1703928470
1703928471
风险控制新进阶
1703928472
1703928473
前面讲投资的大数据应用,讲的是“矛”,接下来谈“盾”。大数据骨子里是防风险的,因为应用大数据对算法、预测精准度有极高的要求,时刻验证方法与市场的“知行合一”。
1703928474
1703928475
关于风险控制,《趋势戒律》里有句话相当经典:你无法改变风向,但可以调整自己的风帆。身边多数投资者的问题是不能改变风向,不时调整自己的风帆,可就是无法感知风向。套用徐志摩的诗句,是“我不知道风是在哪一个方向吹”。可见,风险控制的起点在于对事物的正确认识。大数据正是对事物的高度写实,一方面记录事物的细微变化,有敏锐的洞察优势;另一方面,可完整呈现事物规律,帮助投资者对风险状况做出防范与提前应对。凡此两点,便是大数据对于风险控制的价值。
1703928476
1703928477
在监控投资的市场风险方面,大数据将大有可为。在资产配置层面,大数据对相关关系的敏锐感,为投资者明察资产之间的联动,动态调整资产的配置头寸提供优势。运用相关思维,大数据还可监控股市的运行状态。比如,投资者害怕股市的崩盘或者“跳水”,这在大数据看来有据可查。研究股市复杂性行为的学者认为,预测和揭示股市“跳水”的指标是联动指数,这也是一种动态的相关指数。他们研究发现,如果股市处在正常状态,股票应该有涨有跌,个股之间的相关性较弱,但是在“跳水”或者其他不利情况发生时,股票之间的联动性增强,股票会突然呈现同涨同跌的特点。这一点中国股民应该深有体会,不仅因为A股市场经常出现同涨同跌的现象,还有2013年爆出的“816乌龙指”事件。如果投资机构对市场风险有大数据的监控指标,它们或许能发现,当天上午股指突然飙升,伴随上证180指数成分股的联动性增强,而其他个股慢了半拍,股指期货的交易也没有同步跟进。这些事实足以说明市场不正常,可坊间还在流传种种政策利好。
1703928478
1703928479
将眼光放得更长远些,大数据还可记录股市由过热到恐慌,甚至崩盘的全局景象。物理经济学及物理金融学借用物理学的方法论研究股市危机。这些学科认为,系统中彼此相关的单元共振,将会导致整体行为的剧烈变化,如水加热后沸腾、蒸发,积雪增压后发生雪崩。所以在正常的股市,应该是投资者独立决策,投资行为不是过度跟风,股市涨跌的关联也是随机的。但是到了过热阶段,股民们不再独立决策,买卖股票纷纷效仿他人,导致股票间的联动性增强。这种集体行为达到临界点,投资者的好日子就到头了。
1703928480
1703928481
股票联动性与股票崩盘
1703928482
1703928483
哈蒙等人在研究中构建U函数,用来指代集体行为的一致程度。当该函数值逐渐趋近于1时,表示集体行为渐趋临界点。为验证该函数对股市崩盘的预测性,各时间点的函数值以此前12个月的平均值替代。他们研究发现,2000~2003年,美国股票市场的行为一致程度逐渐上升,并且在2003年之后的平台期逐渐下行,于2009年达到临界点,显示股民在这一时间更加偏好对股票进行相同的操作,与2007~2009年美国股市的崩盘相呼应。同时,他们将数据回溯到1985年,发现每次股市崩盘前4年,股票之间的联动性都会上升。
1703928484
1703928485
大数据还可以管理流动性风险,这听起来有点不可思议。以与余额宝对接的天弘基金为例,外人羡慕它半年即突破千亿的规模增长,却看不到天弘基金所做的技术准备。为了应对24小时赎回,并获得有竞争力的投资收益,天弘基金需要对流动性做到提前安排。于是,支付宝每天会分6个时点,将淘宝、天猫用户通过余额宝赎回、提现、消费和转账数据报给天弘基金。对这些数据进行建模分析,天弘基金就能对第二天的申购赎回额进行大致预测。毫无疑问,这种风险管理能力的增强是需要成本的。旁人想不通,在余额宝规模飙升的同时,天弘基金2013年未经审计的盈利情况竟为亏损。钱都去哪儿了?当然是花在信息技术和数据处理中心建设上了。
