曾經有這么一群人，他們每天早上8點打開軟件，調試著各種交易工具，確保每天能夠正常運行。9點開盤了，靜靜的看著交易軟件的自動買入賣出。中午吃個飯，下午繼續這樣的工作。晚上想一想算法模型，思考一下人生，再算一下當日的最新凈值。他們是可能改變華爾街研究員的一類人，被戲稱為瘋狂的賺錢機器。他們就是以在20年的時間里創造了年均凈回報率高達35%驚人傳奇的量化投資大師西蒙斯為代表的量化投資研究員。

我們如今生活在一個數據爆炸的世界里。百度每天響應超過60億次的搜索請求，日處理數據超過100PB，相當于6000多座中國國家圖書館的書籍信息量總和。新浪微博每天都會發布上億條微博。在荒無人煙的郊外，暗藏著無數大公司的信息存儲中心，24小時夜以繼日地運轉著。

克托·邁爾-舍恩伯格在《大數據時代》一書中認為，大數據的核心就是預測，即只要數據豐富到一定程度，就可預測事情發生的可能性。例如，“從一個人亂穿馬路時行進的軌跡和速度來看他能及時穿過馬路的可能性”，或者通過一個人穿過馬路的速度，預測車子何時應該減速從而讓他及時穿過馬路。

那么，如果把這種預測能力應用在股票投資上，又會如何？

目前，美國已經有許多對沖基金采用大數據技術進行投資，并且收獲甚豐。中國的中證廣發百度百發100指數基金（下稱百發100），上線四個多月以來已上漲68%。

和傳統量化投資類似，大數據投資也是依靠模型，但模型里的數據變量幾何倍地增加了，在原有的金融結構化數據基礎上，增加了社交言論、地理信息、衛星監測等非結構化數據，并且將這些非結構化數據進行量化，從而讓模型可以吸收。

由于大數據模型對成本要求極高，業內人士認為，大數據將成為共享平臺化的服務，數據和技術相當于食材和鍋，基金經理和分析師可以通過平臺制作自己的策略。

不要小看大數據的本領，正是這項剛剛興起的技術已經創造了無數“未卜先知”的奇跡。

2014年，百度用大數據技術預測命中了全國18卷中12卷高考作文題目，被網友稱為“神預測”。百度公司人士表示，在這個大數據池中，包含互聯網積累的用戶數據、歷年的命題數據以及教育機構對出題方向作出的判斷。

在2014年巴西世界杯比賽中，Google亦通過大數據技術成功預測了16強和8強名單。

從當年英格蘭報社的信鴿、費城股票交易所的信號燈到報紙電話，再到如今的互聯網、云計算、大數據，前沿技術迅速在投資領域落地。在股票策略中，大數據日益嶄露頭角。

做股票投資策略，需要的大數據可以分為結構化數據和非結構化數據。結構化數據，簡單說就是“一堆數字”，通常包括傳統量化分析中常用的CPI、PMI、市值、交易量等專業信息；非結構化數據就是社交文字、地理位置、用戶行為等“還沒有進行量化的信息”。

量化非結構化就是用深度模型替代簡單線性模型的過程，其中所涉及的技術包括自然語言處理、語音識別、圖像識別等。

金融大數據平臺-通聯數據CEO王政表示，通聯數據采用的非結構化數據可以分為三類：第一類和人相關，包括社交言論、消費、去過的地點等；第二類與物相關，如通過正在行駛的船只和貨車判斷物聯網情況；第三類則是衛星監測的環境信息，包括汽車流、港口裝載量、新的建筑開工等情況。

衛星監測信息在美國已被投入使用，2014年Google斥資5億美元收購了衛星公司Skybox，從而可以獲得實施衛星監測信息。

結構化和非結構化數據也常常相互轉化。“結構化和非結構化數據可以形象理解成把所有數據裝在一個籃子里，根據應用策略不同相互轉化。例如，在搜索頻率調查中，用戶搜索就是結構化數據；在金融策略分析中，用戶搜索就是非結構化數據。”百度公司人士表示。

華爾街拿著豐厚薪水的分析師們還不知道，自己的雇主已經將大量資本投向了取代自己的機器。

2014年11月23日，高盛向Kensho公司投資1500萬美元，以支持該公司的大數據平臺建設。該平臺很像iPhone里的Siri，可以快速整合海量數據進行分析，并且回答投資者提出的各種金融問題，例如“下月有颶風，將對美國建材板塊造成什么影響？”

