股票市場數據挖掘

⑴ 股市上躥下跳 大數據基金該怎麼投

股市上躥下跳 大數據基金該怎麼投_數據分析師考試

自去年以來，大數據基金紛紛成立。在運作了將近一年的時間里，這些大數據基金體現出來的特性如何？適合什麼樣的投資人？如何投資才能收益最大化？

風格迥異

目前市場上正在運行的大數據基金有4隻，分別是中證騰安價值100指數、中證網路[微博]百發策略100指數、中證淘金大數據100指數和大數據系列策略指數（i100和i300）。4隻跟蹤上述指數的基金分別是博時中證淘金大數據100、銀河中證騰安指數，廣發百發100、南方大數據100。

具體從4隻指數基金來看，風格迥異的同時也有相似點。

廣發百發100跟蹤百發100指數。該指數採用網路金融搜索和用戶行為大數據，通過相應的數據挖掘和分析手段，將涉及特定金融實體的數據進行自動分析、歸並、統計和計算，並引入量化投資模型，編制股票市場指數。

南方新浪大數據i100與廣發 中證100 較為相似，它以新浪財經的互聯網財經大數據應用為特色，基於財經新聞媒體與社交平台海量大數據，在選股策略上，i100指數綜合財務、市場驅動、大數據三大因子。

博時中證淘金100，從編制方案來看，以電商商品類目相關中證三級行業的所有股票為樣本空間，從中根據綜合財務因子、市場驅動因子、聚源電商大數據因子選取綜合評分最高的樣本股，並採用等權重計算。數據來源為支付寶[微博]的實際交易，包含了行業的價格、銷量、人氣等景氣程度數據。對樣本空間的股票，按其綜合財務因子、綜合市場因子和淘寶大數據因子計算的綜合評分降序排列，選取排名前100名的股票作為中證淘金大數據100指數成分股。

銀河定投寶中證騰安價值100更偏愛被低估的上市公司：指數依據定價偏離程度排序，佐以質價比率、公司資質、每股評分等多項財務指標，選擇市場價格相對低估的100家上市公司股票為樣本。指數樣本主要集中於工業、可選消費及醫葯衛生三個中證一級行業，樣本數量分別達到30隻、23隻及14隻，合計權重達67%。信息技術、原材料、金融地產、主要消費、電信業務、能源及 公用事業 依次排名4到10位。

高貝塔適合波段操作

從這些大數據指數走勢來看，更具備高貝塔產品的特性。

今年以來，淘金100漲幅86.37%，中證騰安價值100漲幅64.01%，網路100漲幅51.65%，新浪大數據i100漲幅82.37%。同期上證綜指今年以來的漲幅為25.83%， 滬深300 漲幅18.18%，創業板指數漲幅96.89%。

自6月份發生的股市大跌，滬深300由最高點跌至近期最低點的跌幅為34%，上證指數跌幅不到35%，創業板指數跌幅51%。同期，淘金100跌幅46%，中證騰安價值100跌幅44%，網路100指數跌幅49%，新浪大數據i100跌幅42.7%。

從4隻大數據基金或長或短的歷史業績可發現，大數據基金相對於普通的權益類基金在股市中表現為凈值波動大。有基金經理表示，與成熟市場主要由理性機構投資者構成相比，A股市場仍以散戶為主，因此市場受投資者情緒影響很大，投資者情緒可以更多地反映在互聯網大數據上，但投資情緒的巨大波動也會帶來互聯網基金的高貝塔屬性，對此投資者要有心理准備。從目前來看，投資者在市場低位布局該類基金，等待市場熱度提升，是比較好的方法。

以上是小編為大家分享的關於股市上躥下跳 大數據基金該怎麼投的相關內容，更多信息可以關注環球青藤分享更多干貨

⑵ 最近學金融，好多知識看不懂啊::>_<:: 請結合大數據的理念對數據分析和數據挖掘能在金融市場的

首先是通過大數據可以分析客戶的個人信息，收入，風險偏好等，可以推薦相應的金融產品，如果哪些年齡段和工作的人群適合基金，保險和其它有價證券；
其次是金融產品的開發上，主要有保險產品和一些其它產品，通過發病率，災情概率等進行精算，開發出保險產品，一些其它的金融新產品也會涉及到數據分析；
再次是金融產品的定價及投資分析上，很多因素都會影響金融產品，如股票，期貨，現貨等，通過數據挖掘，找出其影響因素，進行價格分析。
大數據和數據挖掘主要有這幾方面的應用，當然還有其它的方面，很多論述金融與數據分析的書中有很多的，可以進一步研究，還望採納。

⑶ 股票市場搞數據挖掘，數據分析來炒股有沒機會

有機會，而且機會不小，但是我等散戶靠數據分析，可能自身實力差的太懸殊了。
硬體設備就不達標哦。

⑷ 股票交易系統有哪些

做股票常常會遇到很多問題，比如像是控制不了自己的情緒或者是操作，控制不了自己的倉位在危機來臨之際出現大幅度虧損等，但是要是有一個標準的尺度將這一切都控制起來，並且實現穩定盈利，那麼這就建立了個人的股票交易系統。

股票交易系統是什麼？

股票交易系統是指將交易習慣、交易情況、交易邏輯等各類方式組合在一起形成的一個系統性的操盤理念。總體來說，在形成一個交易系統之後，該系統能幫助我們改掉自己交易中的錯誤毛病，並且能隨著我們的不斷修正形成一個正確的，能穩定盈利的交易模型，這樣我們才能將股市作為我們自身的提款機，完成財富自由。

那麼怎麼構建該系統呢？一般情況下都是從以下幾個方面：

第一、選股方法。雖然靠著均線能選股，靠著指標也能選股，但是系統性的選股方法則是要結合宏觀經濟整體運行位置和環境，行業發展現狀和前景，個股經營狀況和財務。

第二、資金管理。操作上我們需要根據指數整體運行的位置和你的持倉位置確立資金配置的比例，比如私募這類專業機構，幾十億的資金要選幾十支個股，每支個股根據位置和基本面情況要配置多少資金，這就是資金管理。當然我們則是要根據指數整體運行位置和持倉個股的位置來確立資金配置。

