大数据给股票投资带来的

Ⅰ 通过大数据分析股票，对购买决策有何帮助

毫无作用,因为你拿不到真实的数据,中国股市信息不对称问题由来已久,而且尚未解决,数据分析是有作用的,但是只限于基本面,其他的数据分析甚至会误导你的决策

Ⅱ 大数据带来的大影响

大数据带来的大影响_数据分析师考试

如果把“数据化”视为信息社会的初级阶段，则名不见经传的英国科学家维克托·迈尔-舍恩伯格，用他别具洞见的天才新著《大数据时代》首次告诉我们：人类正在进入“数据颠覆传统”的信息社会中级阶段。

在此阶段，信息无所不在无所不包，其无限膨胀的天文海量催生了“统计+分类-推理分析=决策”的计算机处理程序(有点像刷卡消费一步到位，节省了算账找补等繁琐环节)，悄然挑战“去粗取精、去伪存真、由表及里、由此及彼”的传统认识论模式，冥冥之中潜移默化，对我们的生活、工作与思维，对人类“阶级斗争、生产斗争、科学试验”三大实践活动产生着重大而深刻的影响。

大数据点燃

美国政府曾为定期公布消费物价指数CPI以监控通胀率，雇用了大量人员向全美90个城市的商店、办公室进行电话、传真拜访，耗资2.5亿美元搜集反馈8万种商品价格的延时信息。然而麻省理工学院两位经济学家采取“大数据”方案，通过一个软件在互联网上每天搜集50万种商品价格即时信息。2008年9月雷曼兄弟公司破产后，该软件马上发现了通胀转为通缩的趋势，而官方数据直到11月才发现。之后该软件被畅销到70多个国家。这一案例充分体现出“大数据”颠覆传统的力量和变革思维的智慧。

“小数据”时代追求精准，竭力避免不精准信息误导误判。然而95%被传统数据库拒绝接受的非结构化(非标准)数据，在“大数据”时代的模糊化数据库中发挥了重要的作用，因为数据越模糊越全面，才能有效避免误导误判。

从因果关系到相关关系的思维变革，是“大数据”颠覆传统认识论模式的关键。电脑毕竟不是人脑，电脑永远搞不懂气候与机票价格之间有什么因果关系。公鸡打鸣和天亮之间虽无因果关系，但古人通过公鸡打鸣来预报天亮却很少失败。“如果数百万条医疗记录显示橙汁和阿司匹林的特定组合对癌症治疗有效果，那就用不着通过一次次实验来探索其具体的药理机制了”。“苹果之父”乔布斯就主动试用过一些医疗记录有效但未经临床验证的疗法同癌症抗争。你可以嘲笑乔布斯“不讲科学”，但他却因此多活了好几年。

从根本上说，所谓“大数据挑战传统认识论”，其实是人类把复杂的认识过程“全部打包”给了电脑，而电脑懒得分析推理验证，只通过统计分类对比，交出“最终答案”就OK了。大数据的精髓在于变“少而精”为“多而全”，变“因果”为“相关”。当实地调研开始被数据采集所替代，当严密的实验开始被非线性逻辑所替代，当“唯一真理”开始被多项选择所替代，“大数据”就用事实向人类宣告：“知其然不知其所以然”，既是电脑望尘人脑的劣势，也是电脑超越人脑的优势！

大数据渗透大世界

不要以为“大数据”只是科幻故事或政府与科学家的“专利”。环顾四周，“大数据”早已渗透我们生活和工作的方方面面，衍生出形形色色的数据超市、数据易趣、数据交友、数据联谊、数据作坊、数据课堂、数据IB等传奇版本。从治安管理、交通运输、医疗卫生、商业贸易、批发零售、公益救援直到政治、军事、经济、金融、社会、环境、文艺、体育。

UPS国际快运公司从2000年开始通过“大数据”检测其遍布全美的6万辆货车车队，统计出各损耗零部件的生命周期，改“备份携带”为提前更换，有效预防了半路抛锚造成的严重麻烦和巨大损失，每年节省数百万美元。UPS还依靠“大数据”优化行车路线(例如尽量右转弯，避免左转弯)，2011年全公司车辆少跑4828万公里，节省燃料300万加仑，减少碳排放3万公吨。

