用大数据模型分析股票都失败了

㈠ 股票分析软件可信吗

哈哈，这个问题太难了，只能说有几个方法参考，比如成交量，不过成交量能做假，有个软件里的盘面资金，划分标准是达到5000亿（上证），或者你看看陈浩写的筹码分布，如果所有筹码都已经洗盘到低位了，牛市就不远了。

㈡ 可以利用大数据炒股吗

大数据可以用于股票交易，所谓大数据，就是一个新的分析概念，利用新的系统、新的工具、新的模型来挖掘大量动态的、可持续的数据，从而获得具有洞察力和新价值的东西。大数据已经在一些金融工具中有所体现，大数据会将股票之前的数据全都发布出来，股民可以根据这只股票之前的数据来进行对比。

其实大数据只能说是个趋势，我们可以通过打数据让投资者能够有一个参考性，但不能够过度依赖大数据，毕竟着只是数据，这些数据是死的，而股市却是千变万化的，我们不能过度的依赖大数据得出的分析与结论，大数据也只是作为一个参考数据。世事无绝对，更何况是股票，可能上一秒还是盈利的状态，但是下一秒就已经处于亏损了，不少人也因为炒股倾家荡产，所以这边还是要提醒大家一下，谨慎行事，不要盲目跟风。

㈢ 炒股App 大数据丢在风口上的蛋

炒股App：大数据丢在风口上的蛋

尽管炒股App处于刚刚勃兴阶段，但业内几乎在短时间内迅速就其产品模式达成了共识——将交易与交流相结合，组建日常化的投资社区。在此之下，不同背景与定位的炒股App开始探索各自的商业模式，谋求符合自己的生存之道 ...

据媒体报道，与2007年“大牛市”不同，2014年以来的大牛市伴随移动互联网的蓬勃发展，特别是微信、移动新闻客户端等加快了信息传播速度。2007年时，股票投资者还需要在同花顺、大智慧等PC客户端浏览行情；而今，几十个乃至近百个新式炒股App蓬勃而生，为无数赶赴牛市的“85后”新生代投资者提供参考。

一场以炒股App寻找全新App增长点的创投热情，更在四五月间股市的“牛气冲天”中，被极度释放，进而又在6月末的一连串股市大跌之中，被非议无数。作为已经不再热门的App创业中的一支奇葩，在股市的风口上，炒股App到底能够走多远？

社交应用的股票定制版？

在有关提到此次炒股App热的媒体报道中，常有一段话，专门用来解析过去主要应用于PC的炒股软件和当下应用于手机的炒股App的区别：“尽管炒股App处于刚刚勃兴阶段，但业内几乎在短时间内迅速就其产品模式达成了共识——将交易与交流相结合，组建日常化的投资社区。在此之下，不同背景与定位的炒股App开始探索各自的商业模式，谋求符合自己的生存之道。”

如果翻译成更为浅显的话语，可以理解为这些炒股App的基础架构颇类似微信、微博之类的社交应用，一些炒股达人则成为这一社交应用之中的微信公众号或者微博大V。当然，草根股民也可以用朋友圈，发表一下自己对股市的看法。

这样的平台架构，其实在技术上已经没有多少难度可言，因此，其快速爆发的效率可以用“扎堆”来形容。据6月22日中国之声《新闻晚高峰》报道：“任意一个App Store，与‘炒股’相关的新式App有几十至近百个之多，包括公牛炒股、优顾炒股、短线放大器、投资堂等。”而火爆程度呢？“网络指数也显示，近一个月内关键词‘炒股软件’的搜索指数整体同比上升了834%，移动端同比上升超1000%。”

如此红火的炒股App势头，它真正和过去大智慧、同花顺这样的PC客户端相比，当然并不仅仅是炒股社交化如此简单。以2011年就上线的炒股App股票雷达为例，其创始人冯月就坦言：在做法上，股票雷达要求投资者都必须公布自己的投资记录，形成交易数据公开；通过一定时间内的收益排名数据比较自动推出“股票高手”，允许用户跟着高手投资。一旦关注某个高手后，平台会自动向投资者发送该高手仓位实时变化消息。凭借“有迹可循”和“跟单交易”的新颖模式，股票雷达很快就吸引了首批用户，截至目前，股票雷达实盘日交易额已经有几亿元，股票雷达团队也已突破100人。