第三、倉位管理。就目前短線配置來說，就是20%的倉位，再不能多，因為短線風險大收益大，這些我們需要極為注意的。

第四、風險管理。在這里我們需要根據個股以及凈資產的波動經過一段周期運行之後確立凈資產曲線走勢，然後計算風險收益比，看回撤幅度，用來推斷目前策略的盈利能力。

第五、交易心理。在不斷的交易中，在不斷的質疑中，在不斷的反思中逐漸讓自己的思維更加的適合投資的本質。

⑸ 現在最好用的免費股票分析軟體是哪

你好( ^_^)／感謝你的邀請！
很多人問：免費的股票分析軟體真的好用嗎？答案是：市面上有好用的！只是你沒發現！
簡單點的，同花順旗下投資賬本APP，可以導入股票基金、定期存款，數據實時同步，分析近2年收益盈虧。
另外，分析股票走勢的方法很多，如下就常用的一些方法列舉出來：
技術分析：
1.看K線圖 股價是處於上升通道還是下跌通道？上升通道可以關注，但不要盲目追高，下跌通道不要碰。
2.看金叉死叉 當短期均線上穿中期或者長期均線時，形成最佳買點即金叉;短期均線下穿中期或者長期均線時，形成最佳賣點即死叉。這時再賣已有些下跌，因炒股軟體裡面的指 標有些滯後。
3.看量價關系 沒放量股價在微漲，說明主力在布局;在上升通道中，明顯放量但股價微跌，此時主力在盤整打壓散戶;放量逐漸加劇，此時拉高，主力快出貨了，不要盲目追漲。 後面劇烈放量股價並未漲就是主力悄悄出貨了。
基本面分析：
1.看公司有沒有重組消息？重組包含很多方面。
2.看公司是否有關聯交易？
3.看公司前期是否有虧損？
4.看上市公司產品是否屬於國家政策扶持還是打壓的？
5.看公司的盈利能力。 只要把以上的方法真正撐握了，你就是一個穩健的股票玩家了！但要注意炒股的心態！做短線，中線，長線完全看你個人的資金量了！
投資者炒股得掌握好一定的經驗和技巧，這樣才能分析出好的股票，平時得多看，多學，多做模擬盤，多和股壇老將們交流。吸收他們的經驗。
如果一個股民經常虧損，我建議他要反思，需要總結一套自己炒股盈利的方法，這樣炒股相對來說要穩妥得多，我現在也一直都在追蹤同花順投資賬本里的高手學習，感覺還是受益良多，願能幫助到你，祝投資愉快！

⑹ 求助offer怎麼選騰訊TEG數據挖掘崗/私募基金量化交易系統開發崗

量化對沖基金在國外發展稱為，甚至被稱為"抗跌神奇"。在國外一直被稱為股壇抗跌神話的量化對沖基金是否就此走下"神壇"？是否真的預示著其將有黯淡的未來？

按照現有量化基金主要的運作模式，大致分為三類：

一是多因子選股，單策略和多策略並行。多因子模型是應用最廣泛的一種選股模型。其基本思想是：找到影響股票投資收益率的一組主要指標，並依據這些指標構建一個股票組合，期望該組合在未來一段時間內獲得相對大盤的超額收益。除多因子選股外，很多量化基金還採取多種量化選股策略並行的模式，不同策略之間可以是平均分配資產，也可以設定不同的權重。

二是量化指數增強。量化指數增強型基金是指採取指數增強策略的主動管理型量化基金。與傳統的指數增強基金不同，這類產品具有以下幾個特點：1)股票投資范圍並沒有最低90%的限制，只需要滿足契約限定的是股票型或者混合型基金的配置要求；2)基金契約中並未明確增強的標的指數；3)實際運作過程中，投資標的指數成分股或者備選成分股的資產占基金股票資產的比例沒有最低80%的限制。

三是引入對沖機制，做絕對收益。股票對沖策略是指通過使用衍生品或者融券等做空手段，對沖持有的股票多頭頭寸的風險暴露，達到降低投資組合市場風險、獲取選股Alpha收益的一種對沖投資策略。國內目前發行的產品主要是市場中性策略，即一般要求的投資組合的風險暴露不超過其多頭頭寸的15%至20%，並且長期維持在這一水平。

一、基礎篇

1、在市場不穩定的情況下如何穩健套利？

套利，本就是很穩健的一種盈利方式。套利和盈利不同，相信您問的是在市場不穩定的情況下穩健"盈利"。先明確量化和對沖的概念，可下載OA系統中"量化對沖產品基礎知識學習手冊"進行詳細學習。量化對沖產品在構建股票多頭的同時，也構建期貨空頭。這種操作在市場不穩定時，可以對沖市場的系統風險，從而留下股票多頭特有的盈利。

2、量化對沖產品的操作流程是怎樣的？

先用量化投資的方式構建股票多頭組合，然後空頭股指期貨對沖市場風險，最終獲取穩定的超額收益。

3、收益方面、安全性方面哪個更有優勢?

