金融大數(shù)據(jù)情報分析：以量化投資為例

丁曉蔚

內(nèi)容提要 量化投資大致可分為五個環(huán)節(jié)，每一個環(huán)節(jié)都有賴于大數(shù)據(jù)情報分析。大數(shù)據(jù)情報分析可以幫助投資主體發(fā)現(xiàn)和挖掘盈利機(jī)會，進(jìn)行投資決策，執(zhí)行交易操作，預(yù)測預(yù)警交易風(fēng)險，助力管控風(fēng)險。金融大數(shù)據(jù)情報分析是情報學(xué)中相關(guān)性原理的延伸。借助基于可信大數(shù)據(jù)和可信人工智能的新型情報分析，人類有望在獲得金融經(jīng)濟(jì)發(fā)展繁榮、防控金融風(fēng)險、預(yù)警金融危機(jī)和維護(hù)金融安全等方面做得更好。在量化投資領(lǐng)域，大數(shù)據(jù)情報分析能充分發(fā)揮作用和體現(xiàn)其價值，對金融大數(shù)據(jù)情報分析的研究亟待加強(qiáng)。

引 言

據(jù)“Global Algorithmic Trading Market 2016—2020”的報告統(tǒng)計：美國約90%的公開交易市場都采用了量化交易技術(shù)；采用量化交易獲得的收益比傳統(tǒng)交易獲得的收益多出10.3%；量化金融大約有1萬億美金市場；近年來表現(xiàn)前10的對沖基金中有6個是量化基金；雖各量化基金量化策略不同，但績優(yōu)的幾個量化基金都在大宗商品范疇內(nèi)交易[1]見《量化投資之崛起》，http://fintechgl.com/articles/83，2019年12月1日。。無疑，在美國，量化投資已占很大比重。2017年，隨著中證500期貨貼水的變小，量化2.0時代正式開始了；2019年6月25日，證監(jiān)會為了配合科創(chuàng)板推動了公募基金轉(zhuǎn)融通業(yè)務(wù)指引，券商紛紛跳起來擁抱這個新業(yè)務(wù)，直接把量化推入3.0 時代[2]《量化投資3.0時代已經(jīng)來臨，你準(zhǔn)備好了嗎？》，https://baijiahao.baidu.com/s?id=16417411526413 60373&wfr=spi?der&for=pc，2019年12月2日。。由此可見，在我國，量化投資已在金融業(yè)的版圖中嶄露頭角。

“情報學(xué)是研究如何將信息轉(zhuǎn)變?yōu)榍閳?，以及研究所產(chǎn)生情報的具體用途。”[1]蘇新寧：《大數(shù)據(jù)時代情報學(xué)學(xué)科崛起之思考》，〔北京〕《情報學(xué)報》2018年第5期。在情報學(xué)中，金融情報學(xué)應(yīng)成為重要分支學(xué)科；量化投資情報研究應(yīng)在其中占有一定位置。此前，情報學(xué)包括情報分析很少被應(yīng)用于量化投資。截至2019年12月底，在中國知網(wǎng)以“情報”為主題、關(guān)鍵詞、篇名進(jìn)行檢索，分別得到45214、39232、36485條論文信息；以“量化投資”為主題、關(guān)鍵詞、篇名進(jìn)行檢索，分別得到48、26、8條論文信息；以“量化投資”“情報”為主題、關(guān)鍵詞、篇名進(jìn)行搜索，結(jié)果均為0。可見關(guān)于情報的研究成果已有很多，但量化投資尚未引起研究者們的充分關(guān)注，基于情報學(xué)探索量化投資的研究尚未展開，這也正是本文研究的重點(diǎn)所在。

在此之前，須先厘清一些基礎(chǔ)性問題。

一是情報分析與數(shù)據(jù)分析存在的差別?！皬臄?shù)據(jù)對象維度來看，數(shù)據(jù)分析方法以處理單源數(shù)據(jù)為主，情報分析方法以處理關(guān)聯(lián)的全源數(shù)據(jù)為主；從產(chǎn)出結(jié)果來看，數(shù)據(jù)分析產(chǎn)出的是新信息、新知識，情報分析產(chǎn)出的是新智能；從分析起點(diǎn)維度來看，數(shù)據(jù)分析主要是數(shù)據(jù)驅(qū)動，情報分析主要是目標(biāo)驅(qū)動；從分析方法維度來看，數(shù)據(jù)分析以定量分析為主，定性分析、歸納推理、演繹推理為輔，情報分析在產(chǎn)出新信息、新知識階段以定量分析為主，在智能產(chǎn)出階段以歸納推理、演繹推理為主。”[2]楊建林、李品：《基于情報過程視角辨析情報分析與數(shù)據(jù)分析的關(guān)系》，〔北京〕《情報理論與實(shí)踐》2019年第3期。數(shù)據(jù)分析是基于數(shù)據(jù)所做分析，結(jié)果是可能形成情報也可能并不能形成情報。形成情報需要具備一定的要件：以相應(yīng)數(shù)據(jù)為基礎(chǔ)，融入特定主體的經(jīng)驗(yàn)、智慧、洞見，結(jié)合相應(yīng)的社會背景、生態(tài)環(huán)境、方針政策及政治、經(jīng)濟(jì)等相關(guān)因素進(jìn)行綜合分析。情報分析是使分析對象能形成情報并體現(xiàn)情報價值或提升情報價值的分析。

二是金融情報分析的目標(biāo)指向?yàn)閮?yōu)化決策（政府監(jiān)管部門的決策，從事量化投資的金融企業(yè)的決策，其他相關(guān)投資者的決策），以為金融安全和金融發(fā)展提供可靠保障。

