大數據對於一名散戶的意義何在?

作者:Alan   |   2016 / 03 / 30

文章來源:策略雲   |   圖片來源:Joseph Wang


有沒有什麼分析都一定扯上大數據的八卦?

好比一個總統大選辯論會,老人女人、有錢人,所有候選人都繞著它爭辯的關鍵詞,民意代表呼籲要跟上這波潮流,報紙登出一些連標題都嫌太長的社論,官員緩緩宣布我們要以大數據的概念建構…

然後你恍神了。

不久之後你的老闆也趕上這股流行,為了不顯得外行只好邊開會邊在桌子底下查維基百科,還有更多呢,人工智慧、回測,對於不是以看世界培養國際觀為業的你真是痛苦難當。

大數據對於一名散戶的意義何在?

大數據

大數據的定義沒有你想像的複雜多元,一般認為要有3個V,資料量(Volume)要夠大,資料輸入輸出速度(Velocity)要夠快,與資料變化度(Variety)要夠高,由於技術的突破,我們開始可以處理這些大量、快速輸入輸出或是不同結構的資料,運用在股市中可能是交易盈虧、籌碼變化等,當然,雲端運算技術降低成本門檻,配合各式資料源(社群資料、地理資料與行動資料)的易取得性,推動了這波大數據熱,但是別誤會,資料並不一定要大才有價值,我們不應該以資料量的大小來評估其資料分析的潛力,大數據的核心精神僅僅在於分析過去歷史資料來產生決策或預測,用白話說就是鑑往知來。

大數據僅僅是一個概念而不是一種方法,而應用大數據的方法包含多個學科的組合,包含統計、演算法、甚至是網路科學,因此下次當有人跟你說,「用大數據來解決…」,請他把方法說出來吧,例如「我用分群法來解決…」,不然只會徒增誤解。

內文-策略雲Allan-大數據對於一名散戶的意義何在-01

大數據應用在投資策略中,較為普遍的有回測以及人工智慧兩種。

  • 回測(程式交易)

回測運用在投資方法的分析已行之有年,特別是在期貨的程式交易,老牌軟體MultiCharts便提供程式開發環境讓投資人可以將投資想法轉換成策略,並利用歷史資料回測進行驗證投資方法的有效性,回測的技術方法是來自統計學分析,透過反覆嘗試 (又叫試驗法、暴力法)然後統計結果,然而這樣的方法缺點在於不夠彈性且受限於人為定義策略的限制,無法自動化的對特殊事件進行調整。比如榮化公司股價因為高雄氣爆事件股價重挫,期間若以價位或營收等資料作為條件設定回測,可能產生參考價值較低的結果,優點是你可以不用再從事些紙上談兵的模擬投資了,直接輸入你自己,或是你從某周刊某老師那邊學來的策略,透過回測服務機構的運算,就能了解「如果我這樣買賣會怎樣」。

  • 人工智慧(機器人理財)

人工智慧是最常被提到用在大數據應用的基礎方法,包含機器學習與資料探勘都算是人工智慧的方法,相較於回測的反覆嘗試,人工智慧著重於根據資料性質設計假設模型(比如機率分布),並設計適合電腦運算的架構,除了分析歷史資料,更希望能讓電腦建立智慧(判斷準則),因此以機器人理財來說,目標是能夠全自動化的根據變動的金融訊息,針對股價或趨勢進行預測,並做出最佳投資決策,然而,雖然相關資訊技術不斷突破,人工智慧運用於投資決策目前仍多數停留在研究理論階段,可實行性尚難以評估。

內文-策略雲Allan-大數據對於一名散戶的意義何在-02

回測(程式交易)與人工智慧(機器人理財)都算是大數據運用在金融商品的應用,其核心精神都是因為認為歷史一再重複,有跡可循,從而分析過去歷史資料來產生決策或預測,但兩者有其不同的方法和目標,所得到的結果也不會相同,投資人應該根據不同目的選擇合適的應用服務。

喜歡這篇文章?加入你的S夾!

分享好文章

個股相關基金

發行地點

全部
境內
境外

發行類型

全部
股票
平衡

切換表頭

基本資料
股票指標
收益指標
歷史績效

基金名稱

排序條件
歷史年化報酬率
歷史年化波動度
歷史年化夏普值
個股權重
發行地點
淨值
資產規模
台灣人投資金額/比重
排序依照
高→低
低→高

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

個股
權重

發行
地點

淨值

資產規模
百萬美元

台灣人投資
金額/比重
百萬美元

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

預估未來
本益比

市值
營收比

產業
集中度

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

信用評等

存續期間

到期殖利率

類型/
計價幣別

報酬率 /年化波動度

近1月

近3月

近6月

近1年

近3年

近5年

近10年

年初至今

我要集氣100%權重的主題投資
已集氣投組上線通知我 >

* 基金成立日期在西元2000年以前者,目前資料僅顯示自2000-01-01開始,相關數據皆由2000-01-01後之數據計算而成。

基金淨值、報酬率、波動率及夏普值為每日更新,基金各項分析數據為每週更新,資產規模/月報為每月更新,台灣人投資金額為每季更新

產業地區分布

投資產業分布

投資地區分布

未有公開資訊

67.2%

科技

26.8%

金融

26.8%

原物料/能源

26.8%

傳產

2.2%

工業

2.0%

必需性消費

0.1%

可選性消費

0.1%

醫療保健

2.0%

公共事業

0.7%

服務

0.6%

未有公開資訊

67.2%

已開發國家

26.8%

北美

19.5%

歐洲區

3.9%

日本

3.3%

亞太區

0.1%

大中華

4.8%

新興市場(不含大中華)

1.3%

成功集氣+1

留個信箱,投組上線通知你

送出
loading animation
Alan

策略雲

策略雲共同創辦人,提到資訊與數學就會熱血沸騰, 追逐夢想就算滿身傷痕,也要不虛此生, 相信只要單純就能永恆。