從數(shù)據(jù)到價值的轉(zhuǎn)變

在衣食住行中，天氣除了對“住”沒太大直接影響之外，我們的穿衣、出行、農(nóng)作物的生長，都與其息息相關，在歷史上的許多戰(zhàn)爭中，狂風、暴雨、冰雹、迷霧都曾發(fā)揮過扭轉(zhuǎn)戰(zhàn)局的奇效，而在金融戰(zhàn)場上，農(nóng)產(chǎn)品領域的天氣行情也屢屢上演。天氣預報的作用自然不必贅述，而人類是如何預報天氣的呢？1913年英國的天氣預報員都會監(jiān)測當天的天氣情況，然后找到與這天氣的天氣情況相似的過去某天的天氣記錄，此時的天氣預測是在假設以前的氣候狀況會重復的基礎上進行的，這不就跟我們交易中運用的圖表分析非常類似嗎？這時天氣預報更像是一門藝術而不是科學。當時有個科學家理查森提出利用物理和數(shù)學知識，比如流體運動方程等等，就能預測第二天的天氣。在當時的情況下，要想預測6個小時后的天氣情況，需要一個專業(yè)人員6個星期左右的計算與準備時間，而且是一天24小時不眠不休地連續(xù)工作6個星期才能得出結(jié)果。他幾經(jīng)嘗試，得出的計算結(jié)果基本上全都錯得離譜，計算過程中需要的資源無比讓人抓狂，他設想過一個天氣預報作坊：在一個鋪著世界地圖的大廳中，人工“計算器”坐了滿滿一屋子，一群精通數(shù)學的人們埋頭苦算各自桌子覆蓋區(qū)域的天氣情況。要想真正跟上變化無常的天氣，預報作坊至少需要20萬人，所以1913年把天氣預測從一門藝術變成一門精確科學的夢想也就不了了之了。一百年后的今天，我們的全球天氣預報系統(tǒng)在過去五年里對未來3天的天氣預測的準確度已經(jīng)達到了95%，而這一取得巨大成功的系統(tǒng)正是源于理查森所描述的方法與理念，他之所以錯得那么離譜，計算能力不足是一方面，他掌握的數(shù)據(jù)不足是另一方面。首先我們必須有足夠的數(shù)據(jù)，就拿海浪天氣預報來說，最早的時候受限于科技水平，傳感器只能監(jiān)測海浪的能量，過了一陣子可以計算它的方向，再之后能夠計算它的傳播速度、偏度和峰度。傳感器布置的數(shù)量和廣度也從開始的星星點點、零零散散，到后來覆蓋全部海岸線，從淺水到深水??想讓預報更加貼近于實際情況，我們需要在人類生活的物理環(huán)境當中廣泛部署微小的計算設備與無處不在的互聯(lián)網(wǎng)相結(jié)合，實現(xiàn)無處不在的信息自動采集、傳遞和計算?，F(xiàn)在的氣象系統(tǒng)依靠的是精密的氣象雷達、衛(wèi)星遙感器與不計其數(shù)的地面?zhèn)鞲衅鞯鹊?，地面和高空的溫度也會在世界各地的氣象站即時更新。2011年10月，美國國家氣象局在全國2000輛運輸大巴上裝備了傳感器，隨著巴士的移動，這些傳感器可以收集沿途所有地點的溫度、濕度、露水、光照度等數(shù)據(jù)，并立刻傳回國家氣象局的數(shù)據(jù)中心，數(shù)據(jù)采集是每10秒鐘一次，每天傳感器采集10萬次以上的數(shù)據(jù)。這些數(shù)據(jù)是實時的、高精度的，而不再需要像理查森那樣到處收集參差不齊的大氣情況數(shù)據(jù)。另外，高速計算機已經(jīng)取代了他要求的二十萬左右的人工計算者，而且還規(guī)避了那些妨礙計算的不穩(wěn)定因素，這意味著，我們對于短期天氣將不再僅僅是“預”報，將逐漸走向“實”報與“精”報。然而當我們想預報的周期越長、范圍越是分散時，需要考慮的因素就越多，局面就越超出想象的復雜，它就越可能變得混沌而難以預測?？