互聯網顛覆投資

公募基金與互聯網公司的合作延伸到了指數投資領域。7月4日，南方基金表示與新浪財經聯合推出“財經大數據策略指數”（下稱“新浪-南方”指數）；7月8日，中證指數公司、百度和廣發基金三方宣布推出“中證百度廣發策略100指數”（下稱“百度-廣發”指數）。

在余額寶令天弘基金一舉成為國內規模最大的基金公司后，公募基金再也不能無視互聯網技術對本行業的沖擊，開始積極謀變。

迄今，互聯網對各傳統產業的顛覆性影響已得到廣泛認知。與一些業態被完全改寫的行業相比，互聯網對金融領域的沖擊才剛剛開始——公募基金首當其沖；而在整個證券投資領域，互聯網在資訊、研究、產品、銷售等各方面，都在推動市場轉型；甚至連銀行這樣的金融領域“巨無霸”都險些被余額寶撼動。

隨著互聯網金融方面的創新不斷涌現，金融機構與互聯網公司合作的深度、廣度將極大拓展，創新能力將決定金融機構在未來行業中的競爭地位。

量化“投資者情緒”成創新熱點

按照宣傳，“新浪-南方”指數是“在南方基金量化投資研究平臺的基礎上，通過對新浪財經頻道和微博財經大數據予以分析，找出股票熱度預期、成長預期、估值提升預期的關系，構建策略因子，精選出具有超額收益預期的股票，編織成最終指數”；而“百度-廣發”指數，是“以百度網頁搜索和百度新聞搜索為基礎的數據分析應用指標，可以反映不同關鍵詞在過去一段時間的用戶關注度和媒體關注度，也是利用互聯網大數據挖掘投資者金融行為的工具。”兩者皆指向互聯網上投資者情緒的量化應用。

投資者情緒受到重視有內外兩方面的因素：一方面，傳統、教科書式的投資理論沒有納入對投資者非理性行為的分析，因此，對股價的解釋力差強人意。這在過去數年A股市場表現得特別明顯。股價很大程度上是被“事件——情緒”所驅動，A股投資者越來越意識到了非基本面的市場情緒因素的重要性，迫切需要對其進行分析。另一方面，互聯網進入大數據時代，為投資者情緒的挖掘和量化準備了技術條件。

股市中有一個說法，叫做“唯一確定的事情就是不確定”。而股市之變幻莫測，外部事件沖擊固然紛至沓來，但投資者對事件的理解和反應，其復雜性往往更勝一籌。面對類似事件，投資者反應甚至截然相反。其中一些財經政策和數據的發布，市場反應還可以用預期來說明；而更多事件的反應脫離了當時市場心理狀態則完全無從解釋。

例如，“上海自貿區”概念股走出了一波大幅上漲的行情，同為區域經濟政策題材的“京津冀一體化”概念股卻表現一般。再比如，近一年多來驅動軍工股、信息安全概念股的熱點事件不斷，兩類股票總體上也表現強勢，但若試圖將事件強度與股價表現做一一對應，則難免失望。從某種程度來說，投資者的反應比事件的發生更難預料。

簡而言之，在事件和股價之間，并不必然存在按圖索驥的對應關系，必須考慮到投資者情緒所帶來市場反應的復雜性。按事件分類，少數事件重要到足以成為股價變化的充分條件，投資者情緒無法不被引爆，這就像是一個物理反應；而多數事件對股價的影響可看做一個化學反應，投資者情緒就是催化劑——情緒爆發就發生反應；沒有情緒就悄無聲息。

風險偏好頻譜

從理性角度看，A股市場上存在著太多無厘頭的“因果關系”。例如，文章出事，網民支持馬伊，伊利股份（600887.SH）上漲；奧巴馬兩次當選美國總統，澳柯瑪（600336.SH）均漲停；釣魚島局勢緊張，名字中帶“日”的股票下跌；李某某出事，ST天一（000908.SZ）跌停……上述現象用一種極端方式凸顯了投資者情緒對股價的影響力，而與基本面完全無關。