在Kensho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。因此，Kensho的CEO Daniel Nadler認為，華爾街過去是基于20%的信息做出100%的決策。

既然說到高盛，順便提一下，這家華爾街老牌投行如今對大數據可謂青睞有加。除了Kensho，高盛還和Fortress信貸集團在兩年前投資了8000萬美元給小額融資平臺On Deck Capital。這家公司的核心競爭力也是大數據，它利用大數據對中小企業進行分析，從而選出值得投資的企業并以很快的速度為之提供短期貸款。

上述諸多非結構化數據，歸根結底是為了獲得一個信息：市場情緒。

在采訪中，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。可以說，大數據策略投資的創業者們無一不是席勒的信奉者。

席勒于上世紀80年代設計的投資模型至今仍被業內稱道。在他的模型中，主要參考三個變量：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。

然而，在大數據技術誕生之前，市場情緒始終無法進行量化。

回顧人類股票投資發展史，其實就是將影響股價的因子不斷量化的過程。

上世紀70年代以前，股票投資是一種定性的分析，沒有數據應用，而是一門主觀的藝術。隨著電腦的普及，很多人開始研究驅動股價變化的規律，把傳統基本面研究方法用模型代替，市盈率、市凈率的概念誕生，量化投資由此興起。

量化投資技術的興起也帶動了一批華爾街大鱷的誕生。例如，巴克萊全球投資者（BGI）在上世紀70年代就以其超越同行的電腦模型成為全球最大的基金管理公司；進入80年代，另一家基金公司文藝復興（Renaissance）年均回報率在扣除管理費和投資收益分成等費用后仍高達34%，堪稱當時最佳的對沖基金，之后十多年該基金資產亦十分穩定。

“從主觀判斷到量化投資，是從藝術轉為科學的過程。”王政表示，上世紀70年代以前一個基本面研究員只能關注20只到50只股票，覆蓋面很有限。有了量化模型就可以覆蓋所有股票，這就是一個大的飛躍。此外，隨著計算機處理能力的發展，信息的用量也有一個飛躍變化。過去看三個指標就夠了，現在看的指標越來越多，做出的預測越來越準確。

隨著21世紀的到來，量化投資又遇到了新的瓶頸，就是同質化競爭。各家機構的量化模型越來越趨同，導致投資結果同漲同跌。“能否在看到報表數據之前，用更大的數據尋找規律？”這是大數據策略創業者們試圖解決的問題。

于是，量化投資的多米諾骨牌終于觸碰到了席勒理論的第三層變量——市場情緒。

計算機通過分析新聞、研究報告、社交信息、搜索行為等，借助自然語言處理方法，提取有用的信息；而借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。

基于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，并在經濟、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。

海外就有學術研究指出，公司的名稱或者相關關鍵詞的搜索量，與該公司的股票交易量正相關。德國科學家Tobias Preis就進行了如此研究：Tobias利用谷歌搜索引擎和谷歌趨勢（Google Trends），以美國標普500指數的500只股票為其樣本，以2004年至2010年為觀察區間，發現谷歌趨勢數據的公司名稱搜索量和對應股票的交易量，在每周一次的時間尺度上有高度關聯性。也就是說，當某個公司名稱在谷歌的搜索量活動增加時，無論股票的價格是上漲或者下跌，股票成交量與搜索量增加；反之亦然，搜索量下降，股票成交量下降。以標普500指數的樣本股為基礎，依據上述策略構建的模擬投資組合在六年的時間內獲得了高達329%的累計收益。

在美國市場上，還有多家私募對沖基金利用Twitter和Facebook的社交數據作為反映投資者情緒和市場趨勢的因子，構建對沖投資策略。利用互聯網大數據進行投資策略和工具的開發已經成為世界金融投資領域的新熱點。

保羅·霍丁管理的對沖基金Derwent成立于2011年5月，注冊在開曼群島，初始規模約為4000萬美元， 2013年投資收益高達23.77%。該基金的投資標的包括流動性較好的股票及股票指數產品。

通聯數據董事長肖風在《投資革命》中寫道，Derwent的投資策略是通過實時跟蹤Twitter用戶的情緒，以此感知市場參與者的“貪婪與恐懼”，從而判斷市場漲跌來獲利。

