【老炮儿白硕创业了】CCIR阡寻科技聊知识图谱和NLP如何落地金融
1 新智元报道
来源：阡寻科技
【新智元导读】阡寻科技(Chancein)成立一年多，由东吴证券与中国证券市场及自然语言领域泰斗级人物白硕先生所率领的团队共同发起设立。全国信息检索学术会议上，阡寻科技执行董事、总经理熊昊博士在大会做了《Chance in 阡寻-让知识对接价值》的主题演讲，介绍了知识图谱和NLP在金融行业的落地。
日~14日,第二十三届全国信息检索学术会议(简称CCIR2017)在上海市召开。中国中文信息学会主办的每年一次的“全国信息检索学术会议”(CCIR)系列， 已成功举办过9届，是国内信息检索领域最主要的学术活动之一。
会议上，阡寻科技执行董事、总经理熊昊博士做了《Chance in 阡寻-让知识对接价值》的主题演讲。熊昊博士结合技术、产品及应用领域，介绍了通过自然语言处理和知识图谱等人工智能技术，在金融领域的产品以及实现场景的落地情况。
NLP+金融界老炮儿白硕创业了，踩过坑才知道痛点
阡寻科技(Chancein)于2015年12月成立，一家专注于金融科技领域的人工智能公司，由中国证券市场及自然语言领域泰斗级人物白硕先生所率领的团队共同发起设立，公司创始人及高管团队多拥有博士学位。
白硕现任阡寻科技董事长，曾任中科院计算所研究员、博士导师、软件室主任、软件方向首席科学家。2002年任上海证券交易所总工程师。同时白硕是新智元智库专家之一。新智元就创业和金融+AI技术等问题对白硕进行了专访，如下：
新智元：您为什么在这个时期选择创业？
白硕：之所以选择创业是多种因素的交汇的结果，这段时间既是中国创业氛围最好的时期，也是人工智能大有用武之地的黄金时期，更是我个人在技术和业务方面的丰富积累互相交融渗透、产生大量想法的时期。我和阡寻科技的其他创业伙伴们对此一拍即合。
新智元：现在做金融知识图谱的公司越来越多，阡寻的知识图谱及其相关产品有什么优势？
白硕：真理被大家认识到只是时间问题，我们绝不把希望寄托在“众人皆醉我独醒”上，这既不可能也不现实。
我很高兴有越来越多的公司认识到知识图谱对于金融基本面分析的重要作用，这既验证了我们的判断，也从一个侧面肯定了我们的前期努力。
但是认识到应用知识图谱是一个正确的方向是一回事，在一个个领域中耕耘细节，精准把握分析师最核心的静态知识关联和动态事理推理路径是另一回事。
此外还有自然语言处理和知识图谱对接这样一个受到人工智能界普遍关注的技术挑战在里面，无论在领域知识方面、产品方面还是技术方面，都有很多很多的坑，真正踩过了才知道痛点。
新智元：熊昊博士在演讲中举例，通过AI系统通过自动收集橡胶相关新闻，竟然成功预测了橡胶的涨跌，这个例子让人印象深刻。如此智能，是不是说明NLP在金融领域达到了人类水平？从现有数据上看，阡寻预测成功了多少案例，有没有一个成功率的指标？
白硕：重大事件的基本面分析往往都是个案驱动的，其在现实生活中发生概率本就不高，再被系统完整捕捉到，就意味着相应的领域知识及其关联和推理方面准备必须非常充分。
目前供实验研究用的测试集的积累还很不足，在这种情况下谈指标有点奢侈。这里必须有一个大规模资源建设的过程，而资源建设全面铺开需要大量投入，这不是一个初创公司能够马上做起来的。
我们一方面要把公司经营行为、资本运作行为这类领域无关共性事理先做好，另一方面也在有序推进领域相关的资源建设，期货、化工、汽车是我们目前在资源建设上相对聚焦的领域，因此在橡胶事件中，与这几个领域有直接关联的推理链条被完整捕捉下来。随着领域知识图谱的资源建设进一步铺开，阡寻科技的产业链推理功能还会被进一步放大，产生更加靓丽的表现。
以下是熊昊博士的演讲内容。
金融遇上知识图谱和NLP