三是情報學(xué)為特定主體的投資提供智力支持。情報學(xué)通過對全源數(shù)據(jù)、海量信息進(jìn)行搜集、挖掘、分析、綜合、評估，在上述處理過程中融入相應(yīng)的智慧，使之轉(zhuǎn)化成情報，以滿足顯在或潛在的用戶的需求。

四是金融大數(shù)據(jù)情報分析對量化投資頗有裨益。量化投資是在計算機(jī)技術(shù)和人工智能融入金融投資領(lǐng)域后發(fā)展起來的。量化投資要提高預(yù)測的成功率，提高投資回報和贏利率，降低和防控投資風(fēng)險，有賴于從大數(shù)據(jù)情報分析中獲得智力支持。這是因?yàn)椋菏紫龋^去的金融分析，較多的是基于相關(guān)經(jīng)濟(jì)邏輯、行業(yè)態(tài)勢、統(tǒng)計報表、財務(wù)資料等進(jìn)行的分析；而金融大數(shù)據(jù)情報分析，則涵括了對宏觀背景、金融環(huán)境、社會心理、監(jiān)管政策、博弈對手及金融交易本身等多源異構(gòu)的大數(shù)據(jù)進(jìn)行分析。傳統(tǒng)的金融分析中雖也包含了以上所列的一些內(nèi)容并被稱為基本面分析，但并不依靠大數(shù)據(jù)技術(shù)作為分析對象，數(shù)據(jù)并不是全源數(shù)據(jù)，信息也不是海量信息。金融分析如果離開大數(shù)據(jù)，不太可能產(chǎn)出有較高價值含量的金融情報。其次，量化投資是建立在全源數(shù)據(jù)基礎(chǔ)上的，通過大數(shù)據(jù)技術(shù)進(jìn)行的實(shí)際操作。在此基礎(chǔ)上，量化投資按事先設(shè)定的程序進(jìn)行智能化自動化交易選擇最佳交易品種、投資時機(jī)、投資數(shù)量，以實(shí)現(xiàn)贏利最大化。最后，由金融數(shù)據(jù)到金融情報的轉(zhuǎn)化，是依靠專門人才的智慧加工完成的。專門人才的智慧包括：投資贏利的成功經(jīng)驗(yàn)，防范風(fēng)險的得力措施，金融交易的真知灼見，盈利機(jī)會的瞬間捕捉。特定主體以這樣的智慧用于對金融情報的基礎(chǔ)——原材料和準(zhǔn)情報進(jìn)行分析和加工，使之具有金融情報的價值，或使金融情報的價值有所提升。

一、量化投資：概念詮釋、要點(diǎn)及本質(zhì)

以量化投資為例研究金融大數(shù)據(jù)情報分析，有必要先對量化投資概念進(jìn)行界定，因?yàn)檫@是本研究的邏輯起點(diǎn)；然后再對量化投資進(jìn)行要點(diǎn)列述及本質(zhì)探析，以此為整個研究奠定基礎(chǔ)。

（一）對量化投資的概念界定

量化投資是一種采用數(shù)理方法和計算機(jī)技術(shù)從數(shù)據(jù)中挖掘盈利機(jī)會、進(jìn)行投資決策、執(zhí)行交易、預(yù)測預(yù)警和管理控制風(fēng)險，以獲得超額收益和長期穩(wěn)定盈利的投資方法，其要點(diǎn)有：

1.投資方法。從本質(zhì)上說，量化投資是一種投資方法。

2.依憑技術(shù)。即“采用數(shù)理方法和計算機(jī)技術(shù)”。量化投資所采用的手段，有別于其他投資方法和交易方法。傳統(tǒng)的投資方法多憑有關(guān)人員的經(jīng)驗(yàn)、直覺、洞察甚至靈感來預(yù)測和捕捉投資機(jī)會，做出決策并執(zhí)行交易、操盤下單。盈虧的原因相當(dāng)復(fù)雜。投資者/操盤者可能因瞬間做出的判斷而獲重大利好，也可能因“一念之差”甚至情緒偏差、發(fā)揮失常而錯失贏利良機(jī)甚至遭受巨大損失；由于缺乏正確的、系統(tǒng)性的情報，因而或僥幸取勝而獲利，或造成誤判而受損?！安捎脭?shù)理方法或計算機(jī)技術(shù)”，構(gòu)成了量化投資和非量化投資之間的重要區(qū)別。這是量化投資定義的“種差”之一。

3.具體操作。即“從數(shù)據(jù)中挖掘盈利機(jī)會、進(jìn)行投資決策、執(zhí)行交易、預(yù)測預(yù)警風(fēng)險、管理控制風(fēng)險”。基于大數(shù)據(jù)和對大數(shù)據(jù)所作的分析（實(shí)際上就是大數(shù)據(jù)情報分析），進(jìn)行上述一系列操作（所列操作順序同時也是運(yùn)作的邏輯順序）。在這里，捕捉盈利機(jī)會（爭取盈利不虧和多多盈利）和規(guī)避投資風(fēng)險（降低或消除風(fēng)險）是并行不悖的，不允許出現(xiàn)任何偏廢。這是“種差”之二。

4.目標(biāo)追求。量化投資的目標(biāo)很明確：獲得超額收益及長期穩(wěn)定盈利。量化投資過程中的情報分析須為此目標(biāo)服務(wù)，不能獲得超額收益的量化投資是不可取的；不能長期穩(wěn)定盈利的量化投資，稱不上是優(yōu)化的量化投資（須按優(yōu)化的要求不斷改進(jìn)投資軟件和投資策略、模型和算法）。這是“種差”之三。