在Derwent的網頁上可以看到這樣一句話：“用實時的社交媒體解碼暗藏的交易機會。”保羅·霍丁在基金宣傳冊中表示：“多年以來，投資者已經普遍接受一種觀點，即恐懼和貪婪是金融市場的驅動力。但是以前人們沒有技術或數據來對人類情感進行量化。這是第四維。Derwent就是要通過即時關注Twitter中的公眾情緒，指導投資。”

另一家位于美國加州的對沖基金MarketPsych與湯普森·路透合作提供了分布在119個國家不低于18864項獨立指數，比如每分鐘更新的心情狀態（包括樂觀、憂郁、快樂、害怕、生氣，甚至還包括創新、訴訟及沖突情況等），而這些指數都是通過分析Twitter的數據文本，作為股市投資的信號。

此類基金還在不斷涌現。金融危機后，幾個臺灣年輕人在波士頓組建了一家名為FlyBerry的對沖基金，口號是“Modeling the World（把世界建模）”。它的投資理念全部依托大數據技術，通過監測市場輿論和行為，對投資做出秒速判斷。

關于社交媒體信息的量化應用，在股票投資之外的領域也很常見：Twitter自己也十分注重信息的開發挖掘，它與DataSift和Gnip兩家公司達成了一項出售數據訪問權限的協議，銷售人們的想法、情緒和溝通數據，從而作為顧客的反饋意見匯總后對商業營銷活動的效果進行判斷。從事類似工作的公司還有DMetics，它通過對人們的購物行為進行分析，尋找影響消費者最終選擇的細微原因。

回到股票世界，利用社交媒體信息做投資的公司還有StockTwits。打開這家網站，首先映入眼簾的宣傳語是“看看投資者和交易員此刻正如何討論你的股票”。正如其名，這家網站相當于“股票界的Twitter”，主要面向分析師、媒體和投資者。它通過機器和人工相結合的手段，將關于股票和市場的信息整理為140字以內的短消息供用戶參考。

此外，StockTwits還整合了社交功能，并作為插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平臺，讓人們可以輕易分享投資信息。

另一家公司Market Prophit也很有趣。這家網站的宣傳語是“從社交媒體噪音中提煉市場信號”。和StockTwits相比，Market Prophit更加注重大數據的應用。它采用了先進的語義分析法，可以將Twitter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。網站還根據語義量化，每天公布前十名和后十名的股票熱度榜單。網站還設計了“熱度地圖”功能，根據投資者情緒和意見，按照不同板塊，將板塊內的個股按照顏色深淺進行標注，誰漲誰跌一目了然。

盡管大數據策略投資在美國貌似炙手可熱，但事實上，其應用尚僅限于中小型對沖基金和創業平臺公司。大數據策略投資第一次被大規模應用，應歸于中國的百發100。

百度金融中心相關負責人表示，與歐美等成熟資本市場主要由理性機構投資者構成相比，東亞尤其是中國的股票類證券投資市場仍以散戶為主，因此市場受投資者情緒和宏觀政策性因素影響很大。而個人投資者行為可以更多地反映在互聯網用戶行為大數據上，從而為有效地預測市場情緒和趨勢提供了可能。這也就是中國國內公募基金在應用互聯網大數據投資方面比海外市場并不落后、甚至領先的原因。

百發100指數由百度、中證指數公司、廣發基金聯合研發推出，于2014年7月8日正式對市場發布，實盤運行以來一路上漲，漲幅超過60%。跟蹤該指數的指數基金規模上限為30億份，2014年9月17日正式獲批，10月20日發行時一度創下26小時瘋賣18億份的“神話”。

外界都知道百發100是依托大數據的指數基金，但其背后的細節鮮為人知。

百發100數據層面的分析分為兩個層面，即數據工廠的數據歸集和數據處理系統的數據分析。其中數據工廠負責大數據的收集分析，例如將來源于互聯網的非結構化數據進行指標化、產品化等數據量化過程；數據處理系統，可以在數據工廠遞交的大數據中尋找相互統計關聯，提取有效信息，最終應用于策略投資。

“其實百發100是在傳統量化投資技術上融合了基于互聯網大數據的市場走勢和投資情緒判斷。”業內人士概括道。

和傳統量化投資類似，百發100對樣本股的甄選要考慮財務因子、基本面因子和動量因子，包括凈資產收益率（ROE）、資產收益率（ROA）、每股收益增長率（EPS）、流動負債比率、企業價值倍數（EV/EBITDA）、凈利潤同比增長率、股權集中度、自由流通市值以及最近一個月的個股價格收益率和波動率等。