这被冯月称之为是一种大数据的呈现，而真正对于股民来说，这其实就是一个实时的操作指南。这是以往大智慧、同花顺等老牌股票应用，主要提供一些股票推荐和相关资讯所不能及的。

据《深市新开户个人投资者学历分析报告》显示，在2014年初到2015年3月31日之间的新开户投资者中，30岁以下人群占比达到37.7%。这一批在互联网土壤上生长起来的“85后”股市小白用户，跟着带头大哥混的思维逻辑就是他们炒股的刚性需求。

一个前度玩家的新游戏

对于炒股App和过去的炒股软件的区别，笔者有一个更为形象的比方，后者其实就是一款单机游戏，而大智慧们提供的各种资讯，则是股票这款游戏的玩家们，在一个封闭的小房子里，独自专研着属于自己的游戏攻略。你其实是一个人在战斗。个人在股市里摸爬滚打的长期经验和对信息的分析研判能力，将为一次又一次通关，增加一些成功的砝码。

而前者，则是一款网络游戏，面对全新的关卡，一个新手往往顿时迷失了方向，如果沿用过去的方法，去研究游戏攻略，学费高、课程长、见效慢。但在社交平台上，可以有另一个选择，跟着有经验的老前辈、股票高手们一起，去开荒捞点战利品。当然，这依然不能保证通关，但至少这是摆在还不太懂股市的“票友”们最简单粗暴的炒股赚钱方式。

其实，这两种模式之间，是有过渡阶段的，即在2007年上一轮牛市期间，在博客平台上一度跃红的那些荐股牛人，包括曾被誉为中国第一博后又因为诈骗罪而入狱的“带头大哥777”。所不同的是，这个中间阶段的过渡平台，依然延续着那些专家荐股、炒股达人的神话，加上信息的不透明性和仅仅为推荐而非真正实时操盘，而备受诟病。

这就涉及一个所谓盈利模式的话题。即前代产品如大智慧、同花顺的盈利模式，其实最主要的还是作为一个平台，协助股民浏览行情、获取资讯、完成交易，并收取金融信息服务费用和少量的广告费用。这种其实还停留在过去“卖产品”的服务模式和股票门户平台的定位，在越来越海量的信息数据爆炸下，也越来越不合时宜，也更加地向摸爬滚打股海多年的重度股民方向发展，也使得其业绩一直表现乏力。5月的媒体报道中，一位分析师则对腾讯财经表示，大智慧一向擅长给资本市场讲故事，但其主业一直陷于巨额亏损，商业模式不可持续。

反之走“跟高手炒股”概念的股票雷达、雪球等炒股App，则以反专业化的面目出现，即用“高手”这一概念，以及自己平台对大量碎片化信息数据的分析并简化成买进卖出的量化结果，让小白用户可以快速赚钱，并迅速地为自己的平台聚集起人气。“人气就是入口”，对于移动互联网的App们来说，有了人气，并用真正能赚到钱来黏住用户，盈利模式总会有的。到6月，据称股票雷达和雪球上的日均活跃用户数接近100万，对于一款“网络游戏”来说，社区的内容贡献问题、高手数量、跟随的小弟资源，均已盘活了。

只是，在大牛市下，怎么炒都容易赚钱，矛盾不易爆发。但万一熊了呢？

大数据！一个有关预测的局

万一熊了，能不能真正让小白用户“跟高手炒股”赚到钱，就成为决定App黏合度的最终关键，为此，有志于炒股App的各路英雄，包括BAT们，都祭出了同一张牌——大数据。

腾讯早在2012年就推出了“自选股”App，在其社交领域基础上打造“股票圈”；网络今年2月上线了选股App网络股市通，主推智能选股。阿里则在5月牵手第一财经，将第一财经专业的财经资讯、投研报告内容，通过支付宝“股市行情”端口直接抵达3亿支付宝用户。