（二）量化投資研究的實(shí)質(zhì)

量化投資研究是基于海量數(shù)據(jù)所作的分析研究，其實(shí)質(zhì)為基于大數(shù)據(jù)的情報分析（只是分析內(nèi)容有別于軍事情報、科技情報、圖書情報等而已），是經(jīng)對金融大數(shù)據(jù)的分析而形成了有關(guān)量化投資的金融情報，特定主體的投資決策是依據(jù)情報和情報分析做出的，經(jīng)實(shí)踐檢驗(yàn)以后對投資軟件系統(tǒng)及投資策略、模型和算法進(jìn)行改進(jìn)和優(yōu)化，這是在基于大數(shù)據(jù)的情報分析的基礎(chǔ)上進(jìn)行的；傳統(tǒng)上，量化投資也可以基于小數(shù)據(jù)分析，但基于盡可能多數(shù)據(jù)的大數(shù)據(jù)超集所作的情報分析理論上優(yōu)于基于小數(shù)據(jù)子集所作的情報分析。遺憾的是許多人并沒有認(rèn)識到這一點(diǎn)。

（三）量化投資與基于大數(shù)據(jù)的金融情報分析

量化投資與金融分析和情報分析關(guān)系密切。不能說此前的量化投資中只有金融分析而全無情報分析，但確實(shí)存在著如下缺憾：其一，不少量化投資機(jī)構(gòu)尚缺乏進(jìn)行大數(shù)據(jù)金融情報分析的自覺意識，也少有研究者和實(shí)際操作者按情報學(xué)的專業(yè)要求進(jìn)行量化投資中的大數(shù)據(jù)情報分析；其二，作為分析對象的數(shù)據(jù)并不是大數(shù)據(jù)，而分析也并非大數(shù)據(jù)情報分析，而基于大數(shù)據(jù)的情報分析可以更多更好地為量化投資提供服務(wù)。

二、量化投資所含環(huán)節(jié)及大數(shù)據(jù)情報分析方法在其中的應(yīng)用

量化投資大致可分為五個環(huán)節(jié)，每一個環(huán)節(jié)都有賴于大數(shù)據(jù)情報分析。進(jìn)行量化投資者在獲得相關(guān)情報后，可在此基礎(chǔ)上進(jìn)行精準(zhǔn)投資。反之，則可能因缺乏大數(shù)據(jù)情報分析而遭遇虧損。

（一）量化投資目標(biāo)及與實(shí)現(xiàn)目標(biāo)有關(guān)的大數(shù)據(jù)情報分析

量化投資的目標(biāo)是獲得超額收益alpha和長期穩(wěn)定盈利，這里alpha代表的是不隨大盤起伏而波動的投資能力。alpha和長期穩(wěn)定盈利是投資界不懈探索的圣杯。從數(shù)量上，一種簡化的指標(biāo)可以是收益率/風(fēng)險（如夏普比值Sharpe Ratio），投資系統(tǒng)優(yōu)化的目標(biāo)是盡可能在減少和控制風(fēng)險的基礎(chǔ)上提升收益率。要實(shí)現(xiàn)上述目標(biāo)，大數(shù)據(jù)情報分析大有可為，因?yàn)樗婕皩ν顿Y盈利的障礙因素的分析。投資標(biāo)的交易價格的起落是構(gòu)成情報的重要信息和數(shù)據(jù)來源之一，對情報分析而言彌足珍貴。大數(shù)據(jù)情報分析須深入分析以下問題：造成交易價格“起”的相關(guān)因素有哪些？“落”又和哪些因素有關(guān)？“起落”有無規(guī)律可循？量化投資要做到不受大盤起落影響，抓手和關(guān)鍵在哪里？在以上諸多方面，大數(shù)據(jù)情報分析都有發(fā)揮作用的空間。

（二）大數(shù)據(jù)及從情報學(xué)角度對大數(shù)據(jù)所作分析

量化投資從大數(shù)據(jù)和大數(shù)據(jù)分析中發(fā)現(xiàn)和挖掘盈利機(jī)會。此處的大數(shù)據(jù)覆蓋面寬、數(shù)據(jù)量大：既可能直接涉及金融交易，也可能看似無直接關(guān)聯(lián)。以股票/期貨二級市場為例，直接涉及金融交易的大數(shù)據(jù)有：股票/期貨開、高、低、收大數(shù)據(jù)，買入賣出價大數(shù)據(jù)，成交量大數(shù)據(jù)，上市公司經(jīng)營和財務(wù)大數(shù)據(jù)、季報大數(shù)據(jù)、年報大數(shù)據(jù)等，分析師對上市公司前景進(jìn)行分析時所用大數(shù)據(jù)?？此茻o直接關(guān)聯(lián)的大數(shù)據(jù)則有：投資者對股票/期貨及相關(guān)企業(yè)的情緒大數(shù)據(jù)（情緒屬于輿情層面），公司與公司之間關(guān)系的大數(shù)據(jù)，公司及公司群內(nèi)幕信息大數(shù)據(jù)等。這些都可能是進(jìn)行金融大數(shù)據(jù)情報分析時有用的數(shù)據(jù)。

