證券投資大數據分析的應用及問題

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了證券投資大數據分析的應用及問題范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：大數據分析使我們的社會發生了巨大的變革。在金融投資活動中，歷史數據往往是投資者重要的參考標準，大數據分析也就自然而然被應用到金融投資活動當中，大數據分析在投資證券的主要應用分為股票分析、投資情緒分析以及量化投資三個方面，本文將就大數據分析在證券投資中應用以及產生的問題進行分析。

關鍵詞：大數據分析；金融投資；大數據應用；金融科技

一、前言

伴隨著大數據技術的高速發展，機構投資者開始運用大數據分析來處理證券投資中遇到的一些問題。證券公司利用大數據分析處理股市交易中產生的大量信息數據來進行股票分析，并且通過挖掘搜集社交網絡的相關信息，通過分析來判斷市場中的投資情緒，把握市場中的第一動向，將其作為依據進行投資決策，除此之外，對股票的結構化數據以及非結構化數據進行分析，能夠做出比人工更為理性的量化投資，提高收益率。

二、大數據分析的相關概念

（一） 什么是大數據分析大數據即為數據量十分巨大的信息，其規模巨大到無法通過人工在合理時間內獲取并整理分析成為人類所能解讀的信息。對大數據進行分析的基礎就是從物質世界，互聯網以及其他數據源中獲取到各種結構化數據、非結構化數據以及非數據化的各種信息，將其存儲到處理器中，使用計算機技術進行處理分析，利用高效的算法進行關聯分析，從中發現價值。從大數據中得到數據中的內含價值，這也就是大數據分析的目的所在。

（二）大數據分析的基本方面大數據分析包含六個基本方面，分別是：1.可視化分析，將數據信息轉化為圖表等形式的可視化信息，清晰直觀；2.數據挖掘算法，從大量的數據中有效地挖掘所需的數據信息，優化處理分析的速度；3.預測性分析能力。通過可視化分析和數據挖掘的結果做出一些預測性的判斷；4.語義引擎，使用一系列的工具從非結構化的數據中解析，提取，分析數據，從“文檔”中智能提取信息；5.數據質量和數據管理。使用高效率的流程和快捷的工具來處理數據，保證分析結果的高質量；6.數據存儲，數據倉庫。按照一定結構和模式建立關系型的數據庫將數據存儲起來，便于對數據進行查詢以及調用分析。

三、大數據分析在證券投資中的應用

（一）股票分析股票分析的內容包含兩個方面，分別是技術分析和基本面分析。 1.基本面分析在廣義上，基本面分析是指將經濟學當中供求關系原理作為基礎，通過對歷史的經濟數據以及政治環境，要素主要包含宏觀經濟狀況（利率水平、通貨膨脹等）、微觀經濟情況（企業素質等）以及政治情況等進行分析來對金融市場走勢進行分析。從狹義上來說，基本面分析則是指對廣義基本面分析中的微觀經濟狀況進行分析，要素主要包含企業報表中的財務指標、管理人員素質、所在行業發展情況、主要產品競爭力等。大數據分析主要是使用相關算法，按照投資者所感興趣的指標挖掘出符合投資者需求的股票，建立相關規則從中尋找股市中符合要求的股票進行投資。2.技術分析技術分析則是通過研究市場行為來判斷市場運行趨勢，通過跟隨市場運行趨勢的周期性變化來進行股票及其他金融衍生品交易的決策。技術分析認為市場行為是重復的，股票市場中的歷史將會重演，若市場是有效市場。基于人工神經網絡算法的股票技術分析主要通過輸入預測樣本，設置目標變量，對其打分，之后進行預測并將預測值與實際值相比較，最終通過建立擬合方程，得出預測值與真實值之間的關系，從而為投資決策提供參考。

（二）投資情緒分析廣義上看，投資者情緒包含著眾多能夠影響投資者對證券的估值以及市場預期的因素；從狹義上看，投資者情緒分析僅僅研究廣義上眾多因素中的經濟變量和其他因素。對于券商與相關的研究者來說，投資者情緒的測量是一個難題。如何對投資者情緒進行量化分析，這對證券市場研究來說至關重要。在投資情緒分析中，通過獲取網民經過微博、論壇和博客中的網絡文本信息，從雜亂無序的網絡媒體信息中獲取有價值的信息，把非結構化的文本信息轉化為結構化文本信息，從文本信息中提取投資者情緒測評指標，結合屬性詞典和情感詞典，應用情感分析引擎，獲得投資者情緒分析結果。從數據量如此巨大的文本信息中挖掘到有價值的信息，也正是大數據分析的長處所在。

（三）量化投資量化投資是指對金融市場和產品信息進行量化分析，根據歷史交易和相關數據建立模型，由模型做出投資決定，再根據算法自動下單完成交易。大數據分析所應用到的一系列分析工具，如數據挖掘、人工智能、支持向量機等分析工具，使得金融投資實現了高頻化、智能化。大數據分析技術在證券量化投資中的應用可根據數據結構的不同分為兩種應用模式，分別為結構化數據的應用與非結構化數據的應用。而結構化數據的應用更為普遍。結構化數據的應用。在量化投資中，結構化數據應用主要集中于那些人們無法利用的極為短暫的市場變化中尋求獲利的計算機化交易，而這被稱之為高頻交易。比如某種證券買入價與賣出價差價的微小變化。在交易量大、交易次數多、持倉日短的高頻交易中，計算機每秒都要處理大量的結構化數據。雖然高頻交易的每筆收益率很低，但是總體收益比較穩定。非結構化數據當下在量化投資領域的應用并不普遍，但是業界正在進行大量的嘗試。非結構化數據能夠提供有價值的信息并進而獲得超額利潤，這推動了更多的公司在這方面加大投入，并取得了一定成果。