在某种意义上，腾讯的“自选股”颇为类似上述草根创业的炒股App，阿里则以更为专业和标准化生产采集的第一手资讯和服务压过传统炒股软件大智慧们一头。两大巨头的切入角度，均是以自己最优势而竞争对手难以山寨的平台力量，可谓刁钻，但尚不具备颠覆力量；而最具典范意义的则是网络的股市通，其号称基于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，通过专业的数据挖掘和分析技术，将新闻信息、搜索数据与股票建立起相应的关系，以信息的热度变化来实时分析股票市场的变动。

简言之，就是通过信息流的快速变化得出一个涨跌的大数据结论，这个大数据优势，只有网络具备，其原理颇为类似早前网络推出依托区域面积内使用网络地图的人数而形成的景区热力图，来帮助出行人士选择到底是看人海还是看风景。这一基于大数据和人工智能技术的“智能选股”服务，据其统计数据显示，上线3个月以来，网络股市通应用大数据推出的热点有685个。如果以每个热点的关联股票作为一个组合，平均仓位以当日开盘价买入，第二天开盘价卖出计算，有78%的热点题材股票是上涨的，且日均涨幅达到1.7%。如果按照A股1年240个交易日计算，年复利收益在理论上达到56倍。

但这依然只是一个理论化的模型，其特点也仅仅是用数据的力量来分析海量信息流，跳过股民不关心的分析过程而直接导出一个预测结果，与“跟高手炒股”的区别，也主要在于一个是以算法来预测，一个则更多依靠经验来预测。

且“跟高手炒股”目前也在探索一种经验型大数据的解决方案，如股票雷达等，也在考虑除了供应大量信息和订阅高手动态的方式之外，对信息数据以及高手们的实时动态，而形成一系列预测结果，甚至介入中信证券、广发证券、国金证券、方正证券、国联证券等老牌券商，以形成更具指导力的结果，供小白用户直接选择。

怎么样的大数据分析方案，其实都只是各个入局炒股App根据自身优势与特点，对“真正能为小白客户实现简化投资”这一结果而找寻的出路，但真正能否预测到结果呢？正如抽样调查只能为选举结果提供参考系一样，仅仅来自于某些领域的大数据，其实也只是一个较大的参考系，而非全量的数据分析，其参考价值更大，但也仅仅只是参考，是更无限接近真相的一个预测。

股市有风险，投资需谨慎。这句话同样适用于炒股App们，能否在牛市和熊市的不同阶段保持对用户的黏合性，能否总是保持正确，很重要。而这其中，除了科学的大数据参考外，还有那么一丝赌博的味道。