金融市場上進(jìn)行的是一種負(fù)和游戲，在追求alpha和長期穩(wěn)定盈利過程中，需要盡可能比競爭對手掌握更全面、更準(zhǔn)確、更真實(shí)、更有價值的數(shù)據(jù)。對量化分析師和量化投資經(jīng)理而言，越是全面的、準(zhǔn)確的、真實(shí)的、稀有的、新鮮的、競爭對手還沒有想到和掌握的數(shù)據(jù)，據(jù)此加工成金融情報，就越可能通過量化投資帶來超額收益。近年來，量化分析師和投資經(jīng)理們將目光投向一些看起來與投資并不直接相關(guān)的大數(shù)據(jù)。如，中證百度百發(fā)策略100指數(shù)將搜索量數(shù)據(jù)作為投資者情緒的一個方面的反映，對樣本空間的股票分別計算最近一個月的搜索總量和搜索增量并構(gòu)建搜索因子，綜合財務(wù)因子、綜合動量因子和搜索因子計算個股內(nèi)在價值，選取排序靠前的100只股票[1]《百度百發(fā)100指數(shù)介紹》，http://www.licaishouyi.com/news/230.html，2019年11月17日。。從貌似“不直接相關(guān)的（大）數(shù)據(jù)”中盡可能探尋與量化投資相關(guān)、對實(shí)現(xiàn)量化投資目標(biāo)有用的情報，其實(shí)質(zhì)是按“耳目、尖兵、參謀”[2]沈固朝：《“耳目、尖兵、參謀”——在情報服務(wù)和情報研究中引入intelligence studies的一些思考》，〔北京〕《醫(yī)學(xué)信息學(xué)雜志》2009年第4期。的情報分析要義進(jìn)行探索，探索一系列相關(guān)因子的內(nèi)涵和隱意，探索各種因子之間的相互關(guān)系，探索各因子及其相互關(guān)系可能對量化投資產(chǎn)生的影響，這是金融情報分析的主要內(nèi)容。

（三）量化投資流程各階段中的大數(shù)據(jù)情報分析

從流程上說，量化投資包括五個階段：挖掘盈利機(jī)會、進(jìn)行投資決策、具體執(zhí)行交易、預(yù)測預(yù)警風(fēng)險、管理/控制風(fēng)險。現(xiàn)按流程對量化投資中的大數(shù)據(jù)情報分析進(jìn)行分階段考察。

1.挖掘盈利機(jī)會過程中的大數(shù)據(jù)情報分析

從道理上講，在股市即使是處于熊市的情況下，投資者也并非絕對沒有盈利的機(jī)會。無論是在牛市中還是在熊市中，關(guān)鍵的問題是從哪里和怎么樣去發(fā)現(xiàn)、發(fā)掘盈利機(jī)會。依靠人工去發(fā)現(xiàn)和發(fā)掘盈利機(jī)會，視閾有限（只能關(guān)注一個很小的范圍）、精力有限（投資標(biāo)的品種之多和個人精力相對有限之間構(gòu)成難以克服的結(jié)構(gòu)性矛盾）、經(jīng)驗(yàn)有限（成功經(jīng)驗(yàn)只限于一部分投資標(biāo)的），因而難免捉襟見肘。量化投資則不然。它擁有獲得全源數(shù)據(jù)的技術(shù)、渠道和科學(xué)處理方法，使個人及團(tuán)隊視閾、精力、經(jīng)驗(yàn)的有限性不再成為不可逾越的障礙。在發(fā)現(xiàn)、發(fā)掘盈利機(jī)會方面，大數(shù)據(jù)情報分析的重點(diǎn)至少包含以下幾個方面：一是通過對基本面的分析，把握國際國內(nèi)政治、經(jīng)濟(jì)、文化等方面的大事件對金融市場產(chǎn)生的影響；二是分析特定產(chǎn)業(yè)/行業(yè)的發(fā)展走向和存在的盈利空間；三是分析諸多上市公司的財務(wù)報表及經(jīng)營狀況；四是分析特定上市公司的業(yè)績和前景及相關(guān)重要節(jié)點(diǎn)；五是市場中博弈對手的情況以及資金流動的態(tài)勢。以上分析均有賴于定性分析與量化分析的結(jié)合。在這一階段上，基于大數(shù)據(jù)的情報分析可以做的事情很多，且內(nèi)容極為豐富。可做的重要工作之一，是探尋事物之間的因果聯(lián)系。正如遲玉琢所論述的：“當(dāng)前全球各領(lǐng)域、各層面都存在緊密聯(lián)系，一件事情的發(fā)生可能與兩三件事甚至更多件事都有關(guān)聯(lián)。但是僅發(fā)現(xiàn)關(guān)聯(lián)并不夠，而是要從數(shù)據(jù)關(guān)聯(lián)中推導(dǎo)出深層的因果關(guān)系。”[1]遲玉琢：《大數(shù)據(jù)背景下的情報分析》，〔西安〕《情報雜志》2015年第1期。這也正是大數(shù)據(jù)情報分析的強(qiáng)項。

2.進(jìn)行投資決策時的大數(shù)據(jù)情報分析

上述幾個方面的分析，也將貫穿于投資決策的全程。投資決策必須就以下問題做出決斷：買進(jìn)/賣出哪個或哪些投資標(biāo)的，買進(jìn)/賣出特定投資標(biāo)的的數(shù)量，買進(jìn)/賣出特定投資標(biāo)的的時間、價位等。關(guān)鍵時刻的關(guān)鍵性實(shí)時決策，其依據(jù)的大數(shù)據(jù)情報分析，可形成相應(yīng)的預(yù)測、預(yù)警或決策曲線；曲線上每一個時間節(jié)點(diǎn)對應(yīng)的情況可得到實(shí)時反映，這既是前置大數(shù)據(jù)情報分析的輸出和結(jié)果，同時也是后續(xù)大數(shù)據(jù)情報分析的輸入和依據(jù)。