全球范围内，包括中国BAT等各大互联网公司都在研究自然语言处理、知识图谱和深度学习，行业目前正在争夺落地场景。阡寻让金融遇见知识图谱和NLP技术。
知识图谱作为一种大规模的知识表示形态，其核心是以图的方式存储知识并向用户返回经过加工和推理的知识。
其中行业知识图谱是数据分析从简单的量化模型走向更为复杂的价值判断和风险评估必经的一环，是把专家经验和实体关系逐步变成可重用、可演化、可验证、可传播的知识模型的方法。
对金融领域，事件的发生是有征兆的，通过对事件进行捕捉形成事理推理型的知识图谱，以描绘事件发生的顺承关系和因果关系。
据熊昊博士介绍，阡寻构建了证券领域的实体知识图谱库和事理知识图谱库。与推理引擎的相结合，形成了一个可解释、可追踪的分析体系，从而对市场上实时发生的各种事件做即时投资分析和风险预警。与此同时，在风险征兆预警方面，不仅能告诉用户危险了，还能阐明什么征兆积累到了什么程度，可能引发什么后果。
基于对金融行业的理解，他们建立了事理知识图谱，其描绘了金融事件发生的顺承关系和因果关系。运用自然语言理解、自然语言生成技术、语义分析技术对金融领域的新闻、研究报告、上市公司的公告进行分析，生成自动文摘和研究报告和机器自动写作。
自然语言处理技术，目前是人工智能进行场景落地时的一大难点重点。在面对不同领域不同场景时，需要大量的领域背景知识以提高语义分析的精准度。自然语言理解，是阡寻多个产品的重要触发源解析的关键。阡寻科技的产业链知识图谱，不仅在沿图谱进行智能推理时起到决定性作用，还能大大提高金融领域自然语言理解的准确度。
大众的情绪对金融市场有影响吗？有，通过对新闻、评论等文本中的主观性信息进行分析，来挖掘其态度和情绪。这就是情感倾向性分析和观点挖掘，也是NLP研发的内容之一。
除了互联网常用的词典，阡寻科技在金融领域长期积累了一批独有的词典，包括金融本体库，程度副词词典，以及情感词典等等。在对互联网文本进行分词、词性标注、命名实体识别、依存句法分析后，定义相应的情感计算规则来量化文本对某实体的情感倾向性。
网上资讯如何转化成“真金白银”
根据熊昊博士介绍，阡寻科技的产品蝴蝶投研，会基于市场和经济知识，沿产业链知识图谱对市场上发生的各类事件进行即时推理分析。蝴蝶投研首先自动采集新闻，通过自然语言理解将事件导入系统，然后结合行业产业链、知识图谱和推理决策系统的推理体系，运用机器语言将其翻译成自然语言，输出结论，自动生成影响、分析报告。
以橡胶期货的关键事件为例。
系统捕捉到四个关键事件，分别为：2016年2月半挂牵引车由负转正、青岛保税区天然橡胶库存下跌、天然橡胶主要产地泰国爆发特大洪水和合成橡胶价格倒挂。首先是从重点网址上捕捉到新闻，然后利用自然语言技术从此类新闻中解读关键属性，将各个关键属性输入系统处理引擎，并得出结论。通过对历史事件的回测来完善、验证系统。
2016年2月，蝴蝶投研系统采集到2016 年1月份半挂牵引车有关销量的新闻。
系统经过深度学习技术和自然语言处理的语义挖掘和分析文字含义相关技术，截取到关键字“2016年1月”“半挂牵引车”“销量”“同比增长”“18.62%”，输出需要推理分析的事件：“2016 年1月份半挂牵引车销量同比增长 18.62%”。
通过调动智能研究调度器的推理决策模型，进行数据分析推理，输出结论：
在1月份销量同比涨幅18.62%之前，半挂牵引车持续一年处于0 或负增长状态，中国的基建，货物的运输特别是大宗商品的运输都离不开重卡，所以重卡销量一直被市场当做是中国经济周期回升的先行指标。该消息的出现意味着中国经济基本面出现止跌回升态势。同时利好重卡上市公司，如A股的中国重汽、福田汽车、港股的为财动力、中国重汽。