市場情緒其來有自，所謂“投機如山岳般古老”，揭示的是人性不變。市場情緒來自于人性，很多投資者不完全由意識層面的理性做主，來進行分析判斷和選擇，而是屈從于潛意識的驅使，潛意識起作用的表現是激素水平激增，導致放縱情緒、任性而為。

很多投資者在買賣股票時，自認為有著合乎理性的訴求，例如，財務需要；以及恰當的操作理由，例如，基本面、政策、消息等。但真正的推動力來自潛意識層面，是激素水平的作用。其行為于是背離了財務需要的初衷，表現出賭徒心理或娛樂心理（尋找刺激）。這種非理性情緒時刻在尋找宣泄突破口，借助某個事件，再憑借意識層面的借口（比如以往經驗），走向非理性操作。絕大多數投資者沒有意識到上述情況，或者意識到了卻無法自控，在股市中成為自身情緒的俘虜，即使建立了交易系統也難以執行。

A股基本盈利模式主要是做多，個股做空實現難度大，所以投資者情緒的宣泄在買股票方面體現得更加淋漓盡致，各種炒作類型應有盡有。在真實的A股市場中，恪守基本分析原則的理性投資者固然是極少數；看見奧巴馬當選就去買澳柯瑪的也并不多。如果建立一個A股投資者風格的頻譜，那么按照“炒名字”、“炒代碼”、“炒題材”、“炒概念”、“炒地圖”、“炒行業”、“炒業績”的次序，風格由完全的非理性而漸入理性。

而在總體上，市場風格也在理性和情緒之間搖擺。價值投資占主流的2002年-2007年，投機炒作依然不斷；而在投機氣氛甚囂塵上的近兩年，事件和股價的因果關系上也非全無邏輯。

只不過由于近兩年極端投機行為屢屢得逞，市場情緒愈發肆無忌憚、不顧邏輯。相對應的是，投資者對于情緒的重要性也愈發重視。

尤其是市場短期內大幅波動、而基本面并沒有巨變時，情緒影響顯然是更好的解釋。諾貝爾經濟學獎得主羅伯特·希勒對1987年10月19日美股大暴跌的問卷調查中問到“哪一個理論更能描述你對股市的看法：關于投資者心理的理論，還是關于基本面的理論（例如企業利潤和利率影響股價）？”調查樣本中67.5%的機構投資者和64%的個人投資者選擇了投資者心理理論。

不過，以時間為軸，假如A股出現風格轉變跡象，則風格頻譜也將發生相應改變。

把時間拉得更長，不同時代投資者身上也可以看到巨大的風險偏好差異。

1949年后，中國第二次人口高峰出現在1962年-1976年，2007年大牛市出現之際，這批人是購買股票和基金的主力軍。大致上說他們的成長期，無論中國經濟還是個人際遇，總體上處于上升。這難免助長個人盲目自信和過分樂觀，這也是2007年A股達到驚人估值的因素之一。

其中很多投資者其實是抱著娛樂態度在炒股，表面上是為了財務原因，但實際上是在尋求刺激。他們所生活的時代娛樂還遠沒有產業化和專業化，股市漲跌帶來的刺激還相當有吸引力。

80后、90后就完全不同了，他們擁有豐富、較高質量的娛樂服務，根本沒必要在股市中“找樂子”，因此，對股票投資的訴求更多基于財務上的需求。當股票不能提供年化的穩定收益時，干脆去買余額寶。

雖然80后、90后的絕對生活水平肯定高于前一代人，但由于連續遭遇了升學、就業、買方等方面的激烈競爭，因為對世界的相對感受不如前一代人樂觀，所以對待投資將會更理性一些。