为纽约提供电力支持的爱迪生电力公司，针对每年多起电缆沙井盖爆炸造成严重事故，采取“大数据”手段统计出106种预警先兆，预测2009年可能出事的沙井盖并严加监控。结果位列前十分之一的高危井盖中，预测准确率达44%。

美国里士满市警察当局凭经验认定枪击事件往往导致犯罪高峰期，“大数据”证明这种高峰期往往出现在枪击事件后2周左右。孟菲斯市2006年启动“大数据”系统锁定了更容易发生犯罪的地点和更容易抓捕罪犯的时间，使重大犯罪发生率下降26%。

沃尔玛2004年依靠“大数据”发现了飓风前夕销量增加的各类商品，进而每逢预报便及时设立飓风用品专区，并将手电筒、早餐零食蛋挞等摆放于专区附近，明显增加了“顺便购买”的销量。

至于“大数据”的经济价值，仅需略举数例：2006年微软以1.1亿美元购买了埃齐奥尼的Farecast公司，2008年谷歌以7亿美元购买了为Farecast提供数据的ITA Software公司。同年在冰岛成立的DataMarket网站干脆专靠搜集提供联合国、世界银行、欧盟统计局等权威机构的免费信息来获利生存，包括倒卖各类研究机构公开发布的研究数据——只要找到买主，往往愿出高价！

大数据创造大金融

金融领域当然是“大数据”的主战场之一。程序化交易也许是现今最主要的“大数据”新式武器。美国股市每天成交量高达70亿股，但其中三分之二的交易量并非由人操作，而是由建立在数学模型和算法之上的计算机程序自动完成。日新月异的程序化交易只能运用海量数据来预测收益、降低风险。几乎所有银行、券商、保险、期货、QFII和投资公司都开发了自己的程序化交易工具。谁的武器更先进？竞争到最后恐怕还是比谁搜集处理的数据更海量。

一家投资基金通过统计大商场周边停车场及路口交通拥挤状况，来预测商场经营及当地经济状况，进而预测相关股价走势，最后居然拿数据统计资料换得了该商场的部分股权。

不少对冲基金通过搜集统计社交网站推特上的市场心情等信息来预测股市的表现。伦敦和加利福尼亚的两家对冲基金，利用“大数据”形成119份表情图和18864项独立的指数，向许多客户推销股市每分钟的“动态表情”：乐观、忧郁、镇静、惊恐、呆滞、害怕、生气、激愤等，以帮助和带动投资决策。

在金融机构竞相拉客理财的今天，如果能及时搜集处理海量的微博、微信、短信，自然也能从茫茫人海中及时发现怦然心动打算开户的，或一气之下打算“跳槽”的投资者。

当然，如果投资者都能通过“大数据”直接决策，将“刷卡消费”拓展成“刷卡投资”，那藏龙卧虎的分析师群体和争雄斗妍的研究报告未来还有市场吗？

大数据暗藏大隐患

像所有新生事物一样，大数据也是一把双刃剑。宏观上看，“大数据”在各个不同的领域将人类虚拟分割为“数据化”与“被数据化”两大阵营。持续发酵的“棱镜门”事件披露了美国政府长期监控全世界的“最高机密”，但美国总统、国会和政府都认定这种监控“天经地义”，是“维护国家核心利益”。虽然社会早已建立起庞大的法律法规体系来保障个人信息安全，但在“大数据”时代，这些体系正蜕变为固若金汤但可以随意绕过的“马其诺防线”。

“大数据”导致个人信息被交易、个人隐私被外泄还不算，更大的危险在于“个人行为被预测”。正如作者预言——“这些能预测我们可能生病、拖欠还款甚至犯罪的算法程序，会让我们无法购买保险、无法贷款，甚至在犯罪实施前就预先被逮捕”——也许你认为这对全社会来说无疑是好事。可是如果预测系统不完善、软硬件出差错、数据搜集处理不当、临时数据未经检验、黑客攻击、有人恶意或善意开玩笑制造假信息……导致你、你的家庭、你的亲朋好友、你的所在单位甚至你的祖国被冤枉被制裁，你还能无动于衷吗？