3.執(zhí)行交易階段的大數(shù)據(jù)情報分析

以股票/期貨為投資對象的金融交易，在量化投資中的執(zhí)行交易環(huán)節(jié)，主要是由計算機(jī)按事先開發(fā)的軟件程序中的指令自動進(jìn)行。在此環(huán)節(jié)的大數(shù)據(jù)情報分析應(yīng)結(jié)合對交易的實(shí)時監(jiān)測進(jìn)行（對瞬息萬變的市場中異動及時分析并做出決策，且應(yīng)在極短時間內(nèi)完成）。進(jìn)行大數(shù)據(jù)情報分析，應(yīng)事先就做好充分準(zhǔn)備（對基本面、特定標(biāo)的近況深有了解，對其走勢有所預(yù)判，對可能遭遇的風(fēng)險有應(yīng)對預(yù)案），輔之以高性能實(shí)時大數(shù)據(jù)情報分析，對價格、成交量、盤面（訂單簿）等進(jìn)行實(shí)時跟蹤分析。

在上述過程中存在人工執(zhí)行、自動執(zhí)行、半自動執(zhí)行等三種交易情況。在量化投資過程中，應(yīng)有人工執(zhí)行交易的一席之地：在慢速交易領(lǐng)域，可由計算機(jī)模型發(fā)現(xiàn)投資機(jī)會，由模型進(jìn)行投資決策，但真正下單交易，可交由經(jīng)驗(yàn)豐富的交易員執(zhí)行。憑借經(jīng)驗(yàn)、直覺、洞察和智慧，交易員或許能發(fā)現(xiàn)一種盡可能減少執(zhí)行成本并有望增加盈利比率的最優(yōu)執(zhí)行方法。在高速交易領(lǐng)域，特別是西方的微秒級、納秒級高速交易市場，須更多采用自動執(zhí)行交易即“算法交易（Algo-Trading）”方法。但即使是這樣，也仍需量化投資經(jīng)理和分析師及團(tuán)隊成員在交易時不斷進(jìn)行實(shí)時監(jiān)控，一旦發(fā)現(xiàn)異常，就及時果斷地調(diào)整程序中的算法或關(guān)閉交易程序。在萬不得已時應(yīng)通過手動操盤對計算機(jī)程序進(jìn)行必要的干預(yù)，以遏制大幅虧損。在很多場景中，也可采用人機(jī)結(jié)合的半自動執(zhí)行交易的方法，即“計算機(jī)輔助交易”（Computer-Aided Trading）。在后兩種交易中，基于大數(shù)據(jù)的情報分析發(fā)揮功能的空間相對較大，也更易見出成效。

4.通過大數(shù)據(jù)情報分析預(yù)測預(yù)警投資風(fēng)險

在情報分析中，風(fēng)險預(yù)測預(yù)警是情報分析的一項重要功能?！邦A(yù)測性情報問題通常包含諸多相互作用的影響變量，識別變量、明確變量間交互作用是分析研判的基礎(chǔ)，因此情報分析過程中進(jìn)行有效的變量管理是提高情報分析質(zhì)量、為情報用戶提供有力支持的重要路徑?！盵2]陳燁、馬曉娟、董慶安：《情報分析中的變量管理——基于結(jié)構(gòu)化分析方法的思考》，〔北京〕《情報理論與實(shí)踐》2019年第1期。這一論述指明了對變量的優(yōu)質(zhì)管理是提高情報分析質(zhì)量的實(shí)踐路徑。對變量的異常之變進(jìn)行即時跟蹤性的監(jiān)測、分析，是風(fēng)險情報分析的重要工作職責(zé)之一，量化投資中的風(fēng)險預(yù)測，是依靠大數(shù)據(jù)、人工智能、金融工程、金融統(tǒng)計等技術(shù)進(jìn)行的，是在概率、統(tǒng)計和算法的基礎(chǔ)上進(jìn)行的。因此，較之基于經(jīng)驗(yàn)的、直覺的以及主觀推斷的傳統(tǒng)投資方法所做出的預(yù)測更為科學(xué)，更能體現(xiàn)和把握情報預(yù)測預(yù)警的規(guī)律性。

對于金融投資交易風(fēng)險的預(yù)測預(yù)警，其難度較之自然界風(fēng)險預(yù)測和一般社會風(fēng)險預(yù)測的難度要大得多。預(yù)測預(yù)警社會風(fēng)險與預(yù)測預(yù)警自然風(fēng)險相比，因受人為因素影響，難度較大。而金融投資交易中的風(fēng)險預(yù)測預(yù)警則尤為困難。上市公司和進(jìn)入市場進(jìn)行股票/期貨交易的人員、機(jī)構(gòu)，情況各異，具有相當(dāng)?shù)膹?fù)雜性。投資者是人或是由人所形成的機(jī)構(gòu)，都受到利益的驅(qū)動。每個人都有其獨(dú)立的內(nèi)心世界和復(fù)雜的心理活動（心理活動既有獨(dú)立性，又很容易受他人感染和進(jìn)行相互感染）。在特定情況下，投資者的群體性的心理活動和交易行為，會對量化投資的計算機(jī)程序加以抵制，從而對量化投資效果產(chǎn)生影響。在某些時候，投資者遲疑不決、互相觀望，一有投資者出頭，就會形成“羊群效應(yīng)”，相互影響、相互感染?！霸诠墒猩?，我們最常聽到的一些話，比如‘追漲殺跌’、‘順勢而為’、‘在別人恐懼時貪婪，在別人貪婪時恐懼’，其背后都有‘羊群效應(yīng)’的作用。”[1]《“羊群效應(yīng)”不是你聽說的那么簡單》，https://xw.qq.com/amphtml/20180731A0RGF000，2019年11月17日。與量化投資相關(guān)的因素中，還包含了輿情因素。輿情一旦成為風(fēng)險，它往往與金融風(fēng)險形成共振，本質(zhì)是人們通過情緒相互影響。目前，研究者還只能對人的外在行為進(jìn)行建模，尚不能就人性、動機(jī)、心理和情緒建立較完備的模型。金融交易市場上暗含著各種力量的博弈，而金融市場瞬息萬變。在量化投資過程中進(jìn)行風(fēng)險預(yù)測預(yù)警，需在作大數(shù)據(jù)情報分析時將數(shù)據(jù)以外的上述因素一并予以考慮。