量化對沖產品在收益方面和安全性方面都有優勢，屬於風險和收益高度匹配的高性價比產品。

4、量化對沖程序化交易的對象是什麼？

股票、債券、期貨、現貨、期權等等。

5、通過期貨對沖的那部分資金是不是一定加杠桿的？

是的。期貨是保證金交易，本身就帶有杠桿性質。但這部分的杠桿不是為了博取高收益而主動加杠桿，而是為了"等市值對沖"。比如2個億的基金，1.6個億買股票，剩餘0.4億做股指期貨空頭（這0.4個億為保證金，相當於做了市值1.6個億的股指期貨空頭），這樣下來整個基金幾乎無風險敞口。

6、針對目前的市場，量化對沖策略是不是以市場中性為主要策略點？

是的。

7、量化對沖類產品收益大概在什麼范圍內？

我國主流的市場中性策略的量化對沖產品，年化收益大概在10%-20%。

8、如何確定準確的貝塔因子系數，來安全的對沖掉系統風險？

國內主流的市場中性策略量化對沖基金是等市值對沖，比如2個億的基金，1.6個億買股票，剩餘0.4億做股指期貨空頭（這0.4個億為保證金，相當於做了市值1.6個億的股指期貨空頭），這樣下來整個基金幾乎無風險敞口。

9、量化對沖選股范圍都是哪些？大概選擇多少支股票呢？

目前國內的量化對沖產品選股范圍主要在A股內。股票的數量取決於量化對沖基金中對選股的量化要求，達標即入池，但是大多數量化對沖基金選股都達上百隻。

10、量化選股的具體方法是什麼？如何判斷量化模型選出來的股票就是能賺錢的股票？

量化選股的具體方法：量化投資一般會選出幾百支股票進行投資分析來分散風險，適合風險偏好低，追求穩定收入的投資者。量化分析師們在制定規則之後建立某個模型，先用歷史數據對其進行回測，看是否能賺錢；如果可以，就再注入小額資金，積累樣板外的實盤交易。實盤後如有盈利，就擴大資金量判斷其是否對投資結果帶來影響。最後運行的模型，都是經過千錘百煉的。

11、國內量化對沖使用的策略有哪些？

（1）主流：股票市場中性策略又稱alpha策略，是當前國內私募證券投資基金最常用的策略之一。

它從消除市場系統性風險（Beta）的維度出發，通過同時構建多頭和空頭頭寸對沖市場風險，以期獲得較穩定的絕對收益。國內通常的操作方式為：買入股票同時賣空與股票等市值的股指期貨（也可以採取融券方式），盈利模式為所買股票超越大盤的漲跌幅。

特點：較為穩健的策略，收益不高但穩定，回撤較小，適用於震盪市場，但是我國現在面臨的問題在於，市場對於對沖策略日趨上漲的需求與實際對沖工具不足的矛盾（如2014年下半年多數運用市場中性策略的機構因為持有成長股，但是當時沒有可以對沖成長股系統風險的股指期貨，所以他們只能選擇可以對沖大盤藍籌股風險的滬深300股指期貨，結果在大盤上漲、創業板下跌的行情中遭受了慘敗），多種股指期貨推出、股票期權上市以及融券業務的擴充能夠緩解此類問題。

（2）股票多空策略，類似於alpha策略，但不同於alpha策略的是其會有多頭敞口或者空頭敞口，股票多空策略的操作難度大，因為除了要進行標的選擇外，還需對大盤多空進行判斷即擇時。正因為如此，目前的量化多空策略，往往是以動量策略為主，即市場已經出現較為明顯的趨勢性上漲或者下跌行情時，再做相應的調整。

（3）CTA(期貨管理)策略，側重於期貨市場的投資，投資於股指期貨、外匯期貨、國債期貨等期貨/期權品種及相應的現貨品種。量化對沖類的管理期貨產品，就是用量化手段判斷買賣時點、用計算機程序化實現期貨的投資策略。由於期貨為T+0方式，因而採用程序化的高頻交易比手動交易具有天然優勢。從程序化交易這塊，期貨領域其實較為領先於股票領域，而且現在的期貨高頻策略已經由比拼策略思想提升到了比拼系統配置和下單速度等方面。特點：具有杠桿屬性，收益率較高，但在無趨勢的震盪行情中，由於杠桿特性會產生較大的回撤，受限於交易品種的成交量及活躍程度。

（4）套利復合策略，套利策略中最常見的是二級市場套利，包括商品跨期、跨品種套利，股指期貨跨期、期現套利、ETF跨市場、事件套利、延時套利等。由於國內的金融工具和金融品種都不多，國內的套利策略多為方向性套利，即依賴於價格的上漲下跌而尋找套利機會，國外的期權可以對波動率預測進行套利。

由於在市場行情不溫不火，波動較小時，這類策略往往找不到套利機會，因而國內的套利對沖基金往往會在無套利機會時，增加一些另外的小策略，構成套利復合策略。例如在套利機會較少時，套利基金會增加一小部分的趨勢投機或者股票市場中性等。長期來看，這種方式更利於產品的發展。

特點：在我國是一類性價比較高的策略，但是資金容量有限，機會有限，需要不斷開發新的策略；股票-期貨套利在震盪市場中隨著套利機會的增加而如魚得水，但在穩定、波動小的市場中表現欠佳；分級基金套利在單邊上漲市場中可以取得較高的收益，但是震盪市場中變現欠佳；目前主要問題是可套利品種不多、分級基金的活躍基金數不夠多難以承受較大資金進出、可用金融工具僅有股指期貨對沖性能不夠。

（5）宏觀對沖策略，宏觀策略是一種基於宏觀經濟周期理論對經濟增長趨勢、資金流動、政策變化等因素進行自上而下的分析，預期其對股票、債券、貨幣、商品、衍生品等各類投資品價格的影響，運用量化、定性分析方法作出投資決策並在不同大類資產之間甚至是不同國家之間進行輪動配置，以期獲得穩定收益。例如當對沖基金更看好未來美國經濟的復甦，就可以逐步做多美股資產，同時將資金撤出新興市場並做空新興市場資產來構建組合。該策略的成功取決於對全球宏觀經濟趨勢的判斷，判斷越准確，策略的效果越好。

12、量化對沖是否保本，風險多大？上下浮動多大？

量化對沖基金的合同與固定收益類信託、大部分銀行理財產品一樣，寫的是不保本。市場中性策略量化對沖產品（國內主流），短期內最大回撤在5%，長期內都是穩增值的。而且部分量化對沖產品還採取分級結構，通過劣後級的資金對優先順序投資者進行本金的保證。