日，系统采集到新闻：“中国橡胶信息贸易网发布青岛保税区天然橡胶最新库存量，天然橡胶库存13.07 万吨，环比下降13.89%，同比下降43.39%”。同样，经过系统自然语言处理分析之后得出需要推理分析的事件：“2016年7月中天然橡胶青岛库存跌至13万吨”。
然后得出推理结论：
根据系统数据显示，青岛保税区的橡胶库存约为20万吨左右。一旦跌至15万吨以下，如果下游需求激增，天然橡胶上涨就成大概率事件。
接着，2016年12月，一个重磅消息在市场传开—泰国爆发特大洪水，当地胶农割胶受到严重影响。对于此“2016年12月泰国爆发特大洪水”事件，系统经过分析，得出结论。
在这次特大洪水后，2017年2月，当投资者还在为当前行情到底是回调还是反转时，系统采集到橡胶倒挂的相关新闻。这件事情发生的时候，财经门户网站报道的寥寥无几，但系统的数据异常监控功能第一时间挖掘出来，同时通过对其的自然语言处理，得出需要分析的事件：“合成橡胶价格倒挂超过4000点”。
经过分析推理，输出结论：
四大产品和产学结合
阡寻科技提供四个产品，除了蝴蝶投研，还包括：
A股智能研究院——针对个股和行业，生成研究报告和及时报告。
A股智能咨询——包括新闻摘要、公告分析等多个维度的A股智能咨询。
证券智能E助手运用知识提取技术、自动写作技术，把繁杂资料整理形成合规报告、上市（挂牌）公司公告等各类型的金融证券报告，减轻证券金融工作人员重复且格式化的工作，提升金融机构的运转效率。
目前阡寻已与东吴证券等多家券商和私募达成战略合作协议，双方将就阡寻技术在网络金融、资产管理、智能投研/顾、投行、风险控制等业务领域进行合作应用与落地工作，借此推动证券行业智能化发展。同时，阡寻科技基于本身技术优势和技术红利，作为技术服务商与传统行业机构进行合作，共同提升传统行业业务场景。
阡寻的发展得到了海内外高校组织的支持，目前已经和中科院计算所、信息工程所、复旦大学计算机学院和香港大学计算机系建立了合作关系，共同建设阡寻的产品体系。
熊昊博士表示，阡寻感恩学术界多年的滋养带来的深厚技术积累，乐于回馈学术界，支持学术发展。阡寻深知技术的进步一日千里，很多源头都在学术界，要持续不断地从学术交流中学习新事物、开拓新思路。阡寻扎根在产业第一线，拥有大量既接地气又具挑战性的应用场景，愿与学术界开展广泛合作。今天的信息检索内涵已经大大扩充，产业界对信息检索学术研究的期望值也大大提升。他们表示衷心希望CCIR始终引领国内信息检索学术研究的前进方向，在国际上产生更大影响。希望国内外信息检索学术界能源源不断地向产业界输送创新技术和创新型人才，与产业界共成长。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点如何用大数据炒股
我们如今生活在一个数据爆炸的世界里。百度每天响应超过60亿次的搜索请求，日处理数据超过100PB，相当于6000多座中国国家图书馆的书籍信息量总和。新浪微博每天都会发布上亿条微博。在荒无人烟的郊外，暗藏着无数大公司的信息存储中心，24小时夜以继日地运转着。
克托o迈尔-舍恩伯格在《大数据时代》一书中认为，大数据的核心就是预测，即只要数据丰富到一定程度，就可预测事情发生的可能性。例如，“从一个人乱穿马路时行进的轨迹和速度来看他能及时穿过马路的可能性”，或者通过一个人穿过马路的速度，预测车子何时应该减速从而让他及时穿过马路。
那么，如果把这种预测能力应用在股票投资上，又会如何？
目前，美国已经有许多对冲基金采用大数据技术进行投资，并且收获甚丰。中国的中证广发百度百发100指数基金（下称百发100），上线四个多月以来已上涨68%。
和传统量化投资类似，大数据投资也是依靠模型，但模型里的数据变量几何倍地增加了，在原有的金融结构化数据基础上，增加了社交言论、地理信息、卫星监测等非结构化数据，并且将这些非结构化数据进行量化，从而让模型可以吸收。
