用大數據模型分析股票都失敗了

㈠ 股票分析軟體可信嗎

哈哈，這個問題太難了，只能說有幾個方法參考，比如成交量，不過成交量能做假，有個軟體里的盤面資金，劃分標準是達到5000億（上證），或者你看看陳浩寫的籌碼分布，如果所有籌碼都已經洗盤到低位了，牛市就不遠了。

㈡ 可以利用大數據炒股嗎

大數據可以用於股票交易，所謂大數據，就是一個新的分析概念，利用新的系統、新的工具、新的模型來挖掘大量動態的、可持續的數據，從而獲得具有洞察力和新價值的東西。大數據已經在一些金融工具中有所體現，大數據會將股票之前的數據全都發布出來，股民可以根據這只股票之前的數據來進行對比。

其實大數據只能說是個趨勢，我們可以通過打數據讓投資者能夠有一個參考性，但不能夠過度依賴大數據，畢竟著只是數據，這些數據是死的，而股市卻是千變萬化的，我們不能過度的依賴大數據得出的分析與結論，大數據也只是作為一個參考數據。世事無絕對，更何況是股票，可能上一秒還是盈利的狀態，但是下一秒就已經處於虧損了，不少人也因為炒股傾家盪產，所以這邊還是要提醒大家一下，謹慎行事，不要盲目跟風。

㈢ 炒股App 大數據丟在風口上的蛋

炒股App：大數據丟在風口上的蛋

盡管炒股App處於剛剛勃興階段，但業內幾乎在短時間內迅速就其產品模式達成了共識——將交易與交流相結合，組建日常化的投資社區。在此之下，不同背景與定位的炒股App開始探索各自的商業模式，謀求符合自己的生存之道 ...

據媒體報道，與2007年「大牛市」不同，2014年以來的大牛市伴隨移動互聯網的蓬勃發展，特別是微信、移動新聞客戶端等加快了信息傳播速度。2007年時，股票投資者還需要在同花順、大智慧等PC客戶端瀏覽行情；而今，幾十個乃至近百個新式炒股App蓬勃而生，為無數趕赴牛市的「85後」新生代投資者提供參考。

一場以炒股App尋找全新App增長點的創投熱情，更在四五月間股市的「牛氣沖天」中，被極度釋放，進而又在6月末的一連串股市大跌之中，被非議無數。作為已經不再熱門的App創業中的一支奇葩，在股市的風口上，炒股App到底能夠走多遠？

社交應用的股票定製版？

在有關提到此次炒股App熱的媒體報道中，常有一段話，專門用來解析過去主要應用於PC的炒股軟體和當下應用於手機的炒股App的區別：「盡管炒股App處於剛剛勃興階段，但業內幾乎在短時間內迅速就其產品模式達成了共識——將交易與交流相結合，組建日常化的投資社區。在此之下，不同背景與定位的炒股App開始探索各自的商業模式，謀求符合自己的生存之道。」

如果翻譯成更為淺顯的話語，可以理解為這些炒股App的基礎架構頗類似微信、微博之類的社交應用，一些炒股達人則成為這一社交應用之中的微信公眾號或者微博大V。當然，草根股民也可以用朋友圈，發表一下自己對股市的看法。

這樣的平台架構，其實在技術上已經沒有多少難度可言，因此，其快速爆發的效率可以用「扎堆」來形容。據6月22日中國之聲《新聞晚高峰》報道：「任意一個App Store，與『炒股』相關的新式App有幾十至近百個之多，包括公牛炒股、優顧炒股、短線放大器、投資堂等。」而火爆程度呢？「網路指數也顯示，近一個月內關鍵詞『炒股軟體』的搜索指數整體同比上升了834%，移動端同比上升超1000%。」