13、風險收益方面跟陽光私募和信託有啥區別？

量化對沖產品也是一種陽光私募，相信您說的陽光私募指的是國內純做主動管理股票多頭的陽光私募基金，國內主流量化對沖產品的風險、收益介於主動管理股票多頭陽光私募和固定收益信託之間，但是夏普率（投資性價比）普遍高於其他兩種類型產品。

14、加杠桿和不加杠桿的區別在於哪裡？

加杠桿可能會帶來更多的收益，但是也要承擔更多的風險。

15、整個市場上的量化對沖產品如何對比？

從多個方面去比較，看運用的策略、公司成立的時長、看管理團隊的風格、看團隊旗下同時期管理基金的夏普比率、波動率。

16、量化選股的具體方法是什麼？如何判斷量化模型選出來的股票就是能賺錢的股票？

量化選股的具體方法：量化投資一般會選出幾百支股票進行投資分析來分散風險，適合風險偏好低，追求穩定收入的投資者。量化分析師們在制定規則之後建立某個模型，先用歷史數據對其進行回測，看是否能賺錢；如果可以，就再注入小額資金，積累樣板外的實盤交易。實盤後如有盈利，就擴大資金量判斷其是否對投資結果帶來影響。最後運行的模型，都是經過千錘百煉的。

二、進階篇

1、目前管理層在對沖這塊有一定的限制，那這個對量化對沖策略會不會產生一些影響？

禁止"做空"是禁止"裸做空"，並沒有禁止量化對沖的空單，故以市場中性為主的量化對沖產品並無受影響。政策上完全禁止市場上一切做空動作的概率極小。如果真遇到監管"昏招"，可以做套利策略，比如分級基金套利。

2、怎樣才能區別好的量化對沖策略與一般的策略？

好和不好要看和投資者的契合程度，對於追求穩健收益的投資者來說，市場中性策略的量化對沖產品是最合適的。在市場中性策略中，策略跑的時間越長、年化復合收益率相對較高、收益曲線表現越穩定、夏普率越高的產品相對更好。每年也有評測機構對各量化對沖產品進行綜合排名。

3、量化對沖是需要寫選股程序的，我們怎麼知道選股程序是否比較優質呢，並且能為客戶賺到正收益呢？

量化投資一般會選出幾百支股票進行投資分析來分散風險，而且加入對沖系統風險的工具，很適合風險偏好低，追求穩定收入的投資者。量化分析師們在制定規則之後建立某個模型，先用歷史數據對其進行回測，看是否能賺錢；如果可以，就再注入小額資金，積累樣板外的實盤交易。實盤後如有盈利，就擴大資金量判斷其是否對投資結果帶來影響。最後運行的模型，都是經過千錘百煉的。

4、股指期貨的金融種類不多怎麼辦？

現在已經有上證50期貨、中證500期貨、300期權、500期權、50期權等等，隨著未來各類對沖工具越來越多，系統風險能更有效對沖，可選策略會更多，燙平波動的效果更好。

5、過往產品的歷史、收益穩定性和回撤？

"對沖"的概念最早由AlfredW.Jones於1949年創立第一隻對沖基金時提出，他認為"對沖"就是通過管理並降低組合系統風險以應對金融市場變化。全球范圍內：截至2014年末，全球量化對沖基金管理資產規模已從1997年的1182億美元發展到3萬億美元(近18萬億人名幣)，增長20倍，年均復合增速20%。

我國范圍內：2014年以前，量化對沖私募發行主要依託信託平台、及券商資管平台；2014年以後，《私募投資基金管理人登記和基金備案辦法（試行）》實行，截至2015年2月7日，國內已完成登記的私募基金管理人為7358家，管理私募基金9156隻，管理規模2.38萬億元人名幣，如果估計證券投資類私募基金佔比40%、量化對沖占證券投資比為15%，則國內當前量化對沖私募的管理資產規模估計約1500億元，與全球3萬億美元（近18萬億人名幣）的規模相比，佔比約0.9%。我國主流的市場中性量化對沖產品收益穩定性極好。而且據相對完全統計，2015年6-7月（股災時），已經成立1年的127隻市場中性量化對沖產品中100隻逆市上漲，剩下那27隻回撤大都控制在5%之內。

補充問題：那這剩下的27隻沒有上漲什麼原因導致的？答：各家量化選股還是有非常小的差異性，少數產品在短期內收益有小幅回撤是很正常的，反觀這27隻產品一年之中的收益曲線，也都呈現出了"凈值穩增長"的態勢。

6、量化對沖項目在做對沖時是不是有比例限制，比如是不是只能拿出10%出來做對沖還是沒有規定？

國內主流的市場中性策略量化對沖基金是等市值對沖，比如2個億的基金，1.6個億買股票，另0.4億做股指期貨空頭，無風險敞口。

三、風險應對篇

1、量化對沖的風險點在哪？

最大的風險在於基金經理建的股票多頭所處的市場的β風險沒有得到有效對沖這是2014下半年對沖基金面對的主要矛盾，多種股指期貨推出、股票期權上市以及融券業務的擴充（利好：上證50、中證500股指期貨4月16日上市）能夠緩解此類問題。遇到這種極端情況，應對方式是：

（1）堅持持有，等待市場回歸均衡，量化對沖策略多數是長期有效的。

（2）一般此時期貨與現貨價格會出現大幅偏離，基差套利可以獲利或減少損失。

（3）現在已經有上證50期貨、中證500期貨、300期權、500期權、50期權等等，隨著未來各類對沖工具越來越多，系統風險能更有效對沖，可選策略會更多，燙平波動的效果更好。綜上，對於量化對沖，理解產品屬性，長期持有是應對風險最好的辦法。

2、量化對沖風險控制是如何做的？

量化對沖，故名思意，有量化，有對沖，對沖本就是一種風險控制（控制整體市場的風險），量化是一種嚴格的、利用計算機、利用程序的選股模式（控制的是人性的貪婪恐慌風險），另外量化對沖產品也設有預警和止損線，而且設置的較高（市場中性策略的量化對沖產品中，觸及止損線的產品極少）。