以上是小编为大家分享的关于炒股App 大数据丢在风口上的蛋的相关内容，更多信息可以关注环球青藤分享更多干货

㈣ 基于微信大数据的股票预测研究

基于微信大数据的股票预测研究
大数据是近些年来的热门话题，无论国际上还是国内，影响很大。经济学、政治学、社会学和许多科学门类都会发生巨大甚至是本质上的变化和发展，进而影响人类的价值体系、知识体系和生活方式。而全球经济目前生成了史无前例的大量数据，如果把每天产生的大量数据比作神话时期的大洪水是完全正确的，这个数据洪流是我们前所未见的，他是全新的、强大的、当然，也是让人恐慌但又极端刺激的。
而我所分享的话题，正是在互联网环境下，如何利用大数据技术，进行股票预测的研究。–今天，我想分享我认为有意义的四点。
1.大数据下的商业预测
根据大数据，我们可以有效地进行故障、人流、流量、用电量、股票市场、疾病预防、交通、食物配送、产业供需等方面的预测。而本文我们所关心的内容是股票市场的预测。
大数据的核心是预测，预测依赖于对数据的分析。那么分析的方法是否是基于随机采样的结果而设计的，这样的分析方法是否会有误差？
从传统认识上，由于资源和科技的局限，如人和计算资源受限、从计算机处理能力来讲无法处理全部数据来获取人们所关注的结果。因此随机采样应运而生，通过所选取的个体来代表全体，如使用随机抽取的方式来使得推论结果更科学。但既然提到了大数据，它是资源发展到一定程度、以及技术发展到一定阶段产生的一个新的认识。如同电力的出现，使人类进入了一个快速发展阶段，大数据也一样，它的含义是全体样本，从整体样本来做推论。在本文大数据的含义是所有股票在整个社交网络上的流动信息，从数据源上讲，本文没有采用所有社交网络上的数据，只分析了微信这个最具代表性的社交媒体作为信息源。
互动数据能反映用户情绪，搜索数据能反映用户的关注点和意图，在股市预测时这两种数据哪种更具有参考价值？
我认为都有价值，互动数据反映了用户对某一特定股票的喜好和厌恶，可以简单描述为对该股票的操作是继续持有还是卖出；而搜索数据则代表用户在收集该股票信息的过程，它是关注度的概念，某只股票搜索度高则意味着消息的影响力大。互动代表着方向，搜索代表着振幅。
我们知道这两种数据得出的结论会有差异，您是如何平衡这两种数据反映的情况来进行预测的？
正如上一个问题里提到的，如果是股票推荐，买进卖出等原则问题，则应该考虑互动数据，但如果已经买到手了，搜索数据可以提供一个幅度的概念，类似债券评级A级、AA级、AAA级等，供投资者参考，因为不同投资者对风险的承受度是不同的。
将股票和市场的消息整理成140字的短消息发布，是否意味着主要发布渠道是微博？现在微信公众号很火，有没有考虑通过这个渠道也发布消息？
事实上，信息传播的方式很多，微信作为新媒体当然影响力不容小觑，但目前技术投入最小的还是邮件、短信等方式，未来会考虑使用公众号来推送股票和市场消息。
如果在未来通过微信公众号推送消息，那么推送的消息会不会作为数据来源被再次采集？这会有多大的影响？
会被采集，但互联网上的每日关于个股的信息数量会达到很大，该推送会增加推荐股票1点权重，每只股票的权重成百上千，因此影响极小。
数据来源是微信公众号，除了准确性的考虑之外，是否还考虑过这样收集数据会较少触犯个人隐私？
从法律角度来看，搜索微信或其他个人聊天记录，是侵犯个人隐私权的，因此如果腾讯开放了这样的接口，每个公民都可以对这样的行为进行投诉、抗议、甚至进行法律起诉直至其改正过错、赔偿损失的。
这样是否意味着即使存在违法的行为，其结果也是由腾讯来承担，而我们作为数据的使用方不需要承担任何法律责任？
在整个社会，我们作为系统技术提供方，应恪守大数据的伦理道德，遵守国家法律，如侵犯个人隐私，系统不会采集，谷歌有一句座右铭“谷歌不作恶”，本文提到的系统也一样。
2.基于大数据进行股票推荐实验
股票的及时度反应了微信文章所发布的时效性，及时度越高，数据价值就越大。
股票的热度反应了当前某只股票被关注的频度，关注频度越大，上涨的可能性越高。