5.管理/控制風(fēng)險中的大數(shù)據(jù)情報分析

將風(fēng)險預(yù)測預(yù)警和風(fēng)險管理控制也都納入量化投資的流程之中，這是因?yàn)橹还芡顿Y交易而不管防范風(fēng)險、控制風(fēng)險的做法與量化投資的目標(biāo)背道而馳，是極其危險的。因此，既要進(jìn)行投資交易，又要管控投資風(fēng)險，這樣才能卓有成效地達(dá)到量化投資的目標(biāo)，即獲得alpha超額收益和長期穩(wěn)定盈利。

在管理/控制風(fēng)險這一階段中，大數(shù)據(jù)情報分析同樣不可少。用于進(jìn)行量化投資的計算機(jī)軟件在程序設(shè)計中已包含規(guī)避風(fēng)險的考慮，且得到算法和一系列技術(shù)的有力支撐。這為該階段中的大數(shù)據(jù)情報分析提供了有利條件。在此階段，大數(shù)據(jù)情報分析應(yīng)包括：第一，對風(fēng)險管理/控制中干擾性因素的發(fā)現(xiàn)和分析。這項工作依靠已設(shè)定的交易軟件中的程序無法全部覆蓋，須由人工通過大數(shù)據(jù)情報分析去完成。況且，干擾性因素是動態(tài)變化的；對此，應(yīng)在進(jìn)行實(shí)時捕捉、監(jiān)測的基礎(chǔ)上及時挖掘、分析。如有必要，可對量化交易軟件和程序做出調(diào)整，以加強(qiáng)風(fēng)控和實(shí)現(xiàn)優(yōu)化。第二，對風(fēng)險管理/控制成功經(jīng)驗(yàn)的分析。在金融交易市場上，有許多成功進(jìn)行風(fēng)險管理/控制的機(jī)構(gòu)和個人，其經(jīng)驗(yàn)值得分析借鑒，這是量化投資中一項重要的情報分析工作。第三，中外量化投資風(fēng)險控制的比較分析。著重比較正面經(jīng)驗(yàn)中的同異，以從中獲得相應(yīng)啟示。

在五個階段中，完全的、絕對的自動量化投資和交易是很少的。量化投資經(jīng)理和分析師的日常工作：一是要連續(xù)監(jiān)控金融市場，預(yù)警和防控風(fēng)險，尤其是要關(guān)注“灰犀牛事件”和“黑天鵝事件”（這是大數(shù)據(jù)情報分析的題中應(yīng)有之義）；二是要不斷改進(jìn)和提升模型和算法，使之更好地防范風(fēng)險，并提高獲得alpha的效率（這也是大數(shù)據(jù)情報分析所要實(shí)現(xiàn)的目標(biāo)）。量化投資中使用的，應(yīng)當(dāng)是以機(jī)器智能與人類智慧有機(jī)融合為特征的大數(shù)據(jù)金融情報分析。

三、對將大數(shù)據(jù)情報分析應(yīng)用于量化投資的學(xué)理思考

將大數(shù)據(jù)情報分析應(yīng)用于量化投資之中，這不僅僅是簡單的操作問題，而且其間也還包含了許多學(xué)理的內(nèi)容，就此進(jìn)行理性思考是十分必要的。

（一）情報學(xué)中相關(guān)性原理的延伸

馬費(fèi)成教授提出，情報學(xué)與其他學(xué)科一樣總有一些帶普遍意義的、基礎(chǔ)性的原則和思想在主導(dǎo)其各領(lǐng)域的研究和發(fā)展，這些原則和思想就是情報學(xué)的基本原理，包括：情報的離散分布原理、相關(guān)性原理、有序性原理以及情報交流獲取的省力原理、小世界原理和對數(shù)透視原理[1]馬費(fèi)成：《論情報學(xué)的基本原理及理論體系構(gòu)建》，〔北京〕《情報學(xué)報》2007年第1期。。相關(guān)性原理是文獻(xiàn)檢索乃至情報學(xué)中的一條重要原理。

在將大數(shù)據(jù)情報分析應(yīng)用于量化投資實(shí)踐的過程中，相關(guān)性原理得以再次延伸、拓展。這是因?yàn)椋阂皇窃趹?yīng)用場景中，已不光是文獻(xiàn)檢索了，而已轉(zhuǎn)換成了金融投資、量化交易、風(fēng)險防范。場景的不同、場景中內(nèi)容的不同，使相關(guān)性的主體有所更動、變換。二是量化投資所涉相關(guān)方面更趨豐富、復(fù)雜。文獻(xiàn)檢索的對象相對處于靜態(tài)，以股票/期貨為投資對象的金融交易處于動態(tài)變化中。金融活動中各個因素之間的相關(guān)，是處于動態(tài)之中的相關(guān)。