3、量化對沖可能出現虧損現象嗎？最大虧損可能是多少？

有可能出現，不同的策略有不同的回撤，阿爾法中性策略年度一般回撤5%-10%，量化對沖產品的止損線一般設置為0.9或者更高，這樣在基金出現少量虧損的情況下可以嚴格止損。

4、目前市場都採用中性策略，如果市場稍微有大的波動會不會加劇大幅振動的可能？

中性策略與市場的漲跌相關性很低，市場波動對策略的影響很低。

5、某些量化對沖產品近期的凈值小於1，怎麼理解？

各家量化選股還是有差異性，少數產品在短期內收益有小幅回撤是很正常的，反觀這些產品一年之中的收益曲線，也都呈現出了"凈值穩增長"的態勢。

6、可預見的政策性風險、可預見的市場性風險、可預見的操作性風險會有哪些?

這是一個非常寬泛的問題，雖然量化對沖在風險控制方面有優勢，但也面臨著各種不同的風險。可預見的政策性風險：因國家宏觀政策（如貨幣政策、財政政策、行業政策、地區發展政策等）發生變化，導致市場價格波動而產生風險。可預見的市場性風險：如多頭一方因持有股票會面對持有股票的一系列風險（價格波動風險、經濟環境風險、上市公司經營風險等），而空頭部分因持有空頭股指期貨會面對期貨投資的風險（杠桿風險、基差風險、平倉風險等），但正因為多頭風險與空頭風險可以大部分相互對沖，所以整體風險被控制在一個較安全的水平。

可預見的操作性風險：相關當事人在業務各環節操作過程中，因內部控制存在缺陷或者人為因素造成操作失誤或違反操作規程等引致的風險，如越權違規交易、會計部門欺詐、交易錯誤、IT系統故障等風險。當然這些可預見的風險，管理人都會提前做規避工作，盡全力做到"風險可控"。

四、營銷篇

1、客戶：相較目前的固收類的產品來說，收益沒有太大的優勢，同樣要承擔一定的風險，百分之十幾的收益我寧願選擇私募產品。

按照客戶風險偏好，對客戶資產進行最優配置。客戶想享受股票市場的收益，但又不太願意冒太大風險的可以推薦配置量化對沖。市場中性策略的量化對沖產品是介於固定收益與浮動收益之間的一種產品，稱為"類固定收益"，風險收益適中，預期收益10%-20%。

2、客戶：產品如遇虧損，止損策略怎麼進行，能保證我資金的安全嗎？

止損根據產品不同有不同的止損條件，阿爾法中性策略年度最大回撤一般在5%左右，產品的止損線一般設置為0.9或更高。而且量化對沖基金通過嚴格的量化選股 操作、等市值構建股指期貨空頭來對沖系統風險，雖然在合同中跟銀行理財、固定收益信託、主動管理型陽光私募產品一樣都無法寫上"保本"二字，但是您的資金 也是很安全的。

3、客戶：對國外這個模型不相信，對於投入到二級市場不抱信心。

模型其實並不復雜，而且都是經過反復的理論和實際驗證的，對二級市場不抱信心的客戶更加可以推薦量化對沖，量化對沖適合所有行情，不懼股市下跌。

4、傾向固收類客戶對政信類等更感興趣，對量化對沖比較猶豫，偏向高風險客戶又覺得收益不能動心。

政信類產品的收益率正在往下走，對風險厭惡型客戶的資產配置可以推薦量化對沖類的阿爾法策略，風險相對較小，收益預期相對比較穩定。而偏向高風險的客戶，也 可以進行細致分類。沒有人會願意為了追求一定的收益而承擔相對更高的風險，對於量化對沖產品來說，它的收益和風險是高度匹配的，也就是具有高投資性價比。

5、客戶：現在銀行和很多私募都准備做量化對沖，國家可能會出不利的政策？

國家對惡意做空以及惡意高頻交易操綜市場的行為的會進行查處，國內主流的量化對沖產品以市場中性策略為主，做多股票+做空股指期貨是同時進行的，而且做多與做空的頭寸一致，國家對這類產品干預的可能性極低。

6、客戶：具體的凈值計算方法，凈值創新高部分提取25%後，我的年化收益大概是多少？

扣除管理費、託管費、業績提成之後，客戶的收益在10%-20%區間，業績提成一般客戶80%，機構20%。

7、客戶：操作策略中，期限套利和跨期套利可以認為是無風險套利，但本身收益做不高，年化6-7%已經不錯，加了阿爾法套利，主動性加入後，風險就會增大，風險轉化為收益是很好，如果風險削減收益，這會影響凈值上升的斜率，本來斜率就很小，這樣體現的收益不大，即使波動也在較小范圍，我覺得不值。

量化對沖策略很多，無風險套利是其中一種，無風險套利的市場機會不是很多，可以作為基金的安全墊策略，阿爾法策略（也就是市場中性策略）是一種成熟策略，能夠長期操作，加入後會增加收益的穩定性，風險變小，阿爾法的收益高於套利的收益，加入後收益變大。

對沖的意義在哪裡？

對沖策略的"意義"在於去掉某種我們不想承擔的風險，從而只保留我們想要的風險。

原則：所有回報都對應著風險。大而化之甚至可以說風險和回報是一回事，本篇中，風險和回報兩個詞是可以互換的

以一隻股票來說，股票回報 = 自身經營回報 + 整個股市回報(β)。相應的，承擔的風險 = 自身經營風險 + 整個股市風險。

如果我們對某家公司有強烈的看法（好壞皆可）並且 我們並非股市專家在股市整體走勢預測上沒有優勢，那麼我們就可以選擇 買入股票（假設看好）+ 做空股指 以獲得純粹的公司自身經營回報。這時回報 = 股票回報 - 整個股市回報（股指）= 自身經營回報。風險也變成了只有自身經營風險。