如此紅火的炒股App勢頭，它真正和過去大智慧、同花順這樣的PC客戶端相比，當然並不僅僅是炒股社交化如此簡單。以2011年就上線的炒股App股票雷達為例，其創始人馮月就坦言：在做法上，股票雷達要求投資者都必須公布自己的投資記錄，形成交易數據公開；通過一定時間內的收益排名數據比較自動推出「股票高手」，允許用戶跟著高手投資。一旦關注某個高手後，平台會自動向投資者發送該高手倉位實時變化消息。憑借「有跡可循」和「跟單交易」的新穎模式，股票雷達很快就吸引了首批用戶，截至目前，股票雷達實盤日交易額已經有幾億元，股票雷達團隊也已突破100人。

這被馮月稱之為是一種大數據的呈現，而真正對於股民來說，這其實就是一個實時的操作指南。這是以往大智慧、同花順等老牌股票應用，主要提供一些股票推薦和相關資訊所不能及的。

據《深市新開戶個人投資者學歷分析報告》顯示，在2014年初到2015年3月31日之間的新開戶投資者中，30歲以下人群佔比達到37.7%。這一批在互聯網土壤上生長起來的「85後」股市小白用戶，跟著帶頭大哥混的思維邏輯就是他們炒股的剛性需求。

一個前度玩家的新游戲

對於炒股App和過去的炒股軟體的區別，筆者有一個更為形象的比方，後者其實就是一款單機游戲，而大智慧們提供的各種資訊，則是股票這款游戲的玩家們，在一個封閉的小房子里，獨自專研著屬於自己的游戲攻略。你其實是一個人在戰斗。個人在股市裡摸爬滾打的長期經驗和對信息的分析研判能力，將為一次又一次通關，增加一些成功的砝碼。

而前者，則是一款網路游戲，面對全新的關卡，一個新手往往頓時迷失了方向，如果沿用過去的方法，去研究游戲攻略，學費高、課程長、見效慢。但在社交平台上，可以有另一個選擇，跟著有經驗的老前輩、股票高手們一起，去開荒撈點戰利品。當然，這依然不能保證通關，但至少這是擺在還不太懂股市的「票友」們最簡單粗暴的炒股賺錢方式。

其實，這兩種模式之間，是有過渡階段的，即在2007年上一輪牛市期間，在博客平台上一度躍紅的那些薦股牛人，包括曾被譽為中國第一博後又因為詐騙罪而入獄的「帶頭大哥777」。所不同的是，這個中間階段的過渡平台，依然延續著那些專家薦股、炒股達人的神話，加上信息的不透明性和僅僅為推薦而非真正實時操盤，而備受詬病。

這就涉及一個所謂盈利模式的話題。即前代產品如大智慧、同花順的盈利模式，其實最主要的還是作為一個平台，協助股民瀏覽行情、獲取資訊、完成交易，並收取金融信息服務費用和少量的廣告費用。這種其實還停留在過去「賣產品」的服務模式和股票門戶平台的定位，在越來越海量的信息數據爆炸下，也越來越不合時宜，也更加地向摸爬滾打股海多年的重度股民方向發展，也使得其業績一直表現乏力。5月的媒體報道中，一位分析師則對騰訊財經表示，大智慧一向擅長給資本市場講故事，但其主業一直陷於巨額虧損，商業模式不可持續。

反之走「跟高手炒股」概念的股票雷達、雪球等炒股App，則以反專業化的面目出現，即用「高手」這一概念，以及自己平台對大量碎片化信息數據的分析並簡化成買進賣出的量化結果，讓小白用戶可以快速賺錢，並迅速地為自己的平台聚集起人氣。「人氣就是入口」，對於移動互聯網的App們來說，有了人氣，並用真正能賺到錢來黏住用戶，盈利模式總會有的。到6月，據稱股票雷達和雪球上的日均活躍用戶數接近100萬，對於一款「網路游戲」來說，社區的內容貢獻問題、高手數量、跟隨的小弟資源，均已盤活了。

只是，在大牛市下，怎麼炒都容易賺錢，矛盾不易爆發。但萬一熊了呢？

大數據！一個有關預測的局

萬一熊了，能不能真正讓小白用戶「跟高手炒股」賺到錢，就成為決定App黏合度的最終關鍵，為此，有志於炒股App的各路英雄，包括BAT們，都祭出了同一張牌——大數據。

