大数据对于一名散户的意义何在?

【数据猿导读】 大数据的定义没有你想像的复杂多元,大数据仅仅是一个概念而不是一种方法,而应用大数据的方法包含多个学科的组合,包含统计、演算法、甚至是网路科学,因此下次当有人跟你说,「用大数据来解决…」,请他把方法说出来吧,例如「我用分群法来解决…」,不然只会徒增误解

大数据对于一名散户的意义何在?

有没有什么分析都一定扯上大数据的八卦?

好比一个总统大选辩论会,老人女人、有钱人,所有候选人都绕着它争辩的关键词,民意代表呼吁要跟上这波潮流,报纸登出一些连标题都嫌太长的社论,官员缓缓宣布我们要以大数据的概念建构…

然后你恍神了。

不久之后你的老板也赶上这股流行,为了不显得外行只好边开会边在桌子底下查维基百科,还有更多呢,人工智慧、回测,对于不是以看世界培养国际观为业的你真是痛苦难当。

大数据对于一名散户的意义何在?

大数据的定义没有你想像的复杂多元,一般认为要有3个V,资料量(Volume)要够大,资料输入输出速度(Velocity)要够快,与资料变化度(Variety)要够高,由于技术的突破,我们开始可以处理这些大量、快速输入输出或是不同结构的资料,运用在股市中可能是交易盈亏、筹码变化等,当然,云端运算技术降低成本门槛,配合各式资料源(社群资料、地理资料与行动资料)的易取得性,推动了这波大数据热,但是别误会,资料并不一定要大才有价值,我们不应该以资料量的大小来评估其资料分析的潜力,大数据的核心精神仅仅在于分析过去历史资料来产生决策或预测,用白话说就是监往知来。

大数据仅仅是一个概念而不是一种方法,而应用大数据的方法包含多个学科的组合,包含统计、演算法、甚至是网路科学,因此下次当有人跟你说,「用大数据来解决…」,请他把方法说出来吧,例如「我用分群法来解决…」,不然只会徒增误解。

大数据应用在投资策略中,较为普遍的有回测以及人工智慧两种。

回测(程式交易)

回测运用在投资方法的分析已行之有年,特别是在期货的程式交易,老牌软体MultiCharts便提供程式开发环境让投资人可以将投资想法转换成策略,并利用历史资料回测进行验证投资方法的有效性,回测的技术方法是来自统计学分析,透过反覆尝试 (又叫试验法、暴力法)然后统计结果,然而这样的方法缺点在于不够弹性且受限于人为定义策略的限制,无法自动化的对特殊事件进行调整。比如荣化公司股价因为高雄气爆事件股价重挫,期间若以价位或营收等资料作为条件设定回测,可能产生参考价值较低的结果,优点是你可以不用再从事些纸上谈兵的模拟投资了,直接输入你自己,或是你从某周刊某老师那边学来的策略,透过回测服务机构的运算,就能了解「如果我这样买卖会怎样」。

人工智慧(机器人理财)

人工智慧是最常被提到用在大数据应用的基础方法,包含机器学习与资料探勘都算是人工智慧的方法,相较于回测的反覆尝试,人工智慧着重于根据资料性质设计假设模型(比如机率分布),并设计适合电脑运算的架构,除了分析历史资料,更希望能让电脑建立智慧(判断准则),因此以机器人理财来说,目标是能够全自动化的根据变动的金融讯息,针对股价或趋势进行预测,并做出最佳投资决策,然而,虽然相关资讯技术不断突破,人工智慧运用于投资决策目前仍多数停留在研究理论阶段,可实行性尚难以评估。

回测(程式交易)与人工智慧(机器人理财)都算是大数据运用在金融商品的应用,其核心精神都是因为认为历史一再重复,有迹可循,从而分析过去历史资料来产生决策或预测,但两者有其不同的方法和目标,所得到的结果也不会相同,投资人应该根据不同目的选择合适的应用服务。


来源:策略云

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

我要评论