例子1，假設我們是IT業內人士，對google未來幾年強烈看好，但是對經濟形勢沒看法，對股市大勢沒看法。就可以做多google做空股指來對沖掉股市的風險，假設股市上漲50%，google上漲70%，我們賺20%。股市下跌50%，google下跌30%，我們還是賺20%。只要我們判斷正確，"即google未來會很好"，我們就賺到了。

例子2，我們看好新浪，買了新浪股票，但新浪股票在nasdaq上市，是用美元計價的，我們又不是經濟學家，不知道將來人民幣對美元是漲還是跌，如果美元下跌了，那麼新浪股票（美元計價）相對於人民幣而言就是下跌了，風險也就變成了 = 新浪自身 + nasdaq + 美元/人民幣 。這時我們可以通過做空美元/人民幣期貨來對沖掉美元對人民幣下跌的風險。

再來說下，對沖這種做法的由來。

最早使用對沖Hedge這個詞的人是 阿爾弗雷德·溫斯洛·瓊斯(Alfred Winslow Jones,1900-1989)，他覺得股市難以預測，但預測一家公司的前景就容易多了，（ps.任何人都可以利用自己的行業知識挑出本行業內最好的公司，准確率比聽消息高多了），那麼我可以買入一家好公司，再賣出一家壞公司，這樣一來，股市的影響就被去掉了，只要對這兩家公司的看法沒錯就可以盈利了。

憑借這個理念，瓊斯在1949年開創了第一家現代模式的對沖基金，它使用的策略學名叫股票多空（equity long/short)。
阿爾弗雷德·溫斯洛·瓊斯(Alfred Winslow Jones,1900-1989)（社會學博士、前憤青、前CIA、前socialism粉、前納粹時期的猶太女德共的老公、前記者、前專欄作家）

股票多空策略，比我們剛才舉的例子稍微復雜一點點，區別在於做空那端不是股指而是另一隻股票，即買入好公司賣出壞公司，假設我們相信未來幾年蘋果比google好，我們就可以做多蘋果做空google，回報 = 蘋果好於google的那部分，同樣是對沖掉了股市波動的風險，只剩下了我們對蘋果和谷歌兩家公司的預期。這樣一來，不管納斯達克怎麼動，或者美國經濟怎麼糟糕都和我們沒關系了。

類似的，可口可樂/百事可樂，茅台/五糧液，中石化/中石油，sony/panasonic，通用/福特，這個列表可以無限延伸下去，只要我們是某行業里的專家，我們就可以通過做多好的+做空差的來獲利，而不管市場波動如何。（實踐表明，即便08年那種大跌也無所謂）

如今，股票多空策略是對沖基金領域里的重要分支，規模龐大，種類繁雜。而對沖的思想也擴展到金融領域的方方面面，我們可以對沖匯率風險，對沖利率風險，對沖某種原材料風險，只要你能想的到就行。但其思路從未變過，就是剝離我們不想要的風險。

⑺ 國內有哪些數據分析和數據挖掘的牛人

國內有數據分析和數據挖掘的牛人有：清華計算機系的唐傑、中國傳媒大學教授沈浩、SAS公司首席咨詢顧問張磊、劉萬祥等。簡單介紹幾個：
一、沈浩老師
中國傳媒大學教授，這位老師給我深的印象就是比較喜歡旅遊、愛攝影，除此之外更多的介紹還一下子想不起來。不過在博客分享了很多非常好的數據分析方法、數據可視化等。
張磊IDMER
SAS公司首席咨詢顧問。現在的分析，不搞點挖掘、模型的，似乎就不夠高級、不夠唬人。這位博主可是數據挖掘的牛人，SAS、SPSS Clementine 的專家顧問啊。
三、劉萬祥ExcelPro
劉萬祥老師，《Excel圖表之道》、《用地圖說話》作者。專注於最專業、有效的商務圖表溝通方法，追求圖表的有效溝通，和專業的商務氣質。
可以去這幾位老師的博客上看一下，他們會經常分享非常好的數據分析、數據挖掘方法，不得不承認我們現在生活在一個用數據說話的時代，也是一個依靠數據競爭的時代。

想要了解更多數據分析，數據挖掘的相關內容，推薦CDA數據分析師課程。課程內容兼顧培養解決數據挖掘流程問題的橫向能力以及解決數據挖掘演算法問題的縱向能力。要求學生具備從數據治理根源出發的思維，通過數字化工作方法來探查業務問題，通過近因分析、宏觀根因分析等手段，再選擇業務流程優化工具還是演算法工具，而非「遇到問題調演算法包」。點擊預約免費試聽課

⑻ 炒股軟體真的有用嗎

炒股軟體對經常炒股的股民來說是非常有用的，但是需要選擇一款適合自己的炒股軟體。

目前有兩種炒股軟體：

1、提供股票實時行情、交易功能。你可以利用它看股票、分析股票（沒有特殊功能，只靠個人經驗和一些普通的指標來分析行情和股票）、買賣股票。我們普通投資人人用的就是這種軟體。比較有代表性的，比如：通達信、大智慧、同花順等。當然這些軟體也具備你說的：有能幫助選股的功能。

2、收費軟體，也就是電視上、網上成天到處吹噓自己的軟體如何厲害、如何可以捉到大牛股、抓緊時間趕快訂購等煽動性的語言刺激我們這些散戶去買。

3、證券交易所看大盤軟體，這個一般都是公司使用，個人不建議使用。

(8)股票市場數據挖掘擴展閱讀：

手機炒股軟體基於移動通信網的數據傳輸功能來實現用手機進行信息查詢的新一代無線應用炒股系統，讓一個普通手機成為綜合性的處理終端。只要手機在GSM/CDMA網路覆蓋的范圍內（可以收到信號）能夠夠能進行查看行情、做。

線路資源相對豐富，比較電話委託的「堵單」和網上的「線路連接不上」，手機在下單速度和線路通暢的可靠性上更勝一籌。所以，除了櫃台、電話委託和網上這三種方式外，最受股民歡迎的方式就是最快捷、最方便的手機了。