此外，市場走勢和投資情緒是在傳統量化策略基礎上的創新產物，也是百發100的核心競爭力。接近百度的人士稱，市場情緒因子對百發100基金起決定性作用。

百度金融中心相關負責人是羅伯特•席勒觀點的支持者。他認為，投資者行為和情緒對資產價格、市場走勢有著巨大的影響。因此“通過互聯網用戶行為大數據反映的投資市場情緒、宏觀經濟預期和走勢，成為百發100指數模型引入大數據因子的重點”。

傳統量化投資主要著眼點在于對專業化金融市場基本面和交易數據的應用。但在百度金融中心相關業務負責人看來，無論是來源于專業金融市場的結構化數據，還是來源于互聯網的非結構化數據，都是可以利用的數據資源。因此，前文所述的市場情緒數據，包括來源于互聯網的用戶行為、搜索量、市場輿情、宏觀基本面預期等等，都被百度“變廢為寶”，從而通過互聯網找到投資者參與特征，選出投資者關注度較高的股票。

“與同期滬深300指數的表現相較，百發100更能在股票市場振蕩時期、行業輪動劇烈時期、基本面不明朗時期抓住市場熱點、了解投資者情緒、抗擊投資波動風險。”百度金融中心相關負責人表示。

百發100選取的100只樣本股更換頻率是一個月，調整時間為每月第三周的周五。

業內人士指出，百發100指數的月收益率與中證100、滬深300、中證500的相關性依次提升，說明其投資風格偏向中小盤。

但事實并非如此。從樣本股的構成來說，以某一期樣本股為例，樣本股總市值6700億元，占A股市值4.7%。樣本股的構成上，中小板21只，創業板4只，其余75只樣本股均為大盤股。由此可見，百發100還是偏向大盤為主、反映主流市場走勢。

樣本股每個月的改變比例都不同，最極端的時候曾經有60%進行了換倉。用大數據預測熱點變化，市場熱點往往更迭很快；但同時也要考慮交易成本。兩方面考慮，百度最后測算認為一個月換一次倉位為最佳。

樣本股對百發100而言是核心機密——據說“全世界只有基金經理和指數編制機構負責人兩個人知道”——都是由機器決定后，基金經理分配給不同的交易員建倉買入。基金經理也沒有改變樣本股的權利。

展望未來，百度金融中心相關負責人躊躇滿志，“百發100指數及基金的推出，只是我們的開端和嘗試，未來將形成多樣化、系列投資產品。”

除了百發100，目前市場上打著大數據旗幟的基金還有2014年9月推出的南方-新浪I100和I300指數基金。

南方-新浪I100和I300是由南方基金、新浪財經和深圳證券信息公司三方聯合編制的。和百發100類似，也是按照財務因子和市場情緒因子進行模型打分，按照分值將前100和前300名股票構成樣本股。推出至今，這兩個指數基金分別上漲了10%左右。

正如百發100的市場情緒因子來自百度，南方-新浪I100和I300的市場情緒因子全部來自新浪平臺。其中包括用戶在新浪財經對行情的訪問熱度、對股票的搜索熱度；用戶在新浪財經對股票相關新聞的瀏覽熱度；股票相關微博的多空分析數據等。

此外，阿里巴巴旗下的天弘基金也有意在大數據策略上做文章。據了解，天弘基金將和阿里巴巴合作，推出大數據基金產品，最早將于2015年初問世。

天弘基金機構產品部總經理劉燕曾對媒體表示，“在傳統的調研上，大數據將貢獻于基礎資產的研究，而以往過度依賴線下研究報告。大數據將視野拓展至了線上的數據分析，給基金經理選股帶來新的邏輯。”

在BAT三巨頭中，騰訊其實是最早推出指數基金的。騰訊與中證指數公司、濟安金信公司合作開發的“中證騰安價值100指數”早在2013年5月就發布了，號稱是國內第一家由互聯網媒體與專業機構編制發布的A股指數。不過，業內人士表示，有關指數并沒有真正應用大數據技術。雖然騰訊旗下的微信是目前最熱的社交平臺，蘊藏了大量的社交數據，但騰訊未來怎么開發，目前還并不清晰。