由于大数据模型对成本要求极高，业内人士认为，大数据将成为共享平台化的服务，数据和技术相当于食材和锅，基金经理和分析师可以通过平台制作自己的策略。
量化非结构数据
不要小看大数据的本领，正是这项刚刚兴起的技术已经创造了无数“未卜先知”的奇迹。
2014年，百度用大数据技术预测命中了全国18卷中12卷高考作文题目，被网友称为“神预测”。百度公司人士表示，在这个大数据池中，包含互联网积累的用户数据、历年的命题数据以及教育机构对出题方向作出的判断。
在2014年巴西世界杯比赛中，Google亦通过大数据技术成功预测了16强和8强名单。
从当年英格兰报社的信鸽、费城股票交易所的信号灯到报纸电话，再到如今的互联网、云计算、大数据，前沿技术迅速在投资领域落地。在股票策略中，大数据日益崭露头角。
做股票投资策略，需要的大数据可以分为结构化数据和非结构化数据。结构化数据，简单说就是“一堆数字”，通常包括传统量化分析中常用的CPI、PMI、市值、交易量等专业信息；非结构化数据就是社交文字、地理位置、用户行为等“还没有进行量化的信息”。
量化非结构化就是用深度模型替代简单线性模型的过程，其中所涉及的技术包括自然语言处理、语音识别、图像识别等。
金融大数据平台-通联数据CEO王政表示，通联数据采用的非结构化数据可以分为三类：第一类和人相关，包括社交言论、消费、去过的地点等；第二类与物相关，如通过正在行驶的船只和货车判断物联网情况；第三类则是卫星监测的环境信息，包括汽车流、港口装载量、新的建筑开工等情况。
卫星监测信息在美国已被投入使用，2014年Google斥资5亿美元收购了卫星公司Skybox，从而可以获得实施卫星监测信息。
结构化和非结构化数据也常常相互转化。“结构化和非结构化数据可以形象理解成把所有数据装在一个篮子里，根据应用策略不同相互转化。例如，在搜索频率调查中，用户搜索就是结构化数据；在金融策略分析中，用户搜索就是非结构化数据。”百度公司人士表示。
华尔街拿着丰厚薪水的分析师们还不知道，自己的雇主已经将大量资本投向了取代自己的机器。
日，高盛向Kensho公司投资1500万美元，以支持该公司的大数据平台建设。该平台很像iPhone里的Siri，可以快速整合海量数据进行分析，并且回答投资者提出的各种金融问题，例如“下月有飓风，将对美国建材板块造成什么影响？”
在Kensho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。因此，Kensho的CEO Daniel Nadler认为，华尔街过去是基于20%的信息做出100%的决策。
既然说到高盛，顺便提一下，这家华尔街老牌投行如今对大数据可谓青睐有加。除了Kensho，高盛还和Fortress信贷集团在两年前投资了8000万美元给小额融资平台On Deck Capital。这家公司的核心竞争力也是大数据，它利用大数据对中小企业进行分析，从而选出值得投资的企业并以很快的速度为之提供短期贷款。
捕捉市场情绪
上述诸多非结构化数据，归根结底是为了获得一个信息：市场情绪。
在采访中，2013年诺贝尔经济学奖得主罗伯特o席勒的观点被无数采访对象引述。可以说，大数据策略投资的创业者们无一不是席勒的信奉者。
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。
然而，在大数据技术诞生之前，市场情绪始终无法进行量化。
回顾人类股票投资发展史，其实就是将影响股价的因子不断量化的过程。