股票軟體即針對股票交易而開發的軟體系統，也被稱為炒股軟體，基礎功能包括財經資訊、股票行情、數據挖掘與分析、智能選股、交易系統。國內的股票軟體從上世紀九十年代初的少數幾家的獨領風騷，到已經發展成為百家齊放的局面，有的以行情實時性見長，有的以咨詢研究擅長，各具特色。

股票軟體的實質是通過對市場信息數據的統計，按照一定的分析模型來給出數（報表）、形（指標圖形）、文（資訊鏈接）。用戶則依照一定的技術分析理論，來對這些結論進行解釋，也有一些傻瓜式的易用軟體會直接給出買賣的建議。

其實，比較正確，或者實在的用法，是應該挑選一款性能穩定、信息精準的軟體，結合自己的炒股經驗，經過摸索之後，形成一套行之有效的應用法則，那樣才是值得信賴的辦法，而機械地輕信軟體自動發出的進場離場的信號，往往會謬以千里。

參考資料來源：網路-手機炒股軟體

參考資料來源：網路-股票軟體

⑼ 數據挖掘的國內外研究現狀

摘要：隨著網路、資料庫技術的迅速發畏以及資料庫管理系統的廣泛應用，人們積累的數據越來越多。數據挖掘(Data Mining)就是從大量的實際應用數據中提取隱含信息和知識，它利用了資料庫、人工智慧和數理統計等多方面的技術，是一類深層次的數據分析方法。