黃河燕等指出：“情報學(xué)研究的重點(diǎn)始終關(guān)注數(shù)據(jù)的處理、分析及深層次挖掘，探索從復(fù)雜的數(shù)據(jù)中找到知識之間有效關(guān)聯(lián)及知識發(fā)現(xiàn)的最佳方法，大數(shù)據(jù)情報分析作為其中的一種發(fā)展范式也不能例外?！盵2]黃河燕、曹朝、馮沖：《大數(shù)據(jù)情報分析發(fā)展機(jī)遇及其挑戰(zhàn)》，〔哈爾濱〕《智能系統(tǒng)學(xué)報》2016年第6期。這指明了大數(shù)據(jù)情報分析注重數(shù)據(jù)與知識的相關(guān)性、數(shù)據(jù)與知識發(fā)現(xiàn)的相關(guān)性。量化投資是知識和知識發(fā)現(xiàn)的富礦，為大數(shù)據(jù)情報分析提供了施展才能的廣闊天地。

（二）對數(shù)據(jù)和信息進(jìn)行多維度分析

在量化投資中的大數(shù)據(jù)金融分析，應(yīng)當(dāng)是多維度的情報分析。

一是對金融信息和金融數(shù)據(jù)本身進(jìn)行的分析。離開了對這些金融信息和金融數(shù)據(jù)的分析，就無法進(jìn)行卓有成效的量化投資。二是對社會政治、經(jīng)濟(jì)（包括實(shí)體經(jīng)濟(jì)）大勢的分析。量化投資中的大數(shù)據(jù)金融分析如果只是就金融分析金融、就情報分析情報，那是不可取的。三是對量化投資產(chǎn)生影響作用的其他因素的分析。在金融市場上，投資者的投資行為是由其主觀動機(jī)、內(nèi)在心理、情緒念想等共同驅(qū)動的。就如同海上的冰山一樣，冰山顯露于水上的部分是投資者的顯行為。而其動機(jī)、心理、情緒等則隱藏在水下，是潛藏的部分。在進(jìn)行大數(shù)據(jù)金融情報分析時，應(yīng)將上述因素納入分析的范圍之中。金融大數(shù)據(jù)情報分析顯然應(yīng)為盡可能推演或探知潛藏的情報做出貢獻(xiàn)。四是對市場上相關(guān)企業(yè)的經(jīng)營行為的分析。金融市場中的參與機(jī)構(gòu)（比如上市公司等）有行為、有畫像，被稱為企業(yè)行為和畫像。上市公司通過定期發(fā)布經(jīng)營及財務(wù)數(shù)據(jù)和信息，向市場公開透露其內(nèi)部經(jīng)營和財務(wù)情況。然而，這些數(shù)據(jù)和信息往往是經(jīng)過濃縮的、提煉的。對某些上市公司披露數(shù)據(jù)和信息的真實(shí)性、準(zhǔn)確性、完整性、充分性、及時性須審慎判斷。國家定期發(fā)布經(jīng)濟(jì)數(shù)據(jù)和信息，上市公司定期發(fā)布經(jīng)營和財務(wù)數(shù)據(jù)和信息，各金融市場的交易數(shù)據(jù)被留存和公布（稱為歷史交易數(shù)據(jù)），這些數(shù)據(jù)和信息合起來，都是金融市場的公開數(shù)據(jù)和信息。不過，這些都只是冰山的一角。有兩點(diǎn)值得關(guān)注：一是，絕大多數(shù)公司和經(jīng)濟(jì)實(shí)體不上市，不公開其內(nèi)部數(shù)據(jù)和信息。這樣就使得整個國民經(jīng)濟(jì)運(yùn)行的一部分情況無法為人們所廣為知曉，這便成為海上巨型冰山的龐大的水下部分。二是，即使是上述公開信息，對其真實(shí)性、準(zhǔn)確性、完整性、充分性、及時性，也都需要進(jìn)行仔細(xì)驗(yàn)證。

以上情況的存在使得大數(shù)據(jù)情報分析在量化投資中大有可為。其一，投資者的動機(jī)、心理、情緒等隱藏在水下的冰山部分有待采用情報分析技術(shù)來探析。其二，為數(shù)不少的經(jīng)濟(jì)實(shí)體的非公開的內(nèi)部經(jīng)營和財務(wù)信息，也有待采用情報分析技術(shù)來探析。其三，即使是公開的數(shù)據(jù)和信息，其真實(shí)性、準(zhǔn)確性、完整性、充分性、及時性，也需要情報分析技術(shù)來進(jìn)行分析、推演。以上需求可歸結(jié)為：通過大數(shù)據(jù)情報分析技術(shù)，從投資者外部探析其內(nèi)部的動機(jī)、心理、情緒等情報；用大數(shù)據(jù)情報分析技術(shù)，從企業(yè)外部探析其內(nèi)部的經(jīng)營和財務(wù)情報。在實(shí)踐方面，“冒煙指數(shù)”[3]李崇綱、許會泉：《冒煙指數(shù)：大數(shù)據(jù)監(jiān)測互聯(lián)網(wǎng)金融風(fēng)險》，〔北京〕《大數(shù)據(jù)》2018年第4期?！凹t警”[4]曾途：《大數(shù)據(jù)框架下的金融風(fēng)險管理》，〔北京〕《軟件和集成電路》2016年第8期。等即為上述大數(shù)據(jù)情報分析的成功應(yīng)用案例。

