大數據和機器學習正掀起一波“數位革命”，巨量的資料正掀起人類生活、工作和思考方式的全面革新。
以股票市場來說， 許多國家允許投資者自行探索自由市場的相關數據。例如，數百萬種金融商品的即時價格、電子商務在某個時間的交易的客戶數量或者用衛星探測某個國家農業的總產量等等。除此之外更進一步，會有人整理成更進階的數據指標，像是每個月的CPI)消費者物價指數)、美國農業部(USDA)的當月作物供需預估、某個產品的零售銷售報告或者某家公司的月、季營收收入等等。
我們雖然活在一個數據爆量的世界下，理論上每個人都可以從網路上的數據獲得許多有用的資訊。但是實際上，有用的數據不容易獲得，需要用錢購買許多組織和其他公司分析原始數據，那些較容易來分析的部分。像是許多觀測或者紀錄的平台，那些龐大且非結構化的數據非常難以分析，因此每個領域都需要『專家』，應用他們該領域的理論知識，來分析這些資訊。
金融投資也不例外，大數據投資有兩個最主要的部分：第一個是數據資料本身。除了傳統的數據（例如每日股票價格）之外，新世代數據的數量和更新速度是非常可觀的。這些新型數據包括由個人生成的數據（社交媒體上的貼文，產品或者各種評論，搜索趨勢等等）、由公司業務生成的數據（公司的銷售，交易，信用卡數據等等）、從裝置感應器得到的數據(衛星圖像、步行距離和駕車交通，船舶位置等）。第二部分是以上這些數據需要有該領域的專家來理解，以及使用適當的技術和方法來分析這些數據。在大多數情況下，在將這些龐大的數據使用在交易策略之前，需要進行一定程度的分析。
對於短期、中期投資的角度來看，科技技術變得越來越重要。電腦程式生成的資料具有快速分析消息面的功能，處理收益表，抓取網站並即時進行交易的能力。這些由機器學習衍生的策略已經在侵蝕基礎分析師、股票多空經理和宏觀投資者的工作。但是從長期的投資來看，電腦程式目前還是無法和資深的投資者競爭。
使用人工智慧來協助股市投資還有滿大的進展空間。例如: 機器學習目前無法很好地評估市場轉折點的變化還有人類政權上的變化，這涉及到解釋更複雜的人類社會，像是政客和中央銀行的反應(美國川普就展現了他是如何用twitter來影響股市，還有無限QE大招)。無論現在機器學習到底有多少可信度，我們都認為分析師，投資組合經理，交易員和CIO最終將不得不熟悉大數據和機器學習方法進行投資。
我們自己的Podcast也開張了
每週更新，希望帶給大家機器學習的相關內容
我們也會在每個月11號 帶給大家這個月的機器學習分析結果
歡迎大家來聽聽 並和我們也分享資訊
FB:
https://reurl.cc/WL19r9
Podcasts:
Apple: https://reurl.cc/D63Dz6
SoundOn: https://reurl.cc/n0OXad
Spotify :https://reurl.cc/XkV3dR