中歐商學院副教授陳威如在其《平臺戰略》一書中提到，21世紀將成為一道分水嶺，人類商業行為將全面普及平臺模式，大數據金融也不例外。

然而，由于大數據模型對成本要求極高，就好比不可能每家公司都搭建自己的云計算系統一樣，讓每家機構自己建設大數據模型，從數據來源和處理技術方面看都是不現實的。業內人士認為，大數據未來必將成為平臺化的服務。

目前，阿里、百度等企業都表示下一步方向是平臺化。

螞蟻金服所致力搭建的平臺，一方面包括招財寶一類的金融產品平臺，另一方面包括云計算、大數據服務平臺。螞蟻金服人士說，“我們很清楚自己的優勢不是金融，而是包括電商、云計算、大數據等技術。螞蟻金服希望用這些技術搭建一個基礎平臺，把這些能力開放出去，供金融機構使用。”

百度亦是如此。接近百度的人士稱，未來是否向平臺化發展，目前還在討論中，但可以確定的是，“百度不是金融機構，目的不是發產品，百發100的意義在于打造影響力，而非經濟效益。”

當BAT還在摸索前行時，已有嗅覺靈敏者搶占了先機，那就是通聯數據。

通聯數據股份公司（DataYes）由曾任博時基金副董事長肖風帶隊創建、萬向集團投資成立，總部位于上海，公司愿景是“讓投資更容易，用金融服務云平臺提升投資管理效率和投研能力”。該平臺7月上線公測，目前已擁有130多家機構客戶，逾萬名個人投資者。

通聯數據目前有四個主要平臺，分別是通聯智能投資研究平臺、通聯金融大數據服務平臺、通聯多資產投資管理平臺和金融移動辦公平臺。

通聯智能投資研究平臺包括雅典娜-智能事件研究、策略研究、智能研報三款產品，可以對基于自然語言的智能事件進行策略分析，實時跟蹤市場熱點，捕捉市場情緒。可以說，和百發100類似，其核心技術在于將互聯網非結構化數據的量化使用。

通聯金融大數據服務平臺更側重于專業金融數據的分析整理。它可以提供公司基本面數據、國內外主要證券、期貨交易所的行情數據、公司公告數據、公關經濟、行業動態的結構化數據、金融新聞和輿情的非結構化數據等。

假如將上述兩個平臺比作“收割機”，通聯多資產投資管理平臺就是“廚房”。在這個“廚房”里，可以進行全球跨資產的投資組合管理方案、訂單管理方案、資產證券化定價分析方案等。

通聯數據可以按照主題熱點或者自定義關鍵字進行分析，構建知識圖譜，將相關的新聞和股票提取做成簡潔的分析框架。例如用戶對特斯拉感興趣，就可以通過主題熱點看到和特斯拉相關的公司，并判斷這個概念是否值得投資。“過去這個搜集過程要花費幾天時間，現在只需要幾分鐘就可以完成。”王政表示。

“通聯數據就好比一家餐館，我們把所有原料搜集來、清洗好、準備好，同時準備了一個鍋，也就是大數據存儲平臺。研究員和基金經理像廚師一樣，用原料、工具去‘烹制’自己的策略。”王政形容道。

大數據在平臺上扮演的角色，就是尋找關聯關系。人類總是習慣首先構建因果關系，繼而去倒推和佐證。機器學習則不然，它可以在海量數據中查獲超越人類想象的關聯關系。正如維克托`邁爾-舍恩伯格在《大數據時代》中所提到的，社會需要放棄它對因果關系的渴求，而僅需關注相互關系。

例如，美國超市沃爾瑪通過大數據分析，發現颶風用品和蛋撻擺在一起可以提高銷量，并由此創造了頗大的經濟效益。如果沒有大數據技術，誰能將這毫無關聯的兩件商品聯系在一起？

通聯數據通過機器學習，也能找到傳統量化策略無法發現的市場聯系。其中包括各家公司之間的資本關系、產品關系、競爭關系、上下游關系，也包括人與人之間的關系，例如管理團隊和其他公司有沒有關聯，是否牽扯合作等。

未來量化研究員是否將成為一個被淘汰的職業？目前研究員的主要工作就是收集整理數據，變成投資決策，而之后這個工作將更多由機器完成。

“當初醫療科技發展時，人們也認為醫生會被淘汰，但其實并不會。同理，研究員也會一直存在，但他們會更注重深入分析和調研，初級的數據搜集可以交給機器完成。”王政表示。

但當未來大數據平臺并廣泛應用后，是否會迅速擠壓套利空間？這也是一個問題。