数据的完整性：我们采用循环的方式对所有深沪两地发行约2236只股票（创业版除外）在微信搜索网站上的搜索结果进行保存。
数据的一致性：文件格式由负责保存数据文件的程序决定，单一的流程保障了文件的一致性。
数据的准确性：由于所分析的订阅号文章的是由微信公共平台的公众号所提供，在一定程度上杜绝了虚假消息对于预测系统的破坏。
数据的及时性：考虑到磁盘读写以及采集程序所处的网络带宽，以及搜索引擎对于采集程序的屏蔽，程序中采集两条信息之间间隔了5秒，因此理论上11180秒（3.1个小时）可收集完当日推荐所需要的数据。对于每个交易日，在9点-9点30分之间采集所有数据，需要7台以上的设备可达到最佳效果。本次试验受限于试验设备，在一台设备上，交易日每天早六时开始进行数据采集，也满足及时性要求。
数据分析：查看三个高优先级的股票，该股票当日的开盘价与收盘价，再与当日（2015-4-8）上证综指进行比较，可得在收益上该算法是优于上证综指为样本的整体股票的股价差收益的。
实验结论：按照上述方式，系统每天推荐出当日股票，在开盘时进行买进，在第二个交易日进行卖出。经过一个月21个交易日（2015-3-1至2015-3-31），系统的收益为20%/月。通过微信搜索公众号来预测市场走势和投资情绪呈现出正相关性，因此可以作为股票甄选的因子。
3.股票预测的大数据发展趋势
网络数据分成三种：
一是浏览数据，主要用于电商领域的消费者行为分析，浏览数据反映了用户每一步的访问脚步，进一步刻画出用户的访问路径，分析不同页面的跳转概率等。
二是搜索数据，主要指搜索引擎记录的关键词被搜索频次的时间序列数据，能反映数亿用户的兴趣、关注点、意图。
三是互动数据，主要是微博、微信、社交网站的数据，反映用户的倾向性和情绪因素。
2013年诺贝尔经济学奖得主罗伯特?席勒的观点被无数采访对象引述。席勒于上世纪80年代设计的投资模型至今仍被业内称道。在他的模型中，主要参考三个变量：投资项目计划的现金流、公司资本的估算成本、股票市场对投资的反应（市场情绪）。他认为，市场本身带有主观判断因素，投资者情绪会影响投资行为，而投资行为直接影响资产价格。
计算机通过分析新闻、研究报告、社交信息、搜索行为等，借助自然语言处理方法，提取有用的信息；而借助机器学习智能分析，过去量化投资只能覆盖几十个策略，大数据投资则可以覆盖成千上万个策略。
基于互联网搜索数据和社交行为的经济预测研究，已逐渐成为一个新的学术热点，并在经济、社会以及健康等领域的研究中取得了一定成果。在资本市场应用上，研究发现搜索数据可有效预测未来股市活跃度（以交易量指标衡量）及股价走势的变化。
对于搜索数据：互联网搜索行为与股票市场的关联机理。这个研究属于行为金融与互联网的交叉领域，其原理是：股票量价调整是投资者行为在股票市场上的反应；与此同时，投资者行为在互联网搜索市场也有相应地行为迹象，我们要做到是：找到互联网搜索市场中领先于股票交易的行为指标，综合众多投资者的先行搜索指标，对未来的股票交易做出预判。
如同天气预报那样，不断优化模型、灌入海量信息，然后给出结果。并且在处理的信息中，有80%是“非结构化”数据，例如政策文件、自然事件、地理环境、科技创新等，这类信息通常是电脑和模型难以消化的。采用了语义分析法，可以将互动数据里的金融对话量化为“-1（极度看空）”到“1（极度看多）”之间的投资建议，通过分析互动数据的数据文本，作为股市投资的信号。
4.正在发生的未来
大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的将来。
大数据在实用层面的影响很广泛，解决了大量的日常问题。大数据更是利害攸关的，它将重塑我们的生活、工作和思维方式。在某些方面，我们面临着一个僵局，比其他划时代创新引起的社会信息范围和规模急剧扩大所带来的影响更大。我们脚下的地面在移动。过去确定无疑的事情正在受到质疑。大数据需要人们重新讨论决策、命运和正义的性质。拥有知识曾意味着掌握过去，现在则意味着能够预测未来。
大数据并不是一个充斥着算法和机器的冰冷世界，其中仍需要人类扮演重要角色。人类独有的弱点、错觉、错误都是十分必要的，因为这些特性的另一头牵着的是人类的创造力、直觉和天赋。这提示我们应该乐于接受类似的不准确，因为不准确正是我们之所以为人的特征之一。就好像我们学习处理混乱数据一样，因为这些数据服务的是更加广大的目标。必将混乱构成了世界的本质，也构成了人脑的本职，而无论是世界的混乱还是人脑的混乱，学会接受和应用他们才能得益。
我相信，利用基础数据、搜索数据、互动数据再进行加权计算，可以对所有股票进行大数据遴选，从而给出投资建议。我认为，我们的肉身刚刚步入大数据时代，但我们的精神还滞留在小数据、采样思维之中，率先用理性击碎固有思维的人，也将率先获得大数据带来的益处。