騰訊早在2012年就推出了「自選股」App，在其社交領域基礎上打造「股票圈」；網路今年2月上線了選股App網路股市通，主推智能選股。阿里則在5月牽手第一財經，將第一財經專業的財經資訊、投研報告內容，通過支付寶「股市行情」埠直接抵達3億支付寶用戶。

在某種意義上，騰訊的「自選股」頗為類似上述草根創業的炒股App，阿里則以更為專業和標准化生產採集的第一手資訊和服務壓過傳統炒股軟體大智慧們一頭。兩大巨頭的切入角度，均是以自己最優勢而競爭對手難以山寨的平台力量，可謂刁鑽，但尚不具備顛覆力量；而最具典範意義的則是網路的股市通，其號稱基於網路每天數億量級的政經類搜索數據和數百萬新聞資訊信息，通過專業的數據挖掘和分析技術，將新聞信息、搜索數據與股票建立起相應的關系，以信息的熱度變化來實時分析股票市場的變動。

簡言之，就是通過信息流的快速變化得出一個漲跌的大數據結論，這個大數據優勢，只有網路具備，其原理頗為類似早前網路推出依託區域面積內使用網路地圖的人數而形成的景區熱力圖，來幫助出行人士選擇到底是看人海還是看風景。這一基於大數據和人工智慧技術的「智能選股」服務，據其統計數據顯示，上線3個月以來，網路股市通應用大數據推出的熱點有685個。如果以每個熱點的關聯股票作為一個組合，平均倉位以當日開盤價買入，第二天開盤價賣出計算，有78%的熱點題材股票是上漲的，且日均漲幅達到1.7%。如果按照A股1年240個交易日計算，年復利收益在理論上達到56倍。

但這依然只是一個理論化的模型，其特點也僅僅是用數據的力量來分析海量信息流，跳過股民不關心的分析過程而直接導出一個預測結果，與「跟高手炒股」的區別，也主要在於一個是以演算法來預測，一個則更多依靠經驗來預測。

且「跟高手炒股」目前也在探索一種經驗型大數據的解決方案，如股票雷達等，也在考慮除了供應大量信息和訂閱高手動態的方式之外，對信息數據以及高手們的實時動態，而形成一系列預測結果，甚至介入中信證券、廣發證券、國金證券、方正證券、國聯證券等老牌券商，以形成更具指導力的結果，供小白用戶直接選擇。

怎麼樣的大數據分析方案，其實都只是各個入局炒股App根據自身優勢與特點，對「真正能為小白客戶實現簡化投資」這一結果而找尋的出路，但真正能否預測到結果呢？正如抽樣調查只能為選舉結果提供參考系一樣，僅僅來自於某些領域的大數據，其實也只是一個較大的參考系，而非全量的數據分析，其參考價值更大，但也僅僅只是參考，是更無限接近真相的一個預測。

股市有風險，投資需謹慎。這句話同樣適用於炒股App們，能否在牛市和熊市的不同階段保持對用戶的黏合性，能否總是保持正確，很重要。而這其中，除了科學的大數據參考外，還有那麼一絲賭博的味道。