微观上看，即使是出于正当目的采集的“大数据”，仍可能在“扩展开发”过程中产生无法想象的副作用。例如谷歌的街景拍摄和GPS数据为卫星定位和自动驾驶仪提供了关键的支持，但同时因其有助于黑帮盗贼便捷挑选有利目标而引发了多国民众的强烈抗议。当谷歌对图像背景上的业主房屋、花园等目标进行模糊化处理后，反而引起盗贼更加注意。

无论你惊奇还是恐惧，欢迎还是躲避，关注还是漠视，理解还是拒绝，“大数据”都在加快步伐向我们走来。我们只有顺势而为，趋利避害，才不至于被这个充满机遇和挑战的新时代提前淘汰。

以上是小编为大家分享的关于大数据带来的大影响的相关内容，更多信息可以关注环球青藤分享更多干货

Ⅲ 频繁交易股票会给投资者造成哪些影响

第一，增加交易成本，每次交易会增加佣金印花税等费用。
第二，交易的正确率会降低，因为股票市场如果就常态情况来说，上涨和下跌趋势各占六分之一时间，盘整占3分之2.就算盘整期间，也就是说有六分之五的时间里你买卖不容易赚到钱，那么交易越频繁，出错几率越大
第三，如果学会技术分析，一年你需要参与交易的次数并不用太多，而往往这种操作才能稳定赚到大钱

Ⅳ 大数据时代应该如何投资股票

给一篇关于【如何使用大数据进行A股行业投资】的教程给你参考一下~

好的投资，首先是选好行业

红杉资本曾经有一条著名的投资经验，大意是：好的投资，首先是选好赛道，其次是赛道上的选手。对于每天活跃于资本市场上的投资者而言，赛道所指的正是你正在投资、或者将要投资的那家公司它所在的行业，更直接的说，你投资于什么行业，投资于这个行业的哪家公司，决定了你最终能获得什么样的收益表现。

那么，红杉资本的这条投资经验是否适用于A股市场，并给我们带来可观的投资收益呢？本文试图通过量化分析和交易回测来验证这一投资模式是否真正有效，所采用的数据取自于聚宽数据出品的JQData本地量化金融数据，通过梳理出自2010年以来A股市场上不同行业的发展情况，进一步构建出一个优质行业龙头组合，观察其从2015年股灾至今的收益表现。最终发现，这样一个优质行业的龙头组合，从股灾至今大幅跑赢了上证指数和沪深300指数高达30%的以上的收益率，可以说是超乎预期的。以下是具体分析过程。

2010 ~ 2017 沪深A股各行业量化分析

在开始各行业的量化分析之前，我们需要先弄清楚两个问题：

• 第一，A股市场上都有哪些行业；

• 第二，各行业自2010年以来的营收、净利润增速表现如何？

第一个问题：
很好回答，我们使用JQData提供的获取行业成分股的方法，输入get_instries(name='sw_l1')
得到申万一级行业分类结果如下：它们分别是：【农林牧渔、采掘、化工、钢铁、有色金属、电子、家用电器、食品饮料、纺织服装、轻工制造、医药生物、公用事业、交通运输、房地产、商业贸易、休闲服务、综合、建筑材料、建筑装饰、电器设备、国防军工、计算机、传媒、通信、银行、非银金融、汽车、机械设备】共计28个行业。

第二个问题：

要知道各行业自2010年以来的营收、净利润增速表现，我们首先需要知道各行业在各个年度都有哪些成分股，然后加总该行业在该年度各成分股的总营收和净利润，就能得到整个行业在该年度的总营收和总利润了。这部分数据JQData也为我们提供了方便的接口：通过调用get_instry_stocks(instry_code=‘行业编码’, date=‘统计日期’)，获取申万一级行业指定日期下的行业成分股列表，然后再调用查询财务的数据接口：get_fundamentals(query_object=‘query_object’, statDate=year)来获取各个成分股在对应年度的总营收和净利润，最后通过加总得到整个行业的总营收和总利润。这里为了避免非经常性损益的影响，我们对净利润指标最终选取的扣除非经常性损益的净利润数据。

我们已经获取到想要的行业数据了。接下来，我们需要进一步分析，这些行业都有什么样的增长特征。

我们发现，在28个申万一级行业中，有18个行业自2010年以来在总营收方面保持了持续稳定的增长。它们分别是：【农林牧渔，电子，食品饮料，纺织服装，轻工制造，医药生物，公用事业，交通运输，房地产，休闲服务，建筑装饰，电气设备，国防军工，计算机，传媒，通信，银行，汽车】；其他行业在该时间范围内出现了不同程度的负增长。