上世纪70年代以前，股票投资是一种定性的分析，没有数据应用，而是一门主观的艺术。随着电脑的普及，很多人开始研究驱动股价变化的规律，把传统基本面研究方法用模型代替，市盈率、市净率的概念诞生，量化投资由此兴起。
量化投资技术的兴起也带动了一批华尔街大鳄的诞生。例如，巴克莱全球投资者（BGI）在上世纪70年代就以其超越同行的电脑模型成为全球最大的基金管理公司；进入80年代，另一家基金公司文艺复兴（Renaissance）年均回报率在扣除管理费和投资收益分成等费用后仍高达34%，堪称当时最佳的对冲基金，之后十多年该基金资产亦十分稳定。
“从主观判断到量化投资，是从艺术转为科学的过程。”王政表示，上世纪70年代以前一个基本面研究员只能关注20只到50只股票，覆盖面很有限。有了量化模型就可以覆盖所有股票，这就是一个大的飞跃。此外，随着计算机处理能力的发展，信息的用量也有一个飞跃变化。过去看三个指标就够了，现在看的指标越来越多，做出的预测越来越准确。
随着21世纪的到来，量化投资又遇到了新的瓶颈，就是同质化竞争。各家机构的量化模型越来越趋同，导致投资结果同涨同跌。“能否在看到报表数据之前，用更大的数据寻找规律？”这是大数据策略创业者们试图解决的问题。
于是，量化投资的多米诺骨牌终于触碰到了席勒理论的第三层变量——市场情绪。
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。
海外就有学术研究指出，公司的名称或者相关关键词的搜索量，与该公司的股票交易量正相关。德国科学家Tobias Preis就进行了如此研究：Tobias利用谷歌搜索引擎和谷歌趋势（Google Trends），以美国标普500指数的500只股票为其样本，以2004年至2010年为观察区间，发现谷歌趋势数据的公司名称搜索量和对应股票的交易量，在每周一次的时间尺度上有高度关联性。也就是说，当某个公司名称在谷歌的搜索量活动增加时，无论股票的价格是上涨或者下跌，股票成交量与搜索量增加；反之亦然，搜索量下降，股票成交量下降。以标普500指数的样本股为基础，依据上述策略构建的模拟投资组合在六年的时间内获得了高达329%的累计收益。
在美国市场上，还有多家私募对冲基金利用Twitter和Facebook的社交数据作为反映投资者情绪和市场趋势的因子，构建对冲投资策略。利用互联网大数据进行投资策略和工具的开发已经成为世界金融投资领域的新热点。
保罗o霍丁管理的对冲基金Derwent成立于2011年5月，注册在开曼群岛，初始规模约为4000万美元， 2013年投资收益高达23.77%。该基金的投资标的包括流动性较好的股票及股票指数产品。
通联数据董事长肖风在《投资革命》中写道，Derwent的投资策略是通过实时跟踪Twitter用户的情绪，以此感知市场参与者的“贪婪与恐惧”，从而判断市场涨跌来获利。
在Derwent的网页上可以看到这样一句话：“用实时的社交媒体解码暗藏的交易机会。”保罗o霍丁在基金宣传册中表示：“多年以来，投资者已经普遍接受一种观点，即恐惧和贪婪是金融市场的驱动力。但是以前人们没有技术或数据来对人类情感进行量化。这是第四维。Derwent就是要通过即时关注Twitter中的公众情绪，指导投资。”
另一家位于美国加州的对冲基金MarketPsych与汤普森o路透合作提供了分布在119个国家不低于18864项独立指数，比如每分钟更新的心情状态（包括乐观、忧郁、快乐、害怕、生气，甚至还包括创新、诉讼及冲突情况等），而这些指数都是通过分析Twitter的数据文本，作为股市投资的信号。
此类基金还在不断涌现。金融危机后，几个台湾年轻人在波士顿组建了一家名为FlyBerry的对冲基金，口号是“Modeling the World（把世界建模）”。它的投资理念全部依托大数据技术，通过监测市场舆论和行为，对投资做出秒速判断。