也就是說，若對未來A股投資者風險偏好變化做預測，較大可能是情緒化和風險偏好的降低。這也被很多成熟市場已走過的歷程所驗證。

情緒化炒作

投資者情緒不但在“馬伊”、“奧巴馬”這樣的人名炒作中發揮著作用，也從根本上影響著市場結構。

首先，從現象來看，股市中或多或少存在著索羅斯所稱的“主流偏向”，即有別于事實的投資者帶有傾向性的認知。假如投資者整體上表現理性，就可以自行糾偏，使得股價不至于過分偏離基本面。可事實上，由于情緒（比如貪婪和恐懼）的作用，投資者不但未能糾偏，反而任由“主流偏向”越走越遠，嚴重地偏離了基本面，形成股價泡沫。可以說，在各類資產泡沫中，市場情緒有著比基本面更強的影響。而且不乏推波助瀾的“主動投機者”，即看到了市場情緒可以利用，于是制造輿論、影響情緒、操縱股價，從中牟利。

其次，在上述現象中，投資者之所以無法冷靜面對市場波動，能力不足是根本。主觀上懶惰是能力沒有得到提高的重要因素，而懶惰也是一種任性而為的情緒化表現。對于多數投資者來說，由于驅動買股票的是激素水平，根本沒耐心、沒能力做出基本面的研究和判斷，只能隨著情緒妄動，追逐短線強勢股。能力需要培養，“低能力”之下的冒險操作，與缺乏培養能力的主動意識和意志力，二者都是懶惰的任性之舉，并有可能形成惡性循環——越缺乏能力就越情緒化，以及越情緒化就越無法提高能力。

最后，造成上述現象的，除了懶惰的主觀因素外，信息爆炸的沖擊也不可小視。面臨各種觀念和海量資訊沖擊時，如果認知體系沒辦法將所有這些信息包容消化，就必須采取一些自我保護措施，將絕大部分信息屏蔽在外，以免認知系統陷入矛盾和混亂。這是一般人的正常反應。但這樣一來，就不可能保留較高的開放性，而錯失了學習知識、整合信息、提高綜合判斷能力的機會。

可以說，人的記憶力、注意力，乃至心智模式的有限性，是提高能力的根本性客觀約束，如果再與主觀上的懶惰疊加，走向情緒化操作不可避免。在此情況下，當投資者產生買股票的需求時，就只能在有限認知和無意識選擇性接受的信息中尋找目標。此時起作用的信息，一定簡單、易得、易懂，股票名字的炒作就是一個例子。

綜上，情緒驅動下的操作必然與簡化粗陋的認知判斷相伴，導致投機盛行。炒人名是情緒化炒作的極致。

投資者情緒研究

傳統投資理論精確化的數學模型是建立在“理性人假設”基礎上；而在真實的投資行為中，潛意識層面難以自控的情緒驅動，是很多買賣操作的深層原因，是根深蒂固內在人性的外在表現。由是，如何將“非理性主導”的“行為金融學”作為起點，對投資者情緒進行量化分析、建立模型、挖掘商業價值，成為迫切任務。

以往投資者對市場情緒影響的重要性也有定性認識，并且發展出一些草根調研式的調查方法，例如，在營業部數人頭等。此外，也發掘出了一些相對專業的投資者情緒研究方法，卻各有缺陷。一是對特定對象的問卷調查，調查對象包括媒體、機構投資者、個人投資者（以及上述的綜合），樣本多在幾百個上下。存在的問題除了樣本太小，還有受調查者是否誠實作答，以及知行是否一致等。

二是通過“交易類型指數”和“衍生品交易指數”來分析，例如，保證金借款變化（Change in Margin Borrowing）、未補拋空差額變化（Change in Short Interest）、認沽認購比率（ PU T/ CALL）、期望與當前波動率比（VOL）等。從邏輯關系上看，這是一個“結果指數”，是用交易后的數據來預測未來，與大數據技術可能實現的前瞻性研究不同。此外，這也取決于金融市場衍生品發達的程度，這樣才能從“做空”、“加杠桿”等操作行為中提煉數據。

三是市場價格所反映的“隱形投資者情緒”，例如，封閉式基金折價率、IPO上市首日收益率等。這受到特定因素的影響較大，比如封閉式基金折價率可能與封閉式基金的投資者結構有關，中國的新股不敗神話讓IPO上市首日收益率也沒有那么大的差異。