那么，自2010年以来净利润保持持续增长的行业又会是哪些呢？结果是只有5个行业保持了基业长青，他们分别是医药生物，建筑装饰，电气设备，银行和汽车。（注：由于申万行业在2014年发生过一次大的调整，建筑装饰，电气设备，银行和汽车实际从2014年才开始统计。）

从上面的分析结果可以看到，真正能够保持持续稳定增长的行业并不多，如果以扣非净利润为标准，那么只有医药生物，建筑装饰，电气设备，银行和汽车这五个行业可以称之为优质行业，实际投资中，就可以只从这几个行业中去投资。这样做的目的是，一方面，能够从行业大格局层面避免行业下行的风险，绕开一个可能出现负增长的的行业，从而降低投资的风险；另一方面，也大大缩短了我们的投资范围，让投资者能够专注于从真正好的行业去挑选公司进行投资。

「2010-2017」投资于优质行业龙头的收益表现




选好行业之后，下面进入选公司环节。我们知道，即便是一个好的行业也仍然存在表现不好的公司，那么什么是好的公司呢，本文试图从营业收入规模和利润规模和来考察以上五个基业长青的行业，从它们中去筛选公司作为投资标的。

1、按营业收入规模构建的行业龙头投资组合

首先，我们按照营业收入规模，筛选出以上5个行业【医药生物，建筑装饰，电气设备，银行和汽车】从2010年至今的行业龙头如下表所示：






结论




通过以上行业分析和投资组合的历史回测可以看到：

• 先选行业，再选公司，即使是从2015年股灾期间开始投资，至2018年5月1号，仍然能够获得相对理想的收益，可以说，红杉资本的赛道投资法则对于一般投资者还是比较靠谱的。

• 在构建行业龙头投资组合时，净利润指标显著优于营业收入指标，获得的投资收益能够更大的跑赢全市场收益率

• 市场是不断波动的，如果一个投资者从股灾期间开始投资，那么即使他买入了上述优质行业的龙头组合，在近3年也只能获得12%左右的累计收益；而如果从2016年5月3日开始投资，那么至2018年5月2日，2年时间就能获得超过50%以上的收益了。所以，在投资过程中选择时机也非常重要~

Ⅳ 大数据对投资管理的影响

正在来临的大数据时代，金融机构之间的竞争将在网络信息平台上全面展开，说到底就
是“数据为王”。谁掌握了数据，谁就拥有风险定价能力，谁就可以获得高额的风险收益，最终赢得竞争优势。中国金融业正在步入大数据时代的初级阶段。经过多年的发展与积累，目前国内金融机构的数据量已经达到100TB以上级别，并且非结构化数据量正在以更快的速度增长。金融机构行在大数据应用方面具有天然优势
一方面，
金融企业在业务开展过程中积累了包括客户身份、资产负债情况、资金收付交易等大量高价值密度的数据，这些数据在运用专业技术挖掘和分析之后，将产生巨大的商业价值；
另一方面，金融机构具有较为充足的预算，可以吸引到实施大数据的高端人才，也有能力采用大数据的最新技术。

总体看，正在兴起的大数据技术将与金融业务呈现快速融合的趋势，给未来金融业的发展
带来重要机遇。

首先，
大数据推动金融机构的战略转型。在宏观经济结构调整和利率逐步市场化的大环境
下，国内金融机构受金融脱媒影响日趋明显，表现为核心负债流失、盈利空间收窄、业务定位亟待调整。业务转型的关键在于创新，但现阶段国内金融机构的创新往往沦为监管套利，没有能够基于挖掘客户内在需求，提供更有价值的服务。而大数据技术正是金融机构深入挖掘既有数据，找准市场定位，明确资源配置方向，推动业务创新的重要工具。