关于社交媒体信息的量化应用，在股票投资之外的领域也很常见：Twitter自己也十分注重信息的开发挖掘，它与DataSift和Gnip两家公司达成了一项出售数据访问权限的协议，销售人们的想法、情绪和沟通数据，从而作为顾客的反馈意见汇总后对商业营销活动的效果进行判断。从事类似工作的公司还有DMetics，它通过对人们的购物行为进行分析，寻找影响消费者最终选择的细微原因。
回到股票世界，利用社交媒体信息做投资的公司还有StockTwits。打开这家网站，首先映入眼帘的宣传语是“看看投资者和交易员此刻正如何讨论你的股票”。正如其名，这家网站相当于“股票界的Twitter”，主要面向分析师、媒体和投资者。它通过机器和人工相结合的手段，将关于股票和市场的信息整理为140字以内的短消息供用户参考。
此外，StockTwits还整合了社交功能，并作为插件可以嵌入Twitter、Facebook和LinkedIn等主要社交平台，让人们可以轻易分享投资信息。
另一家公司Market Prophit也很有趣。这家网站的宣传语是“从社交媒体噪音中提炼市场信号”。和StockTwits相比，Market Prophit更加注重大数据的应用。它采用了先进的语义分析法，可以将Twitter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。网站还根据语义量化，每天公布前十名和后十名的股票热度榜单。网站还设计了“热度地图”功能，根据投资者情绪和意见，按照不同板块，将板块内的个股按照颜色深浅进行标注，谁涨谁跌一目了然。
中国原创大数据指数
尽管大数据策略投资在美国貌似炙手可热，但事实上，其应用尚仅限于中小型对冲基金和创业平台公司。大数据策略投资第一次被大规模应用，应归于中国的百发100。
百度金融中心相关负责人表示，与欧美等成熟资本市场主要由理性机构投资者构成相比，东亚尤其是中国的股票类证券投资市场仍以散户为主，因此市场受投资者情绪和宏观政策性因素影响很大。而个人投资者行为可以更多地反映在互联网用户行为大数据上，从而为有效地预测市场情绪和趋势提供了可能。这也就是中国国内公募基金在应用互联网大数据投资方面比海外市场并不落后、甚至领先的原因。
百发100指数由百度、中证指数公司、广发基金联合研发推出，于日正式对市场发布，实盘运行以来一路上涨，涨幅超过60%。跟踪该指数的指数基金规模上限为30亿份，日正式获批，10月20日发行时一度创下26小时疯卖18亿份的“神话”。
外界都知道百发100是依托大数据的指数基金，但其背后的细节鲜为人知。
百发100数据层面的分析分为两个层面，即数据工厂的数据归集和数据处理系统的数据分析。其中数据工厂负责大数据的收集分析，例如将来源于互联网的非结构化数据进行指标化、产品化等数据量化过程；数据处理系统，可以在数据工厂递交的大数据中寻找相互统计关联，提取有效信息，最终应用于策略投资。
“其实百发100是在传统量化投资技术上融合了基于互联网大数据的市场走势和投资情绪判断。”业内人士概括道。
和传统量化投资类似，百发100对样本股的甄选要考虑财务因子、基本面因子和动量因子，包括净资产收益率（ROE）、资产收益率（ROA）、每股收益增长率（EPS）、流动负债比率、企业价值倍数（EV/EBITDA）、净利润同比增长率、股权集中度、自由流通市值以及最近一个月的个股价格收益率和波动率等。
此外，市场走势和投资情绪是在传统量化策略基础上的创新产物，也是百发100的核心竞争力。接近百度的人士称，市场情绪因子对百发100基金起决定性作用。
