前幾年看『華爾街日報』報導一件事,全球大數據資料的擴增跟應用正急速擴張當中,因為中國大陸的崛起還有人數的因素,以亞洲地區大數據相關產業最具獲利潛力。
從今之後,用大數據來獲取投資,是越來越常見到的事,高盛集團在2015年對新加坡大數據公司進行高達5,600萬美元的投資案,企圖從社群媒體、通訊APP得到更多用戶資訊,然後把用戶資訊轉換為商品行銷和開發上的武器。
在資金充沛的歐美地區更是如此,,來自矽谷的大數據分析公司Palantir Technologies向美國政府和華爾街銷售大數據分析資料,目前的市場估值約150億美元。
零售業龍頭 Walmart 也是嗅到了數據是未來的趨勢,於是它們收購了一家專注於大數據分析的新創公司Inkiru,預計將透過客戶行為、轉化率和電子郵件廣告這些數據來分析顧客的行為,並且設計相關行銷策略,進一步強化該企業的線上銷售業務。
從報導看來,很多大公司對於大數據的跨足,真的是越來越多,如果在意資料的顧客,自己要多多注意。
那除了透過大數據的分析之外,還有沒有其他方式能夠將大數據時代下的資訊轉換為鈔票呢?
那就是我們史塔克實驗室身處的地方,訊息萬變的金融市場,正好就是數據最為豐富之處。
現今的網路普及程度高的離譜且資料取得容易,近年來透過量化模型的自動交易模式已經逐年攀升,目前更有約三分之二的華爾街交易皆來自於量化投資。其實像是法人啊投信,很多也都是使用量化的程式交易,你把條件設定好,等到條件滿足之後,就會幫你下單了。藉由大量數據的應用、多變量因素的設定、統計學上機率和期望值的回測追蹤,可以幫助投資者賺取價差。在這篇文章裡面提到的,雖然有些人會稱之為人工智慧,雖然不能說錯,但總是有許多人混肴,今天提到的程式交易,是目前在金融市場中,使用機器來輔助人類,最常見到的方式,不僅能夠有效幫助投資者在執行投資策略時降低風險、掌握趨勢,更可透過投資策略執行的設定,避免受到人性喜好影響而犯下的錯誤。
程式交易或者有些人會稱為量化投資,這個技術就是藉由科技處理資訊、進而實現投資理念的一種策略;在市場複雜程度日漸增加、投資規模和投資項目皆與日俱增的趨勢下,由投資經理人或者個人主觀判斷所形成的傳統投資方式已經面臨了較大挑戰,其所能夠涵蓋的思考範圍也稍嫌不足。
那何謂程式交易呢,最簡單的定義,就是使用機器在盤中能夠代替人類來進行操盤(買、賣)的動作,簡易的流程如下:
- 接收市場資訊,數據資料整理,像是很多軟體會透過API的串接接收即時逐筆成交資料。
- 藉由程式自動觀察價量的變化,並透過投資者事先設計好的策略計算出買賣點(例如均線突破時就買進,如果跌幅超過 5%就賣出....等等設計)
- 如果上述的策略訊號觸發時,機器會在自動進行下單買進或賣出投資者設定的個股。
那程式交易的優點有那些呢?
1. 我們傳統的人工下單方式,一次只能關注2-3檔股票,而且還要一直盯著盤價,想買的價位還不一定買的到,程式交易則可以處理大量的資料並且快速操作多擋股票的買賣。
2. 金錢的操作是容易讓人類產生壓力的,每次都要人類果斷的做出決定,是很困難的事情,買入時會想等盤價再低一點,多賺一點,然後錯失最佳買入的時機,程式交易則可以完成遵守交易紀律,克服人性的盲點。
3. 節省投資者的時間,機器能夠協助人類看盤,並自動完成交易,讓人類省下很多時間,多出來的時間可以用來做更有意義的事情。
有越來越多的投資者開始注意到量化投資,更有不少基金、券商皆已推出量化投資類型產品,其使用者不只是一般散戶股民,大到投信、法人也在使用。基於科技技術的基礎之上,未來運用於投資商品的資料挖掘、大數據投資策略開發…等,都將成為投資領域不可避免的趨勢。
舉例來說,英國對沖基金Derwent Capital Markets,就有推出研究社群網路推特(Twitter)的數據內容來感知市場情緒、進而進行投資的對沖基金;而中國上海量化投資管理中心則在今年初推出量化大數據對沖1號基金,以總體經濟、公司財報和市場交易…等大數據資訊進行模型選股。
投資市場一直都是資訊不對稱的世界,在資訊量爆發的時代,投資者將圍繞著資訊的獲取以及解讀而發展;因此,若想要成為資訊爆炸時代下的投資贏家,大家都需要運用有限的時間,找到有效資訊解讀方式。
根據效率市場理論,大數據技術的發展也許將會使得取得資訊的成本下降,而在投資者掌握更多有效資訊的狀況下,則將可能造成市場的波動度降低。只不過,在現實狀況中,並非所有投資者都有能力和技術獲取所有的資訊、更不用說是否能夠正確解讀龐大資訊中所隱含的訊號了。
想藉由大數據將資訊變成鈔票嗎?透過有效判斷資訊、搶先一步得到資料背後的訊號,便會大數據時代中最為關鍵的一環!雖然寫這篇的同時,我也聽到滿多股市老手被新手績效打到趴的例子,這以後再來講吧。