1703928486
1703928487
对于投资从业人员的道德风险,大数据比道德说教、规章制度更管用。在现实中,监管机构或投资公司秉持“人心本恶”的信条,不让投资人员个人买卖股票,亲属投资股票也须备案。基金公司的投资研究人员经常抱怨,交易时间上缴手机,在工作计算机上不能聊QQ和微信。其实,这些行为都是因噎废食之举,少了与外界的及时沟通,说不定还会影响投资业绩。在大数据时代,这些不合理的规章与规范可以废除。有了明察秋毫的大数据,投资机构从业人员的道德风险也会降低。
1703928488
1703928489
需要指出,基于大数据的风险管理必然走向智能化,毕竟这不是普通人可以干的事。2011年,IBM的超级计算机Watson战胜了电视智力竞赛Jeopardy的冠军;2012年,中国的无人驾驶汽车在京津高速上的时速高达一百多公里,它不仅预测被超车的风险,其间还超车33次。这足以表明,一个基于大数据的智能时代已经来临,包括风险管理的许多工作都可由计算机完成。Watson在参加智力竞赛一年后,在华尔街找到了一份风险管理的新工作,帮助花旗银行管理证券组合风险,即通过监控交易指标、新闻和经济数据等,为证券组合构建、调整提供风险方面的建议。花旗允许Watson在家上班(即待在IBM),通过云平台提供交互式服务,与其他员工一样领取绩效工资。下一步,IBM还想将它改造为选股高手,届时它可以领到双份工资。
1703928490
1703928492
投资新标的
1703928493
1703928494
大数据改变投资思维、方法,同时也改变了投资标的自身。2013年,国内股市的大数据概念异常火热,在追逐似是而非的概念股前,我们有必要弄清一些基本问题,比如大数据如何定价?经营何种大数据业务的公司,会有更大成长前景?必须承认,大数据是传统定价理论与模型未曾预料到的“怪胎”,这也是新生事物对投资界出的难题。
1703928495
1703928496
大数据定价,答案在风中
1703928497
1703928498
大数据的定价是个问题。在提交给美国证券交易委员会的IPO申请文件中,Twitter披露过去其一年的营收为5.34亿美元,亏损额为1.43亿美元。据市场人士预计,Twitter在2015年之后才有扭亏为盈的可能。对于这个有2.32亿活跃用户、营收增长迅猛的新创公司,不知道你会怎么定价,但市场定价是这样的:IPO发行价每股26美元,按此价格,公司估值181亿美元,为2013年预期营收6亿美元的约30倍;首日开盘价45.1美元,按此价格,公司市值约为245.5亿美元,为2013年预期营收的约41倍,市净率为约35.4倍。
1703928499
1703928500
Twitter估值超出美国铝业公司等传统公司,这不足为奇。但是同为互联网、大数据公司,它的估值也高出了许多同业公司。截至2013年11月,谷歌公司的市盈率和市净率分别为29倍和4.3倍,Facebook的市盈率和市净率分别为111倍和8.8倍,LinkedIn的市盈率和市净率分别为763倍和10.4倍。由这些估值的对比,衍生出两个问题。第一个问题是,与传统行业的定价理论或模型比,互联网、大数据公司定价的范式是什么?是否“无招胜有招”?从Twitter、去哪儿网的上市热炒,到某些商界领袖撰文警告新一轮互联网泡沫行将破灭,界定和评估互联网泡沫,应按照怎样的维度或标准?第二个问题是,怎么理解这些互联网和大数据公司的定价差异?Twitter和Facebook的定价有差异,那么新浪微博、微信和腾讯QQ是否也应有差异?差异的本质是什么?