關鍵詞：數據挖掘；知識；分析；市場營銷；金融投資

隨著網路、資料庫技術的迅速發展以及資料庫管理系統的廣泛應用，人們積累的數據越來越多。由此，數據挖掘技術應運而生。下面，本文對數據技術及其應用作一簡單介紹。
一、數據挖掘定義
數據挖掘(Data Mining)就是從大量的、不完全的、有雜訊的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。它是一種新的商業信息處理技術，其主要特點是對商業資料庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業決策的關鍵性數據。簡而言之，數據挖掘其實是一類深層次的數據分析方法。從這個角度數據挖掘也可以描述為：按企業制定的業務目標，對大量的企業數據進行探索和分析，揭示隱藏的、未知的或驗證已知的規律性，並進一步將其模型化的先進有效的方法。
二、數據挖掘技術
數據挖掘技術是人們長期對資料庫技術進行研究和開發的結果，代寫論文其中數據倉庫技術的發展與數據挖掘有著密切的關系。大部分情況下，數據挖掘都要先把數據從數據倉庫中拿到數據挖掘庫或數據集市中，因為數據倉庫會對數據進行清理，並會解決數據的不一致問題，這會給數據挖掘帶來很多好處。此外數據挖掘還利用了人工智慧(AI)和統計分析的進步所帶來的好處，這兩門學科都致力於模式發現和預測。資料庫、人工智慧和數理統計是數據挖掘技術的三大支柱。由於數據挖掘所發現的知識的不同，其所利用的技術也有所不同。
1．廣義知識。指類別特徵的概括性描述知識。根據數據的微觀特性發現其表徵的、帶有普遍性的、較高層次概念的、中觀和宏觀的知識，反映同類事物的共同性質，是對數據的概括、精煉和抽象。廣義知識的發現方法和實現技術有很多，如數據立方體、面向屙性的歸約等。數據立方體的基本思想是實現某些常用的代價較高的聚集函數的計算，諸如計數、求和、平均、最大值等，並將這些實現視圖儲存在多維資料庫中。而面向屬性的歸約是以類SQL語言來表示數據挖掘查詢，收集資料庫中的相關數據集，然後在相關數據集上應用一系列數據推廣技術進行數據推廣，包括屬性刪除、概念樹提升、屬性閾值控制、計數及其他聚集函數傳播等。
2．關聯知識。它反映一個事件和其他事件之間依賴或關聯的知識。如果兩項或多項屬性之間存在關聯，那麼其中一項的屬性值就可以依據其他屬性值進行預測。最為著名的關聯規
則發現方法是Apriori演算法和FP—Growth演算法。關聯規則的發現可分為兩步：第一步是迭代識別所有的頻繁項目集，要求頻繁項目集的支持率不低於用戶設定的最低值；第二步是從頻繁項目集中構造可信度不低於用戶設定的最低值的規則。識別或發現所有頻繁項目集是關聯規則發現演算法的核心，也是計算量最大的部分。
3．分類知識。它反映同類事物共同性質的特徵型知識和不同事物之間的差異型特徵知識。分類方法有決策樹、樸素貝葉斯、神經網路、遺傳演算法、粗糙集方法、模糊集方法、線性回歸和K—Means劃分等。其中最為典型的分類方法是決策樹。它是從實例集中構造決策樹，是一種有指導的學習方法。
該方法先根據訓練子集形成決策樹，如果該樹不能對所有對象給出正確的分類，那麼選擇一些例外加入到訓練子集中，重復該過程一直到形成正確的決策集。最終結果是一棵樹，其葉結點是類名，中間結點是帶有分枝的屙性，該分枝對應該屙性的某一可能值。
4．預測型知識。它根據時間序列型數據，由歷史的和當前的數據去推測未來的數據，也可以認為是以時間為關鍵屬性的關聯知識。目前，時間序列預測方法有經典的統計方法、神經網路和機器學習等。1968年BoX和Jenkins提出了一套比較完善的時間序列建模理論和分析方法，這些經典的數學方法通過建立隨機模型，進行時間序列的預測。由於大量的時間序列是非平穩的，其特徵參數和數據分布隨著時間的推移而發生變化。因此，僅僅通過對某段歷史數據的訓練，建立單一的神經網路預測模型，還無法完成准確的預測任務。為此，人們提出了基於統計學和基於精確性的再訓練方法，當發現現存預測模型不再適用於當前數據時，對模型重新訓練，獲得新的權重參數，建立新的模型。
5．偏差型知識。它是對差異和極端特例的描述，揭示事物偏離常規的異常現象，如標准類外的特例、數據聚類外的離群值等。所有這些知識都可以在不同的概念層次上被發現，並隨著概念層次的提升，從微觀到中觀、到宏觀，以滿足不同用戶不同層次決策的需要。
三、數據挖掘流程
數據挖掘是指一個完整的過程，該過程從大型資料庫中挖掘先前未知的、有效的、可實用的信息，代寫畢業論文並使用這些信息做出決策或豐富知識。數據挖掘的基本過程和主要步驟如下：
過程中各步驟的大體內容如下：
1．確定業務對象，清晰地定義出業務問題。認清數據挖掘的目的是數據挖掘的重要一步，挖掘的最後結構不可預測，但要探索的問題應該是有預見的，為了數據挖掘而挖掘則帶有盲目性，是不會成功的。
2．數據准備。(1)數據選擇。搜索所有與業務對象有關的內部和外部數據信息，並從中選擇出適用於數據挖掘應用的數據。(2)數據預處理。研究數據的質量，進行數據的集成、變換、歸約、壓縮等．為進一步的分析作準備，並確定將要進行的挖掘操作的類型。(3)數據轉換。將數據轉換成一個分析模型，這個分析模型是針對挖掘演算法建立的，這是數據挖掘成功的關鍵。
3．數據挖掘。對所得到的經過轉換的數據進行挖掘。除了完善和選擇合適的挖掘演算法外，其餘一切工作都能自動地完成。
4．結果分析。解釋並評估結果。其使用的分析方法一般應視挖掘操作而定，通常會用到可視化技術。
5．知識同化。將分析所得到的知識集成到業務信息系統的組織結構中去。
四、數據挖掘的應用
數據挖掘技術從一開始就是面向應用的。目前在很多領域，數據挖掘都是一個很時髦的詞，尤其是在如銀行、電信、保險、交通、零售(如超級市場)等商業領域。
1．市場營銷。由於管理信息系統和P0S系統在商業尤其是零售業內的普遍使用，特別是條形碼技術的使用，從而可以收集到大量關於用戶購買情況的數據，並且數據量在不斷激增。對市場營銷來說，通過數據分析了解客戶購物行為的一些特徵，對提高競爭力及促進銷售是大有幫助的。利用數據挖掘技術通過對用戶數據的分析，可以得到關於顧客購買取向和興趣的信息，從而為商業決策提供了可靠的依據。數據挖掘在營銷業上的應用可分為兩類：資料庫營銷(database markerting)和貨籃分析(basket analysis)。資料庫營銷的任務是通過互動式查詢、數據分割和模型預測等方法來選擇潛在的顧客，以便向它們推銷產品。通過對已有的顧客數據的辱淅，可以將用戶分為不同級別，級別越高，其購買的可能性就越大。貨籃分析
是分析市場銷售數據以識別顧客的購買行為模式，例如：如果A商品被選購，那麼B商品被購買的可能性為95％，從而幫助確定商店貨架的布局排放以促銷某些商品，並且對進貨的選擇和搭配上也更有目的性。這方面的系統有：Opportunity Ex-plorer，它可用於超市商品銷售異常情況的因果分析等，另外IBM公司也開發了識別顧客購買行為模式的一些工具(IntdligentMiner和QUEST中的一部分)。
2．金融投資。典型的金融分析領域有投資評估和股票交易市場預測，分析方法一般採用模型預測法(如神經網路或統計回歸技術)。代寫碩士論文由於金融投資的風險很大，在進行投資決策時，更需要通過對各種投資方向的有關數據進行分析，以選擇最佳的投資方向。無論是投資評估還是股票市場預測，都是對事物發展的一種預測，而且是建立在對數據的分析基礎之上的。數據挖掘可以通過對已有數據的處理，找到數據對象之間的關系，然後利用學習得到的模式進行合理的預測。這方面的系統有Fidelity Stock Selector和LBS Capital Management。前者的任務是使用神經網路模型選擇投資，後者則使用了專家系統、神經網路和基因演算法技術來輔助管理多達6億美元的有價證券。
3．欺詐甄別。銀行或商業上經常發生詐騙行為，如惡性透支等，這些給銀行和商業單位帶來了巨大的損失。對這類詐騙行為進行預測可以減少損失。進行詐騙甄別主要是通過總結正常行為和詐騙行為之間的關系，得到詐騙行為的一些特性，這樣當某項業務符合這些特徵時，可以向決策人員提出警告。
這方面應用非常成功的系統有：FALCON系統和FAIS系統。FALCON是HNC公司開發的信用卡欺詐估測系統，它已被相當數量的零售銀行用於探測可疑的信用卡交易；FAIS則是一個用於識別與洗錢有關的金融交易的系統，它使用的是一般的政府數據表單。此外數據挖掘還可用於天文學上的遙遠星體探測、基因工程的研究、web信息檢索等。
結束語
隨著資料庫、人工智慧、數理統計及計算機軟硬體技術的發展，數據挖掘技術必能在更多的領域內取得更廣泛的應用。

參考文獻：
[1]閆建紅《資料庫系統概論》的教學改革與探索[J]．山西廣播電視大學學報，2006，(15)：16—17．

⑽ 我看現在市場上面有很多賣炒股軟體的，靠譜嗎

我看現在市場上面有很多賣炒股軟體的,靠譜嗎?股票軟體更准確的稱謂應該是證券分析軟體或證券決策系統，它的基股票軟體本功能是信息的實時揭示（包括行情信息和資訊信息），所以早期的股票軟體有時候會被叫做行情軟體。股票軟體的實質是通過對市場信息數據的統計，按照一定的分析模型來給出數（報表）、形（指標圖形）、文（資訊鏈接），用戶則依照一定的技術分析理論，來對這些結論進行解釋，也有一些傻瓜式的易用軟體會直接給出買賣的建議，這些易用軟體大部分是用專業視角剖析整個股市的走勢。