對于大數據，王政表示:“大數據時代，資產管理的一個風尚就是由藝術式投資變為科學式投資，大數據可以做以前他們想做卻做不了的事，如對市場情緒的搜集和判斷。通過大數據，可以盡可能大范圍地搜索新聞信息，包括行業層面或者公司機構，來判斷市場情緒，對這個行業是樂觀還是悲觀，對公司是看好還是不看好。”
一個人的心理或許很難捉摸，但某些外在信息顯露匯集而成的市場趨勢恰恰是資產投資管理的判斷標準。如廣發基金和百度合作推出的一款大數據基金，就是建立在百度搜索的海量數據信息基礎之上，選取成分股來構成的。王政說沒有人會想到互聯網搜索數據也可以成為構建指數的一個方式，但大數據做到了。
在這樣一位多年從事資產管理工作的老手看來，大數據給以基金為代表的資產管理行業帶來了“質的飛躍”。王政總結了資產管理領域的兩次飛躍。在計算機之前，投資單純依靠人的判斷，根據行業經驗和專業積累，判斷市場行情趨勢，構成自己的投資邏輯。計算機的出現改變了原有的研究方法，投資人員總結出普遍的市場規律，通過計算機進行量化投資開始盛行，這是一次飛躍。大數據時代實現了從小樣本到全樣本信息的搜集，充分利用海量數據，借助機器學習充分挖掘有價值的市場因子，開啟智能投資新時代，這是第二次飛躍。
大數據帶來的量變是否一定會帶來質變是個未知數，數據的廣度和準確度顯然并不一定成正比。“這考驗的就是數據服務提供商挖掘分析數據的能力，因為數據中存在一些無用的‘噪音’，我們要盡可能剔除它們，提煉出有價值的信息。”王政將那些干擾性的數據形象地稱之為“噪音”。
另一個排除干擾的解決方案叫“機器學習”——machine
learning。機器在海量信息存儲的基礎上，通過不斷地“學習”，機器的“思考”能力——根據過往數據總結的經驗有效判斷市場行情的變化——得以漸漸形成。
可以看出，大數據背后依托的不僅是海量數據，更重要的是分析挖掘數據并精準應用的能力，智能計算機技術是構成這種能力的關鍵。機器取代人類，在資產投資領域，似乎比科幻片中機器人占領世界的可能性要大的多。在這樣一個趨勢下，未來某個階段，是否所有投資者都能變成王亞偉呢？王政說，理論上，市場越有效，“王亞偉”反而越不會出現，因為所有參與者的表現都一樣。當然，這種終極場景就像經濟學中提到的“完全競爭市場”一樣，在現實中難以真實存在。“終究機器是由人設計的，人建立模型的能力不同，這就決定了市場的非有效性。”人在大數據時代扮演的是什么角色？王政打了一個比方:“大數據是樂器，人就是演奏者，人要設計機器，訓練機器，提升機器的學習能力。”
人抓取運用數據的能力，決定了大數據時代的意義。王政提到了一些國外大數據服務同行的做法，從中也能看到數據的微妙之處。他說國外一家專業數據服務公司，通過在發電廠附近的居民區內安裝探測器，來統計電廠的輸送電量，觀察發電情況。“用電量從宏觀上可以判斷一個國家經濟的運轉情況，從微觀上可以判斷一戶人家的消費水平。同樣，如果要判斷一家超市的銷售情況，可以統計其車庫每日進出車輛的數量。”王政強調這種大數據分析的優勢在于，專業投資機構得到這樣的數據，可以在官方統計結果公布前，提前對市場變化做出預期判斷，從而先人一步把握投資機會。
數據背后隱藏的信息量，就是投資邏輯建立的基礎。而在投資之外，王政對保險行業大數據應用同樣看好。同樣是建立在數理統計模型上的保險產品，大數據的引入，對其定價模式產生了翻天覆地的變化。“比如車險，以前定價比較統一，就是因為無法精確地判斷每個投保人的具體風險情況，如今通過車載設備提供的數據，可以有效了解駕駛員的行為、駕駛技術和習慣，再據此判斷其駕駛發生風險的可能性是大還是小。”王政表示，保險行業是未來大數據重點拓展的一大方向。
京公網安備 11010502049343號