百度金融中心相关负责人是罗伯特o席勒观点的支持者。他认为，投资者行为和情绪对资产价格、市场走势有着巨大的影响。因此“通过互联网用户行为大数据反映的投资市场情绪、宏观经济预期和走势，成为百发100指数模型引入大数据因子的重点”。
传统量化投资主要着眼点在于对专业化金融市场基本面和交易数据的应用。但在百度金融中心相关业务负责人看来，无论是来源于专业金融市场的结构化数据，还是来源于互联网的非结构化数据，都是可以利用的数据资源。因此，前文所述的市场情绪数据，包括来源于互联网的用户行为、搜索量、市场舆情、宏观基本面预期等等，都被百度“变废为宝”，从而通过互联网找到投资者参与特征，选出投资者关注度较高的股票。
“与同期沪深300指数的表现相较，百发100更能在股票市场振荡时期、行业轮动剧烈时期、基本面不明朗时期抓住市场热点、了解投资者情绪、抗击投资波动风险。”百度金融中心相关负责人表示。
百发100选取的100只样本股更换频率是一个月，调整时间为每月第三周的周五。
业内人士指出，百发100指数的月收益率与中证100、沪深300、中证500的相关性依次提升，说明其投资风格偏向中小盘。
但事实并非如此。从样本股的构成来说，以某一期样本股为例，样本股总市值6700亿元，占A股市值4.7%。样本股的构成上，中小板21只，创业板4只，其余75只样本股均为大盘股。由此可见，百发100还是偏向大盘为主、反映主流市场走势。
样本股每个月的改变比例都不同，最极端的时候曾经有60%进行了换仓。用大数据预测热点变化，市场热点往往更迭很快；但同时也要考虑交易成本。两方面考虑，百度最后测算认为一个月换一次仓位为最佳。
样本股对百发100而言是核心机密——据说“全世界只有基金经理和指数编制机构负责人两个人知道”——都是由机器决定后，基金经理分配给不同的交易员建仓买入。基金经理也没有改变样本股的权利。
展望未来，百度金融中心相关负责人踌躇满志，“百发100指数及基金的推出，只是我们的开端和尝试，未来将形成多样化、系列投资产品。”
除了百发100，目前市场上打着大数据旗帜的基金还有2014年9月推出的南方-新浪I100和I300指数基金。
南方-新浪I100和I300是由南方基金、新浪财经和深圳证券信息公司三方联合编制的。和百发100类似，也是按照财务因子和市场情绪因子进行模型打分，按照分值将前100和前300名股票构成样本股。推出至今，这两个指数基金分别上涨了10%左右。
正如百发100的市场情绪因子来自百度，南方-新浪I100和I300的市场情绪因子全部来自新浪平台。其中包括用户在新浪财经对行情的访问热度、对股票的搜索热度；用户在新浪财经对股票相关新闻的浏览热度；股票相关微博的多空分析数据等。
此外，阿里巴巴旗下的天弘基金也有意在大数据策略上做文章。据了解，天弘基金将和阿里巴巴合作，推出大数据基金产品，最早将于2015年初问世。
天弘基金机构产品部总经理刘燕曾对媒体表示，“在传统的调研上，大数据将贡献于基础资产的研究，而以往过度依赖线下研究报告。大数据将视野拓展至了线上的数据分析，给基金经理选股带来新的逻辑。”
在BAT三巨头中，腾讯其实是最早推出指数基金的。腾讯与中证指数公司、济安金信公司合作开发的“中证腾安价值100指数”早在2013年5月就发布了，号称是国内第一家由互联网媒体与专业机构编制发布的A股指数。不过，业内人士表示，有关指数并没有真正应用大数据技术。虽然腾讯旗下的微信是目前最热的社交平台，蕴藏了大量的社交数据，但腾讯未来怎么开发，目前还并不清晰。
大数据投资平台化
中欧商学院副教授陈威如在其《平台战略》一书中提到，21世纪将成为一道分水岭，人类商业行为将全面普及平台模式，大数据金融也不例外。
然而，由于大数据模型对成本要求极高，就好比不可能每家公司都搭建自己的云计算系统一样，让每家机构自己建设大数据模型，从数据来源和处理技术方面看都是不现实的。业内人士认为，大数据未来必将成为平台化的服务。