一般認(rèn)為，金融大數(shù)據(jù)情報分析，就是要探析或者推演以前大數(shù)據(jù)分析在外部所不能獲得的內(nèi)部的、非公開的情報，亦即人、投資者、機(jī)構(gòu)、組織的內(nèi)在的、非公開的情報，即冰山的水下部分。即使是對先前部分存在的公開信息，也需要借助于情報分析技術(shù)來進(jìn)行探析和推演，解決其真實(shí)性、準(zhǔn)確性、完整性、充分性、及時性的問題。“情報學(xué)在探索金融運(yùn)行規(guī)律時，注重探討各種重要的本質(zhì)的關(guān)系或本質(zhì)之間的關(guān)系：數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系、信息與信息之間的關(guān)系、數(shù)據(jù)與信息之間的關(guān)系、金融創(chuàng)新與實(shí)體經(jīng)濟(jì)之間的關(guān)系、金融合規(guī)與金融創(chuàng)新的關(guān)系、金融風(fēng)險與社會心理及輿論輿情的關(guān)系、金融業(yè)界與外部環(huán)境的關(guān)系、中國金融與外國金融的關(guān)系，等等?！盵1]丁曉蔚、蘇新寧：《金融情報學(xué)：情報學(xué)的重要分支學(xué)科》，〔北京〕《情報學(xué)報》2020年第2期。進(jìn)行這方面的探索，有利于對市場上投資主體的投資行為、經(jīng)濟(jì)實(shí)體的經(jīng)營行為進(jìn)行精準(zhǔn)的大數(shù)據(jù)情報分析。

（三）大數(shù)據(jù)金融情報分析的發(fā)展趨勢

金融理論中有“有效市場假說”，大意是：在半強(qiáng)有效的金融市場，需要采用內(nèi)幕信息（如設(shè)法獲得企業(yè)內(nèi)部的非公開商業(yè)機(jī)密等）才能獲得超額收益。藍(lán)海平評價說：“‘有效市場假說’是理解、認(rèn)知真實(shí)市場的標(biāo)尺與基準(zhǔn)，對其實(shí)證檢驗(yàn)有助于揭示市場的風(fēng)險溢價或行為錯價特征，對于市場各類參與主體如投資者、監(jiān)管者等均具有重要現(xiàn)實(shí)意義?！盵2]藍(lán)海平：《“有效市場假說”之惑》，http://opinion.caixin.com/2014-08-07/100714115.html，2019年11月19日。從情報學(xué)的角度，采用情報分析技術(shù)（大數(shù)據(jù)情報、競爭情報、經(jīng)濟(jì)情報、信號情報、風(fēng)險情報、預(yù)測預(yù)警情報、情報工程、計算型情報等），從公開的全源數(shù)據(jù)中提煉出合法獲得的內(nèi)幕情報，就是獲得超額收益的可能來源。隨著人們的目光逐漸投向此領(lǐng)域，獲得超額收益alpha會越來越難，情報分析方法會越來越講究，大數(shù)據(jù)會趨于數(shù)據(jù)量更大、覆蓋面更寬。隨著人類活動和人類社會的日趨數(shù)字化，很多原先不曾采集到、或不納入研究范疇的數(shù)據(jù)和信息，都將作為多源異構(gòu)、高維高頻大數(shù)據(jù)被逐漸納入情報分析的研究范疇。金融市場中的量化投資專家的制勝關(guān)鍵是持續(xù)力爭比自己的競爭對手獲得更多情報、構(gòu)建比較優(yōu)勢，重要抓手是進(jìn)行大數(shù)據(jù)情報分析。

可以預(yù)見，隨著大數(shù)據(jù)的不斷增多，數(shù)據(jù)質(zhì)量和信息孤島等問題將凸顯。倘能引入?yún)^(qū)塊鏈，引入可信的大數(shù)據(jù)和可信的人工智能，構(gòu)建新型可信金融信息基礎(chǔ)設(shè)施架構(gòu)，則將會對整個金融交易市場產(chǎn)生重大影響，并實(shí)現(xiàn)如下提升：“從技術(shù)架構(gòu)的提升，到風(fēng)險管理理論與實(shí)踐的提升（在價值和信任傳輸?shù)木W(wǎng)絡(luò)上，風(fēng)險將被重新定義和計量），再到投資者交易行為的提升以及監(jiān)管水平和施策水平的提升”，“基于可信大數(shù)據(jù)和可信人工智能的新型情報分析，人類有望在防控金融風(fēng)險、預(yù)警金融危機(jī)和維護(hù)金融安全等方面做得更好”[3]丁曉蔚、蘇新寧：《基于區(qū)塊鏈可信大數(shù)據(jù)人工智能的金融安全情報分析》，〔北京〕《情報學(xué)報》2019年第12期。。這是金融大數(shù)據(jù)情報分析的愿景，也是在量化投資中進(jìn)行大數(shù)據(jù)情報分析的愿景。

量化投資與大數(shù)據(jù)和大數(shù)據(jù)技術(shù)的關(guān)系特別密切，此領(lǐng)域是一個大數(shù)據(jù)情報分析能充分發(fā)揮作用和體現(xiàn)其價值的領(lǐng)域。在大數(shù)據(jù)技術(shù)已相當(dāng)成熟的今天，在量化投資領(lǐng)域展開基于大數(shù)據(jù)的金融情報分析，已具備既充分又必要的條件。在量化投資全過程中，大數(shù)據(jù)情報分析都可深度介入，就“耳目、尖兵、參謀”等情報分析要義進(jìn)行探索。有沒有大數(shù)據(jù)情報分析深度介入量化投資之中，差別甚大。大數(shù)據(jù)金融情報分析，有賴于人類智慧與人工智能的深度融合。圍繞量化投資展開的大數(shù)據(jù)情報分析，包含了情報學(xué)的諸多學(xué)理內(nèi)涵。