以上是小編為大家分享的關於炒股App 大數據丟在風口上的蛋的相關內容，更多信息可以關注環球青藤分享更多干貨

㈣ 基於微信大數據的股票預測研究

基於微信大數據的股票預測研究
大數據是近些年來的熱門話題，無論國際上還是國內，影響很大。經濟學、政治學、社會學和許多科學門類都會發生巨大甚至是本質上的變化和發展，進而影響人類的價值體系、知識體系和生活方式。而全球經濟目前生成了史無前例的大量數據，如果把每天產生的大量數據比作神話時期的大洪水是完全正確的，這個數據洪流是我們前所未見的，他是全新的、強大的、當然，也是讓人恐慌但又極端刺激的。
而我所分享的話題，正是在互聯網環境下，如何利用大數據技術，進行股票預測的研究。–今天，我想分享我認為有意義的四點。
1.大數據下的商業預測
根據大數據，我們可以有效地進行故障、人流、流量、用電量、股票市場、疾病預防、交通、食物配送、產業供需等方面的預測。而本文我們所關心的內容是股票市場的預測。
大數據的核心是預測，預測依賴於對數據的分析。那麼分析的方法是否是基於隨機采樣的結果而設計的，這樣的分析方法是否會有誤差？
從傳統認識上，由於資源和科技的局限，如人和計算資源受限、從計算機處理能力來講無法處理全部數據來獲取人們所關注的結果。因此隨機采樣應運而生，通過所選取的個體來代表全體，如使用隨機抽取的方式來使得推論結果更科學。但既然提到了大數據，它是資源發展到一定程度、以及技術發展到一定階段產生的一個新的認識。如同電力的出現，使人類進入了一個快速發展階段，大數據也一樣，它的含義是全體樣本，從整體樣本來做推論。在本文大數據的含義是所有股票在整個社交網路上的流動信息，從數據源上講，本文沒有採用所有社交網路上的數據，只分析了微信這個最具代表性的社交媒體作為信息源。
互動數據能反映用戶情緒，搜索數據能反映用戶的關注點和意圖，在股市預測時這兩種數據哪種更具有參考價值？
我認為都有價值，互動數據反映了用戶對某一特定股票的喜好和厭惡，可以簡單描述為對該股票的操作是繼續持有還是賣出；而搜索數據則代表用戶在收集該股票信息的過程，它是關注度的概念，某隻股票搜索度高則意味著消息的影響力大。互動代表著方向，搜索代表著振幅。
我們知道這兩種數據得出的結論會有差異，您是如何平衡這兩種數據反映的情況來進行預測的？
正如上一個問題里提到的，如果是股票推薦，買進賣出等原則問題，則應該考慮互動數據，但如果已經買到手了，搜索數據可以提供一個幅度的概念，類似債券評級A級、AA級、AAA級等，供投資者參考，因為不同投資者對風險的承受度是不同的。
將股票和市場的消息整理成140字的短消息發布，是否意味著主要發布渠道是微博？現在微信公眾號很火，有沒有考慮通過這個渠道也發布消息？
事實上，信息傳播的方式很多，微信作為新媒體當然影響力不容小覷，但目前技術投入最小的還是郵件、簡訊等方式，未來會考慮使用公眾號來推送股票和市場消息。
如果在未來通過微信公眾號推送消息，那麼推送的消息會不會作為數據來源被再次採集？這會有多大的影響？
會被採集，但互聯網上的每日關於個股的信息數量會達到很大，該推送會增加推薦股票1點權重，每隻股票的權重成百上千，因此影響極小。
數據來源是微信公眾號，除了准確性的考慮之外，是否還考慮過這樣收集數據會較少觸犯個人隱私？
從法律角度來看，搜索微信或其他個人聊天記錄，是侵犯個人隱私權的，因此如果騰訊開放了這樣的介面，每個公民都可以對這樣的行為進行投訴、抗議、甚至進行法律起訴直至其改正過錯、賠償損失的。
這樣是否意味著即使存在違法的行為，其結果也是由騰訊來承擔，而我們作為數據的使用方不需要承擔任何法律責任？
在整個社會，我們作為系統技術提供方，應恪守大數據的倫理道德，遵守國家法律，如侵犯個人隱私，系統不會採集，谷歌有一句座右銘「谷歌不作惡」，本文提到的系統也一樣。
2.基於大數據進行股票推薦實驗
股票的及時度反應了微信文章所發布的時效性，及時度越高，數據價值就越大。
股票的熱度反應了當前某隻股票被關注的頻度，關注頻度越大，上漲的可能性越高。