總之，固有的分析方法受到技術條件限制，無法對投資者情緒進行高質量的研究。而大數據時代這個局面有望打破，近年來國外一系列相關應用多取得了很好的預測效果，例如，2012年美國總統大選、Facebook上市首日表現等。

構建前瞻指標

與既往的投資者情緒研究方法相比，大數據預測在表征上有著采樣數據龐大、樣本多維等差別。更根本的，是大數據預測在邏輯上確實有可能找到前瞻指標。

2012年5月18日，Facebook（NASDQ：FB）上市，社交媒體監測平臺DataSift監測了當天Twitter上的情緒傾向與Facebook股價波動的關聯：在Facebook開盤前，Twitter上的情緒逐漸轉向負面，25分鐘之后，Facebook股價便開始下跌；而當Twitter上的情緒轉向正面，Facebook股價在8分鐘之后也開始了回彈；接近收盤時Twitter上的情緒再度轉向負面，10分鐘后Facebook的股價又開始下跌。該機構得出結論：Twitter上每一次情緒的轉向都會影響Facebook股價的波動。

過去的投資者情緒研究和一些股市技術分析（例如波浪理論）事后解釋有一定作用，卻很難在邏輯上被證明是前瞻指標。而大數據技術，通過采集投資者在互聯網上留下的痕跡，按照“情緒表達——買賣操作——股價變化”的邏輯順序，將投資者情緒量化，從而完成對股價的預測。

如前文所述，激素驅動、難以自知和自制的情緒，深深埋藏于基因中，是根深蒂固的人性表現。因此，投資者情緒邏輯上有成為股價的前瞻指標。

不但投資者情緒的量化有一定內在邏輯性，在大數據應用的其他領域，同樣有著較直接的因果關系。

例如，淘寶上的不同類別商品的詢價行為，按照一定轉化率，準確地導向購買行為。詢盤數在邏輯上和事實上是購買數的前瞻指標。

馬云曾表示其提前8-9個月預測到了金融危機。海關要實際出貨后才能獲得數據，而阿里提前半年從詢盤數急劇下滑推斷出世界貿易情況將變盤。這才有了2008年7月馬云給阿里員工的公開信，預言“冬天來了”。

最近一年備受關注的打擊基金老鼠倉，同樣是證監會、交易所通過數據挖掘來發現的異常操作。在缺乏其他手段和證據的情況下，僅憑借大數據和基本的邏輯推斷，就挖出了不少老鼠倉。

看到市場的“底牌”

當然，上述前瞻指標特征是從總體來說的。對個人而言，不但理性投資者（能夠控制情緒）不屬于這個研究范疇，就是不用互聯網發言的人（有情緒但不在網上表達）也沒法研究。好在大數據之“大”，就在于挖掘能力不一般，例如Datasift每秒可實時挖掘12萬條Twitter內容，足以找到所需的樣本數量。

還有，以往的量化投資方法在因果關系上也缺乏明顯的邏輯性，特別是僅以交易數據進行的挖掘，當市場結構發生轉變，參數只能是后知后覺地跟隨調整。

運用大數據進行的投資者情緒量化挖掘，因果關系清楚，一旦模型成熟，就等于看到了市場的“底牌”。

如果說以往的量化投資是金融學和數學的結合，那么通過大數據，新的量化投資可以實現金融、數學、心理學的跨學科應用。

大數據甚至可能對社會學研究構成顛覆。哲學家卡爾.波普爾曾經指出，與自然科學不同，社會學不能稱之為一門科學，自然科學的研究方法也不能用于社會學。原因之一，是人的行為會影響社會演進的結果，當人的行為不可預測時，社會演進的結果也不可預測。

但是，就像一些科幻電影所表現的那樣，當機器足夠強大時，通過人群生活痕跡的高度互聯網化，機器預測人群的整體行為特征和影響就成為可能。這甚至會顛覆社會學研究的某些既有觀念。

如何量化投資者情緒

大數據有各種定義，研究機構Gartner Group給出的定義是：大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