萍及l(fā)達至今天這般地步，我們對未來3天的天氣預測還有5%的不確定，如果我們對當下的現(xiàn)象還有一絲不確定，那么不確定因素隨著周期擴大，就會快速擴大，使得長期天氣預報變成徒勞，正是因為這個原因，現(xiàn)在人們還是難以預測兩周以后的天氣情況?？茖W家們還在不懈努力，驅(qū)使著他們的是一個從未動搖過的信念：自然現(xiàn)象能夠被人類理解、描繪、量化和預測，并最終受人的控制。大部分人對科學很是癡迷，而抱有這份信念的好處在我們身邊隨處可見。因為預言是人類最古老的夢想之一，如若我們能知道將來我們會遭遇些什么，我們能據(jù)此調(diào)整我們的策略并從這種知識中獲益。對于做交易的，這種夢想尤甚。難道人類的預知能力真的存在一種難以逾越的障礙，即使理論再強大、資料再充分、電腦再快也無濟于事？于是量化交易，又成為了很多人的一大夢想，用公式打敗了市場的西蒙斯的大獎章對沖基金又成為了人們的榜樣。復興科技里雇傭了一批大規(guī)模海量信息處理的行家里手，他們用超級電腦快速處理大量數(shù)據(jù)的優(yōu)勢來預判市場極短期的大概率方向，以捕獲過激情緒反應的模式作為主要盈利手段。他們究竟是怎么做到的，西蒙斯曾經(jīng)說過：“有效市場假說是基本正確的，也就是說，市場上沒有什么明顯的套利機會，但是，我們關注的是那些很小的機會，它們可能轉(zhuǎn)瞬即逝。這些機會出現(xiàn)之后我們會做出預測，然后進行相應的交易，交易之后，我們又對新的市場情況進行跟蹤和評判，我們的預測也會作相應調(diào)整，當我們的預測變化之后，我們的投資組合也會跟著變化。我們整天做的就是這個事情，我們總是不停地買入，拋出，我們之所以賺錢，就是靠我們不停地交易?！睂ふ疫@類機會，計算是否滿足各類條件需要很強的計算能力，因為你可能需要對市場上的各種交易進行連續(xù)監(jiān)控，獲取各類數(shù)據(jù)，并且在最短的時間要做出響應，我們根據(jù)已有的資料分析，這類模型仍然是大獎章使用最多的一類模型：追蹤很短線的市場過激反應，采取相應的買賣手段，等待市場的回歸。西蒙斯自己也說過：當市場波動性比較高時，大獎章的模型一般表現(xiàn)比較好，大獎章使用的這類短線過激反應的模型正適合于市場上下起伏狀況：大家都摸不著北，一會要買，一會要賣，西蒙斯的電腦模型正好在渾水里摸魚。記者：您能說說大獎章基金的投資策略嗎？西蒙斯：沒什么能說的。記者：你使用什么金融工具呢？西蒙斯：所有的。記者：您有多少種不同的交易策略？西蒙斯：很多。記者：您靠什么賺了那么多錢？西蒙斯：運氣復興的一些交易策略著重分析那些較少為人所關注的數(shù)據(jù)來源，這些數(shù)據(jù)來源較少被人關注一般是有原因的，常常是所需要的技術的復雜程度很高。比如記錄市場里的所有掛單，特別是一些巨額掛單，關注他們是否撤銷，是否成交，如果沒撤掉，被吃掉之后，行情短期內(nèi)可能怎么走，怎么跟進；如果撤掉了，又可能怎么走，怎么應對，等等，普通人腦可以憑借經(jīng)驗對幾個自己熟悉的品種進行類似的關注和操作，而超級計算機可以通過機器學習關注所有品種，全球的所有品種。（機器學習，是人工智能的一個分支，通過在大量數(shù)據(jù)上運行分析程序，達到讓計算機自動學習，積累智能的目的。）復興成功的秘密不在一個公式上：它有很多不同的公式，適用于不同的工具和不同的市場條件；而且量化投資的模型一般會隨著時間的推移而出現(xiàn)“疲勞”，所以任何量化基金都需要不停地改進自己的模型，這個過程通常是交叉和變異的過程：對已有模型的參數(shù)進行更改，在模型上加上其他一些條件，或者將兩種模型套用，有時候也會加一些全新的模型。它另外還有很多公式，幫助它進行風險管理（何時入市、何時止損、何時止盈、每種交易公式之間的權重分配，杠桿的配置等）；它還有很多公式控制公司的交易成本。