數據的完整性：我們採用循環的方式對所有深滬兩地發行約2236隻股票（創業版除外）在微信搜索網站上的搜索結果進行保存。
數據的一致性：文件格式由負責保存數據文件的程序決定，單一的流程保障了文件的一致性。
數據的准確性：由於所分析的訂閱號文章的是由微信公共平台的公眾號所提供，在一定程度上杜絕了虛假消息對於預測系統的破壞。
數據的及時性：考慮到磁碟讀寫以及採集程序所處的網路帶寬，以及搜索引擎對於採集程序的屏蔽，程序中採集兩條信息之間間隔了5秒，因此理論上11180秒（3.1個小時）可收集完當日推薦所需要的數據。對於每個交易日，在9點-9點30分之間採集所有數據，需要7台以上的設備可達到最佳效果。本次試驗受限於試驗設備，在一台設備上，交易日每天早六時開始進行數據採集，也滿足及時性要求。
數據分析：查看三個高優先順序的股票，該股票當日的開盤價與收盤價，再與當日（2015-4-8）上證綜指進行比較，可得在收益上該演算法是優於上證綜指為樣本的整體股票的股價差收益的。
實驗結論：按照上述方式，系統每天推薦出當日股票，在開盤時進行買進，在第二個交易日進行賣出。經過一個月21個交易日（2015-3-1至2015-3-31），系統的收益為20%/月。通過微信搜索公眾號來預測市場走勢和投資情緒呈現出正相關性，因此可以作為股票甄選的因子。
3.股票預測的大數據發展趨勢
網路數據分成三種：
一是瀏覽數據，主要用於電商領域的消費者行為分析，瀏覽數據反映了用戶每一步的訪問腳步，進一步刻畫出用戶的訪問路徑，分析不同頁面的跳轉概率等。
二是搜索數據，主要指搜索引擎記錄的關鍵詞被搜索頻次的時間序列數據，能反映數億用戶的興趣、關注點、意圖。
三是互動數據，主要是微博、微信、社交網站的數據，反映用戶的傾向性和情緒因素。
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。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。
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。
對於搜索數據：互聯網搜索行為與股票市場的關聯機理。這個研究屬於行為金融與互聯網的交叉領域，其原理是：股票量價調整是投資者行為在股票市場上的反應；與此同時，投資者行為在互聯網搜索市場也有相應地行為跡象，我們要做到是：找到互聯網搜索市場中領先於股票交易的行為指標，綜合眾多投資者的先行搜索指標，對未來的股票交易做出預判。
如同天氣預報那樣，不斷優化模型、灌入海量信息，然後給出結果。並且在處理的信息中，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。採用了語義分析法，可以將互動數據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，通過分析互動數據的數據文本，作為股市投資的信號。
4.正在發生的未來
大數據並不是一個充斥著演算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的將來。
大數據在實用層面的影響很廣泛，解決了大量的日常問題。大數據更是利害攸關的，它將重塑我們的生活、工作和思維方式。在某些方面，我們面臨著一個僵局，比其他劃時代創新引起的社會信息范圍和規模急劇擴大所帶來的影響更大。我們腳下的地面在移動。過去確定無疑的事情正在受到質疑。大數據需要人們重新討論決策、命運和正義的性質。擁有知識曾意味著掌握過去，現在則意味著能夠預測未來。
大數據並不是一個充斥著演算法和機器的冰冷世界，其中仍需要人類扮演重要角色。人類獨有的弱點、錯覺、錯誤都是十分必要的，因為這些特性的另一頭牽著的是人類的創造力、直覺和天賦。這提示我們應該樂於接受類似的不準確，因為不準確正是我們之所以為人的特徵之一。就好像我們學習處理混亂數據一樣，因為這些數據服務的是更加廣大的目標。必將混亂構成了世界的本質，也構成了人腦的本職，而無論是世界的混亂還是人腦的混亂，學會接受和應用他們才能得益。
我相信，利用基礎數據、搜索數據、互動數據再進行加權計算，可以對所有股票進行大數據遴選，從而給出投資建議。我認為，我們的肉身剛剛步入大數據時代，但我們的精神還滯留在小數據、采樣思維之中，率先用理性擊碎固有思維的人，也將率先獲得大數據帶來的益處。