目前，阿里、百度等企业都表示下一步方向是平台化。
蚂蚁金服所致力搭建的平台，一方面包括招财宝一类的金融产品平台，另一方面包括云计算、大数据服务平台。蚂蚁金服人士说，“我们很清楚自己的优势不是金融，而是包括电商、云计算、大数据等技术。蚂蚁金服希望用这些技术搭建一个基础平台，把这些能力开放出去，供金融机构使用。”
百度亦是如此。接近百度的人士称，未来是否向平台化发展，目前还在讨论中，但可以确定的是，“百度不是金融机构，目的不是发产品，百发100的意义在于打造影响力，而非经济效益。”
当BAT还在摸索前行时，已有嗅觉灵敏者抢占了先机，那就是通联数据。
通联数据股份公司（DataYes）由曾任博时基金副董事长肖风带队创建、万向集团投资成立，总部位于上海，公司愿景是“让投资更容易，用金融服务云平台提升投资管理效率和投研能力”。该平台7月上线公测，目前已拥有130多家机构客户，逾万名个人投资者。
通联数据目前有四个主要平台，分别是通联智能投资研究平台、通联金融大数据服务平台、通联多资产投资管理平台和金融移动办公平台。
通联智能投资研究平台包括雅典娜-智能事件研究、策略研究、智能研报三款产品，可以对基于自然语言的智能事件进行策略分析，实时跟踪市场热点，捕捉市场情绪。可以说，和百发100类似，其核心技术在于将互联网非结构化数据的量化使用。
通联金融大数据服务平台更侧重于专业金融数据的分析整理。它可以提供公司基本面数据、国内外主要证券、期货交易所的行情数据、公司公告数据、公关经济、行业动态的结构化数据、金融新闻和舆情的非结构化数据等。
假如将上述两个平台比作“收割机”，通联多资产投资管理平台就是“厨房”。在这个“厨房”里，可以进行全球跨资产的投资组合管理方案、订单管理方案、资产证券化定价分析方案等。
通联数据可以按照主题热点或者自定义关键字进行分析，构建知识图谱，将相关的新闻和股票提取做成简洁的分析框架。例如用户对特斯拉感兴趣，就可以通过主题热点看到和特斯拉相关的公司，并判断这个概念是否值得投资。“过去这个搜集过程要花费几天时间，现在只需要几分钟就可以完成。”王政表示。
“通联数据就好比一家餐馆，我们把所有原料搜集来、清洗好、准备好，同时准备了一个锅，也就是大数据存储平台。研究员和基金经理像厨师一样，用原料、工具去‘烹制’自己的策略。”王政形容道。
大数据在平台上扮演的角色，就是寻找关联关系。人类总是习惯首先构建因果关系，继而去倒推和佐证。机器学习则不然，它可以在海量数据中查获超越人类想象的关联关系。正如维克托o迈尔-舍恩伯格在《大数据时代》中所提到的，社会需要放弃它对因果关系的渴求，而仅需关注相互关系。
例如，美国超市沃尔玛通过大数据分析，发现飓风用品和蛋挞摆在一起可以提高销量，并由此创造了颇大的经济效益。如果没有大数据技术，谁能将这毫无关联的两件商品联系在一起？
通联数据通过机器学习，也能找到传统量化策略无法发现的市场联系。其中包括各家公司之间的资本关系、产品关系、竞争关系、上下游关系，也包括人与人之间的关系，例如管理团队和其他公司有没有关联，是否牵扯合作等。
未来量化研究员是否将成为一个被淘汰的职业？目前研究员的主要工作就是收集整理数据，变成投资决策，而之后这个工作将更多由机器完成。
“当初医疗科技发展时，人们也认为医生会被淘汰，但其实并不会。同理，研究员也会一直存在，但他们会更注重深入分析和调研，初级的数据搜集可以交给机器完成。”王政表示。
但当未来大数据平台并广泛应用后，是否会迅速挤压套利空间？这也是一个问题。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点