退一萬步，如果西蒙斯把大獎章所有的公式都交出來，能把這些公式變成錢的公司和個人在全球仍然是屈指可數(shù)。同樣是在做短線交易，大多數(shù)人會疲勞，會犯錯，會失控，再加上交易成本對利潤的吞噬，難逃虧損的結(jié)局，但電腦程序只要在設計時，在細節(jié)考慮上足夠全面，至少能讓自己立于不敗之地。孫子兵法有云：“不可勝在己，可勝在敵”，只要自己不出現(xiàn)非受迫性失誤，等著別人失誤就可以得分了，等別人大量犯錯的時候，它就能夠成為少數(shù)的持續(xù)性贏家。讓我們從廣義的角度來看看數(shù)據(jù)是如何轉(zhuǎn)化成價值的：在信息爆炸的社會，人類可以“分析和使用”的數(shù)據(jù)在大量增加，呈指數(shù)級增長，各種傳感器的劇增，高清晰度的圖像和視頻，都是數(shù)據(jù)爆炸的原因。我們的注意力，都在被各種各樣的信息和數(shù)據(jù)消費著，信息越豐富，就會導致我們的精力越匱乏??信息并不匱乏，匱乏的是我們處理信息的能力，我們有限的時間和注意力是我們的主要瓶頸。如何收集、過濾、保存、維護、管理、分析、共享正在呈指數(shù)級增長的數(shù)據(jù)是我們必須面對的一個重要挑戰(zhàn)。如圖所示我們從規(guī)模和價值兩個維度，把所有數(shù)據(jù)分為三類：A數(shù)據(jù)價值2信息數(shù)據(jù)規(guī)棋繼大的，價值越小數(shù)據(jù)數(shù)據(jù)規(guī)模從數(shù)援到價值的轉(zhuǎn)變賦予背景信息扌觴規(guī)律知識指導實踐數(shù)據(jù)只是數(shù)字化的記錄，其本身并無意義；把原始數(shù)據(jù)放蚤到一定的背景下，對數(shù)字進行解釋、賦予意義，就變成了信息;而通過對信息的進一步整合*分析.深耕和挖掘，人類可以發(fā)現(xiàn)新的矢頌；數(shù)據(jù)是信息的載體.是知識的源泉，當然也就可以創(chuàng)造新的價值.效用和利潤。針對過去，掲示規(guī)律1r扌分析針對過去，掲示規(guī)律1r扌分析k數(shù)據(jù)挖掘面對旃預躺勢預測性

分析blog.sirisLCorrLcn/u/210/o/ol12要玩轉(zhuǎn)數(shù)據(jù)需要：做好數(shù)據(jù)收集工作；做好數(shù)據(jù)挖掘工作；把知識化為真正的行動。以學習一項技能為例：我們可以用自我量化的形式開始收集數(shù)據(jù)：自我量化是指利用計算機、智能手機以及各種新的電子便攜感應器來記錄自己學習、工作、運動、休息、娛樂、飲食、心情等等個體行為的情況，就像我們需要對體重、身高、血壓、心跳等物理指標進行監(jiān)控一樣。自我量化的主張者認為，為了更好地了解我們、提高自己，我們必須要用數(shù)據(jù)來記錄、研究、分析自己的行為。其理由在于：人的感覺中存在盲點，直覺不可信任，理性思維也有局限，大腦即使有驚人的記憶力，也未必有驚人的信息加工能力。很多時候，我們會高估自己的理性，低估情緒對我們的影響。認識自己雖然很難，但非常重要?；跀?shù)據(jù)的記錄和分析，可以幫助我們走出錯覺。認識真正的自己。一邊實踐，一邊進行相應的記錄，累積成數(shù)據(jù)庫，當你從自我量化中，認識了真正的自己，發(fā)現(xiàn)了自己真正的長處和短處在哪里，哪里需要改進和提高，哪里需要回避，哪里可以大膽發(fā)揮，然后逐漸地去改變自己。從知識過渡到實踐很困難，通往不幸有一個最簡單的步驟：什么也不做。遺憾的是，我們大多數(shù)人知道了該怎么做之后，正