其次，
大数据技术能够降低金融机构的管理和运行成本。通过大数据应用和分析，金融机构能够准确地定位内部管理缺陷，制订有针对性的改进措施，实行符合自身特点的管理模式，进而降低管理运营成本。
此外，大数据还提供了全新的沟通渠道和营销手段，可以更好的了解客户的消费习惯和行为特征，及时、准确地把握市场营销效果。
第三，
大数据技术有助于降低信息不对称程度，增强风险控制能力。金融机构可以摈弃原来过度依靠客户提供财务报表获取信息的业务方式，转而对其资产价格、账务流水、相关业
务活动等流动性数据进行动态和全程的监控分析，从而有效提升客户信息透明度。
目前，先进银行已经能够基于大数据，整合客户的资产负债、交易支付、流动性状况、
纳税和信用记录等，对客户行为进行全方位评价，计算动态违约概率和损失率，提高贷款决策的可靠性。
当然，也必须看到，金融机构在与大数据技术融合的过程中也面临诸多挑战和风险。
一是大数据技术应用可能导致金融业竞争版图的重构。信息技术进步、金融业开放以及监管政策变化，客观上降低了行业准入门槛，非金融机构更多地切入金融服务链条，并且利用自身技术优势和监管盲区占得一席之地。而传统金融机构囿于原有的组织架构和管理模式，无法充分发挥自身潜力，反而可能处于竞争下风。

Ⅵ 用大数据炒股，靠谱吗

因为最近在考察几个量化交易平台，或许正好能够回答你的这个问题。
在国外现在量化交易已经非常非常的普及，但是据说在国内只有不到5%，似乎是国内散户太多的原因。
而量化交易就是能够通过模型预测未来一段时间的走势，从而不断去调整，购买较大胜率的股票、期货或者大宗商品。
某种程度上来说，这些大数据预测相对于国内的赌徒心理还是有更高的成功率的。

当然，也不能太迷信数据，数据是死的，而人性莫测。在国内，即使你个股再好，还是看出现跑不赢大盘的局面，而且有时候还得考虑人的情绪、政策等等。不过，如果能够坚持，大数据还是相对靠谱的。观点仅供参考，投资需谨慎。

Ⅶ 专家谈百度大数据炒股：年收益56倍靠谱吗

不要小看大数据本领
网络股市通是网络于今年2月推出的国内首款应用大数据引擎技术智能分析热点行情的股票APP，上市以后迅速积累了的大量股民用户。不同于市面上的炒股APP，网络股市通聚合了网络每天数亿量级的政经类搜索数据和数百万新闻资讯信息，创建出一套基于中国股市的知识图谱，借助专业的数据挖掘和分析技术将每天产生的新闻信息、全网数据等与股票建立起相应的关系，为用户提供与众不同的智能选股服务。
关于股票投资，业界普遍认为主要参考三个变量，即投资项目计划的现金流、公司资本的估算成本和股票市场对投资的反应（市场情绪）。然而，在大数据技术诞生之前，市场情绪始终无法进行量化。
大数据专家沈浩表示，通过分析新闻、研究报告、社交信息、搜索行为等全网数据，借助自然语言处理方法，提取有用信息，网络股市通成功触碰到了这一理论中的第三层变量—市场情绪，给投资者带来了全新的炒股方式。
来自网络股市通的官方统计数据也在提醒投资者，不要小看大数据和人工智能给股市带来的积极变化。

Ⅷ 可以利用大数据炒股吗

大数据对现货行业有用。股票不行

Ⅸ 大数据股票有哪些

大数据概念股 : 就主题投资而言,"大数据"概念2012年有望成为具有较强冲击力的新主题,大数据概念实际上是从海量数据有效利用的角度对云计算、物联网等概念的综合,更加准确地抓住了云计算、物联网的本质,以数据处理和数据中心建设与运维为主要业务的公司是最为贴切的投资标的。 "大数据"产业链条包含了从数据生成、数据存储、数据处理和数据展示等多个环节。完整的生态系统还应当包括大数据处理结果的应用。 "大数据"时代更多的商机来自于应用,我们认为国内企业有机会获得较大的发展空间。与大数据相关的投资标的有以下几类。 第一类是与海量数据的存储和处理相关的公司,关注拓尔思、美亚柏科、恒泰艾普、潜能恒信、天泽信息。 第二类是与数据中心建设与运营维护相关的公司,包括荣之联、天玑科技、银信科技。 第三类是与视频化应用相关的公司,包括视频监控业务为主的海康威视、大华股份、威创股份、华平股份。 第四类是与智能化和人机交互概念相关的公司,关注科大讯飞、用友软件、东方国信等。 (南方股票频道)