四、大數據分析應用帶來的問題

（一）大數據安全大數據普遍存在巨大的數據安全需求。由于大數據具有比較高的價值密度，往往是眾多黑客眼中的一塊肥肉，因此吸引了大量的攻擊者鋌而走險。在2013年與2014年，全球互聯網巨頭雅虎曾被黑客攻破了用戶賬戶保護算法，分別導致了超過10億以及5億的賬戶信息泄露，其內容涉及用戶姓名、電子郵箱、電話號碼、出生日期和部分登錄密碼。我國也暴發過“2000萬條酒店開房數據泄露”等一些安全事件，引起了全社會的廣泛關注。除了外部盜取帶來的風險，內部人員盜竊數據而導致損失的風險也應當重點關注。2017年，我國某著名互聯網公司內部員工盜取并販賣涉及交通、物流、醫療、社交、銀行等個人信息50億條，通過各種方式在網絡黑市販賣。

（二）大數據隱私保護大數據普遍還存在隱私保護不善的問題。個人隱私泄露不僅會為用戶帶來嚴重的騷擾問題，也可能會讓用戶以及親友面臨遭受詐騙的風險，從而對用戶造成極大的侵害。除此之外，人們面臨的威脅還有基于大數據對人們狀態以及行為的預測。隨著深度學習等人工智能技術的快速發展，通過對用戶行為建模與分析，個人行為規律可以被更為準確地預測與識別，甚至刻意隱藏的敏感屬性可以被推測出來。在社交網絡中，可以通過用戶的朋友具有的屬性、用戶加入的群組等推測用戶可能具有的屬性，用戶隱藏的敏感屬性存在著挖掘和被公布的風險。例如通過分析用戶的twitter信息，可以發現用戶的政治傾向、消費習慣等。除此之外，研究者基于用戶的歷史軌跡建立隱馬爾可夫模型，利用此模型可成功地對用戶出行的目的地進行預測。一旦被不法分子獲取到這些信息，將對用戶造成難以想象的后果。

五、如何應對大數據分析在應用中帶來的問題

（一）健全大數據的相關法律法規及使用規范由于法律法規以及監管層面的缺乏，用戶數據收集、存儲、管理與使用等缺乏規范，單純依靠企業的自律無法切實保障用戶隱私安全。在商業化場景中，用戶應有權決定自己的信息如何被利用，實現用戶可控的隱私保護。隨著科技進步的高速發展以及互聯網技術的快速推廣應用， 健全法律法規為應用新興技術、保護人民利益保駕護航迫在眉睫。從國家層面制訂相關法律法規來保障大數據的安全能夠從法律層面上保障用戶的切身利益，能夠在懲處違法犯罪分子時做到有法可依，起到警示不法分子，懲戒犯罪分子的作用，制訂健全使用規范能夠為企業提供一套行為指南，避免缺乏自律的企業肆無忌憚地濫用大數據，以法律法規或行業規范的形式確定用戶對個人信息利用的決定權利。例如用戶可以決定自己的信息何時以何種形式披露，何時被銷毀。

（二）升級信息安全技術保障信息安全作為計算機技術發展的成果，要想繼續擴大應用，在更重要更緊要的領域進行應用，信息安全必須在技術層面上得到保障。黑客通過企業的技術漏洞從企業的服務器中竊取數據，而技術漏洞則只能通過升級技術手段來加以彌補，相關企業必須將培養技術人才以及研發信息安全技術作為公司的戰略性規劃并且加大投入。作為全球數據存儲系統的壟斷寡頭，EMC、ORACLE、IBM等公司所擁有的高端的數據存儲技術為金融業的信息安全打下了堅實的技術基礎，為眾多行業，尤其是金融業提供了杰出的數據存儲服務以及IT解決辦法，客戶群遍及全球。而在當下，我國正與美國進行的博弈正是科學技術的博弈，美國對我國的技術封鎖也讓我們明白核心技術必須掌握在自己手中，依靠美國公司的技術不是長久之計，我國的數據安全終究也只能依靠我國的技術來提供根本保障。

參考文獻

[1]周煜.大數據在金融領域的應用研究[J].計算機產品與流通,2018,(10).

[2]莫祖英.大數據處理流程中的數據質量影響分析[J].現代情報,2017,37(03):69-72+115.

[3]唐文慧.基于數據挖掘技術的股價預測實證分析[D].西南財經大學,2009.

[4]何平平,車云月.大數據金融與征信.[DB/OL].北京：清華大學出版社，2007-10.

[5]馮登國.大數據安全與隱私保護.[DB/OL].北京：清華大學出版社，2018.

[6]劉英,羅明雄.互聯網金融模式及風險監管思考[J].中國市場,2013(43):29-36.

[7]康書生,曹榮.互聯網大數據技術在融資領域的應用研究[J].金融理論與實踐,2014(01):108-110.

作者：郭章 單位：河北經貿大學金融學院