基金經理這個被很多普通人視為“高不可攀”的職業，其實并非那么神秘。占據了他們很大一部分工作時間和精力的，正是對新聞、公告、熱點、行情、報告等各種信息的收集、處理和判斷，并在此基礎上做出正確的投資決策。

　　大數據時代基金經理的一天

7點起床上班，路上開始瀏覽前天外盤情況，國際市場的主要指標以及重大動態；8點進入辦公室，瀏覽國內外主要財經網站，晨會與同事一起討論當天最新的宏觀政策，財經和市場動態；9點-15點看盤，管理投資組合，看報告；收盤后對當天市場行情進行總結、分析，晚餐時繼續與同行進行近期市場和投資熱點討論。晚上看長篇研究報告，20點左右上網看上市公司公告，并為第二天的工作做好充足準備。午夜，休息。

以上描述的，就是一位基金經理的日常生活，這個被很多普通人視為“高不可攀”的職業，其實并非那么神秘。占據了他們很大一部分工作時間和精力的，正是對新聞、公告、熱點、行情、報告等各種信息的收集、處理和判斷，并在此基礎上做出正確的投資決策。

在互聯網如此普及之前，這樣的投研過程基本是靠人工完成的。隨著互聯網的高速發展一起到來的，是信息量的爆炸式增長?；ヂ摼W上的數據逐漸呈現出明顯的4V特點：Volume(大量)、Velocity(高速)、Variety(多樣)、value(價值)，因為規模極其龐大并在實時高速擴展中，被稱為“大數據”。

“大數據”時代對投資管理的改變是顯而易見的，投資研究開始由原來的小樣本向全樣本，由定期向實時的變化著。而龐大的數據樣本中充斥著大量的噪音，哪怕資管從業者的“智商”再高，他的時間和精力也是有限的。清除這些“噪音”，并在從不間斷產生的實時數據中快速提取自己關注的信息，先人一步把握住資本市場的機會，單純依靠人力，似乎并不現實。

在大數據背景下，我們需要借助機器和人工智能的力量，幫助我們完成人力無法高效完成的信息處理工作。通過智能計算和機器學習，我們可以對所有的非結構化數據進行分析，在數量龐大而覆蓋廣闊的數據中，把所有的投資標的都連接起來，建立起一個完整的關系圖譜。

并在此基礎上，動態跟蹤實時新聞，捕捉各類事件，進而建立起事件影響在關系網上傳導的機制。當然，傳統的投資理念依然需要遵循，如價值投資、主題投資、事件驅動投資、情緒投資等，但操作方式和以前相比會有根本改變。投資者將更多依賴大量數據和智能分析的技術快速找到投資機會，直接進行投資。

Kensho是美國一家基于云計算的智能計算機系統先鋒公司。Kensho的系統不單收集、處理資料，還能分析總結、回答問題、提供買賣建議，從而為金融市場的投資人們提供一套全新的數據分析工具。

據報道，截至今年年底，這個叫Warren的系統可以回答的復雜金融問題種類將達到 1 億種，如“當油價高于 100 美元一桶時，中東政局動蕩會對能源公司的股價產生怎樣的影響？”，“朝鮮核試驗后 48 小時內韓國公司三星的股價變化”等，并以圖形的方式直觀呈現，將以往研究的時間從幾天縮短到幾分鐘。

Warren正是通過先進算法、數據抓取、挖掘、處理以及個性化推送，大數據分析最重要的優勢在于處理效率和覆蓋范圍。無論是速度還是廣度，機器的處理效率遠遠超出人類。它覆蓋的范圍是整個市場，而非局限于某個行業或某些個股。它能第一時間及時將你關心的信息推送給你，而非滯后性靜態數據。

傳統的基本面投資也因大數據技術而得到改變。有家美國公司利用衛星24小時監測超市的車流、貨運、港口的運輸，并賣給華爾街的投資公司，使他們不用再等官方數據，不用去工廠門口蹲守，就可以實時通過衛星第一時間得知市場的變化。信息傳遞速度改變著投資的速度。如今，新興技術使得投資的節奏越來越快，走在別人前面，才能更好把握市場機會。

除了基本面，大數據背景下的投資管理也能更快更全地收集和分析社會情緒數據。在中國，我們也開始使用互聯網情緒指數做投資了。南方基金和新浪財經聯合構建的指數，就是基于互聯網關注度，利用情緒做投資的典型案例。而通聯數據所在做的金融云平臺，也正是基于大數據分析和智能計算的新型互聯網金融服務，比較全面地收集處理了基本面和社會情緒等多方面的數據，力圖準確提煉影響市場波動的諸多因子。

“投資，已由一門藝術發展為一門科學”20年前，我的兩位同事——Grinold and Kahn提出了這樣的觀點。他們通過總結投資中的一些規律，覆蓋了收益率預測、風險管理、成本管理、績效評估等核心因素，用計算機分析來構建投資模型。這些科學模型幫助他們在20年間成就了世界全球最大的資產管理公司，就是現在的貝萊德。而未來，大數據時代的資產管理將伴隨著機器學習和智能計算的發展，成為以人工智能為依托的智能金融。