1703928501
1703928502
大数据怎么定价,这可能不是单个问题,而是一连串的问题。《社交红利》一书的副标题是“如何从腾讯平台获取流量、用户、收入”,作者徐志斌提出了一个社交平台的收益等式,即收益=信息×关系链×互动。从字面上简单理解,该等式的意思是让信息在关系链中流动。这或许是大数据的商业逻辑,乃至定价公式。至于大数据公司之间的定价差异,或许就在于上述公式三个变量的差异。因为互联网公司拥有的大数据,在特性方面千差万别。拿中国几家坐拥大数据资源的互联网企业来说,百度主要是用户搜索数据,以及利用网络爬虫技术搜集的公共网络数据;阿里巴巴是在线交易数据、小部分的社交数据;腾讯微信、QQ掌握的是用户个人和社交关系数据。大数据资源不同,决定了收益方式的差异,同时也影响公司估值。
1703928503
1703928504
锁定大数据企业
1703928505
1703928506
布局大数据产业线,这是一个现实的投资问题。2013年,多数人没见识过大数据,可市场上已满是它的传闻。在相关概念股一阵热炒之后,投资者才赫然发现,要获得更大的投资收益,对大数据产业需要布局长远。
1703928507
1703928508
按照一些专家的预测,有三类公司即将成为大数据时代的主角。第一类是拥有数据资源的平台公司。国内互联网特别是移动互联网的数据入口之争,虽然其格局逐渐清晰,但是仍存在较大的不确定性。但不管结果如何,坐拥大数据资源的公司将处于大数据产业的上游,它们可以“靠山吃山”,靠“大数据”吃“大数据”,无论是自己挖掘,还是授权给有技术、有思维的企业,数据平台公司都可获得稳定收益。
1703928509
1703928510
有望成为大数据主角的第二类公司,是有大数据挖掘技能的技术性公司。它们面向第三方的个性需求,以技术和算法为其提供增值服务。目前,大数据技术尚不成熟,这块领域虽然前景广阔,但是技术门槛偏高。大数据时代的数据挖掘,一是需要使用跨界数据;二是需要处理非结构化数据,如文字、语音和视频等;三是同质化产品时代不复存在,私人定制、千人千面成为新常态。满足这三个要求的同时,如果服务收费还实惠,这样的公司即使无法成为“主角”,也会是主角最耀眼的陪衬。近年来,数据处理公司的重要性日益体现,成为跨国公司争夺大数据产业的战略高地[4]。
1703928511
1703928512
第三类可能成为主角的公司,是有大数据思维的咨询服务公司。之前我们已经谈到,大数据时代最缺的不是投资机会,而是大数据思维。维克托认为,大数据思维是一种意识,这种意识使人保持某种敏感,想从相关联数据的处理中,找出千百万人急需解答的问题的答案。如果一家咨询公司具备大数据思维,就有可能成为大数据时代的尼尔森、麦肯锡,凭借对客户需求的把握和对数据资源、数据分析技术的熟悉,为各行业客户提供大数据的解决方案。
1703928513
1703928514
除了关注度高的主线与主角之外,有些业务可以成就配角,比如大数据时代的中间数据商。大数据挖掘需要用到跨界数据,但是各家数据平台均视数据为战略资源,如何走出“数据孤岛”,实现资源的聚合利用?这就需要牵线搭桥的“月老”、掮客,提供跨界数据的对接方案。利用与数据平台公司的协议和授权,对应第三方机构的数据需求,中间数据商可跨界整合大数据资源。
1703928515
1703928516
除了主配角,这部戏余下的角色就只有龙套了。大数据的采集、存储、分析,在软硬件方面支出巨大,为传感器、存储器等硬件设备商,以及计算机软件和云平台提供方创造了极大的业务空间。别以为跑龙套的不起眼,或许这是个具有高性价比的工作。结合计算机系统的去“IOE运动”[5],中国相关公司或许有更大成长机会。
1703928517
1703928519
反思大数据
[
上一页 ]
[ :1.70392847e+09 ]
[
下一页 ]