要具備發現規律和預測未來的核心能力，大數據要具備四個典型的特征：1.數據量巨大；2.數據類型多樣；3.數據中富含價值；4.在盡可能短的時間內發掘出價值。

大量、多維、價值、高速同樣是對投資者情緒挖掘和量化所需數據的要求。所以投資者情緒量化的第一步是擁有滿足上述要求的數據資源。

第二步，通過對互聯網上文本、圖片、色彩等非結構化數據進行賦值定義，來完成數據結構化。目前相關技術模塊日趨成熟，與其他行業相結合的應用已有若干案例。對于投資者情緒研究來說，只需要將與金融投資有關的特定語義與其他行業的語義加以區分，對互聯網上的有效文本信息按照“悲觀——樂觀”的維度給予“1-10”的賦值，變為可計算數據。同樣，也可以從別的情緒維度來研究。

第三步是用傳統量化方法建模，先達到對過去股價能夠事后解釋的效果，再看未來實踐中是否具有真實的預測能力。這個過程中需要不斷調整模型。

兩個指數的異同

以上述數據標準和研究過程來看“百度-廣發”和“新浪-南方”兩個指數，兩者有較多的相似性。

首先，從數據質量來看，大量、高速毫無疑問；國內最大搜索引擎的網頁搜索和新聞搜索，以及微博數據也肯定能保證數據價值；唯一的缺憾是數據維度單薄，“百度-廣發”指數的數據僅來自百度，“新浪-南方”指數的數據僅來自新浪。這可以理解——兩家都希望實現閉環應用，而無需借助自身之外的數據資源。但缺乏多維數據計算結果的互相印證，無論如何是一個遺憾，這將對研究結果的有效性造成損害。

其次，在建模方面，兩個指數拋棄了過去單純用市值、成交量、財務指標等基本面和交易數據做因子進行選股的思路。

據媒體報道，中證指數研究公司開發部總監宋紅雨透露，“百度-廣發”指數在選取樣本的時候綜合考慮了多種指標，基本上可以分為財務因子（基本面因子）、動量因子（交易數據因子）和金融大數據因子。在因子分析框架下，將金融大數據信息與股票信息進行綜合測度，采用量化算法構造基于百度互聯網金融大數據的綜合情緒模型（BF Sentiment Model）進行指數選樣。其中的金融大數據因子來自百度，即“分別計算每一只股票最近一個月內在百度金融大數據里所體現出來的搜索增量或者搜索的總量。”

“新浪-南方”指數主要是將基金公司股票研究優勢與互聯網“大數據”結合，在南方基金量化投資研究平臺的基礎上，通過對新浪財經頻道和微博“財經大數據”予以分析，找出股票熱度預期（大數據因子）、成長預期（基本面因子）、估值提升預期的關系，構建策略因子，精選出具有超額收益預期的股票，編織成最終指數。其中的股票熱度因子來自新浪，成長因子和估值提升因子來自南方基金。

由此可見，兩個指數都是將大數據因子納入金融機構原有的量化模型中，作為新的重要因子加以考慮。其邏輯是投資者情緒只是影響股價的部分因素。

作為專業投資機構，基金當然不會完全拋棄傳統因子，不過大數據因子與基本面因子和交易數據因子也不乏重疊之處，例如投資者情緒很可能也反映了一部分對基本面的預期。隨著互聯網公司在金融領域專業化程度的加深，未來不排除大數據因子和傳統因子地位互換的可能，甚至出現純粹大數據因子的量化模型。

最后，兩個指數的既往業績都不錯，具有較好的事后解釋能力。模擬數據顯示，“百度-廣發”指數自2009年以來年化收益為40.9%，遠高于同期滬深300以及中證全指；據媒體報道，南方基金內部人士稱，“做了相關數據的回溯測算，收益率和廣發的不相上下。”

兩個指數的差別在于，合作中互聯網公司和公募基金的地位不同。在“新浪-南方”項目中，互聯網公司方面參與進來的只是一個財經頻道，因此在模型構建上是以南方基金為主導，宣傳中也一再突出了南方量化平臺的重要性。相比之下，百度作為“BAT”巨頭之一，在合作中明顯強勢。至于上述差別對兩者收益率方面的影響，目前還無從判斷。

