通聯數據通過機器學習，也能找到傳統量化策略無法發現的市場聯系。其中包括各家公司之間的資本關系、產品關系、競爭關系、上下游關系，也包括人與人之間的關系，例如管理團隊和其他公司有沒有關聯，是否牽扯合作等。

未來量化研究員是否將成為一個被淘汰的職業？目前研究員的主要工作就是收集整理數據，變成投資決策，而之後這個工作將更多由機器完成。

「當初醫療科技發展時，人們也認為醫生會被淘汰，但其實並不會。同理，研究員也會一直存在，但他們會更注重深入分析和調研，初級的數據搜集可以交給機器完成。」王政表示。
但當未來大數據平台並廣泛應用後，是否會迅速擠壓套利空間？這也是一個問題。回答根據網上資料整理