量化“投資者情緒”產業鏈

大數據技術投入實際運用的時間還不長，在國內的相關行業應用更少。盡管有各種嘗試，但該項技術與傳統行業融合仍需要一定過程。

以投資者情緒的量化為例，如前文所述，一旦模型構建成功，等于是看到了市場的底牌。如此巨大的利益必將驅使眾多互聯網公司和金融機構進行相關項目的開發；同樣是巨大利益，決定了這項研究的艱巨，沒那么容易翻開市場的底牌。

投資者情緒量化需要實現金融學、心理學、數學的跨學科研究應用，而且產業鏈很長，這就決定了其收入模式的多元化和階段化，階段化是指在不同研究階段和市場階段，取得收入的側重點不一樣。

如果把組建對沖基金作為投資者情緒量化的終極目標，那么在整個產業鏈上，也有著若干階段性目標。

首先，大數據是在互聯網時代應運而生。中國80后-90后的新一代股民同時也是網民，他們的行為習慣都互聯網化。對于老股民（60后-70后）來說，當他們情緒化時，買股票的根本原因是激素驅動，但仍有著意識層面的“借口”，比如看K線、技術指標、聽消息、跟隨股神等等。新一代股民在情緒化上沒有根本不同，但他們意識層面的買股票理由一定會更新。從認知來看，互聯網技術以及互聯網塑造的神話，才更能契合他們的思維模式。因此，大數據技術所產生的投資預測，即使不夠準確，也很能吸引新一代股民的眼球。從而使得投資者情緒量化的初級產品可以提供互聯網平臺上大眾化的免費服務，例如點擊個股，可以看到簡單化的“個股情緒指數”為平臺貢獻流量。

其次，金融機構看到新一代股民的明顯特質后，必然促使其服務和技術更加互聯網化，以適應客戶的習慣，快速開戶、極速交易等固然可以提升用戶體驗，但咨詢、投資建議等相對專業化領域更有必要互聯網化。而這些領域很難進行形式上的觸網，以互聯網技術重新搭建研究咨詢和經紀業務體系才是出路。所以，當投資者情緒的量化模型達到一定水平后，就將成為經紀業務和投資咨詢的重要賣點。

第三，接下來順理成章的，更好的研究成果，包含預測結果和基本分析框架，可以成為獨立的賣方研究報告、或者作為策略報告的重要組成部分。

第四，金融機構可以根據研究模型發行產品，比如“百度-廣發”和“新浪-南方”兩個指數可以發行公募產品，至于收益率是否能驗證其對投資者情緒的量化研究已經達到了很高水平，目前還不得而知。

第五，作為單獨或者附加的價值，從大數據中發現不同偏好的投資人群，可以提供數據給第三方機構，供后者進行針對性極強的個性化營銷之用。

第六，通過建立投資者應用平臺，實現數據閉環，構建應用模型的獨特和不可替代性。

最后，成立對沖基金。一旦技術成熟到這一步，機器通殺機構和散戶的時代將會到來。

概念先行？？效果難料

基于產業鏈長、研究型開發耗時曠日持久等理由，進行投資者情緒量化的機構不必要求技術完美后再進行商業應用，而應該邊研究邊應用。

眾多機構顯然看到了這項研究的顛覆性和巨大商業價值，紛紛投身其中。

2014年4月1日，雪球發布“情緒寶”，稱“當某只股票首次進入雪球熱股榜后，它的股價在短期內會出現劇烈震蕩。統計數據顯示，買入2013年81只首次進入雪球熱股榜的A股股票，統一兩周后賣出，最后平均收益率達到驚人的7%”。將由此構建“情緒寶”股票組合。

事后得知，“情緒寶”是一個愚人節玩笑。但在當時，很多投資者都信以為真，因為這在邏輯上是成立的。直至三個月后，還有人跟帖要“預約購買”。而雪球受到的最主要質疑，也是認為其百萬級的數據不足以完成高質量的量化研究。

借助“情緒寶”這個“探空氣球”，雪球賺到了眼球，探明了投資者對此類產品的興趣高低。兩個月后，招商證券就推出了研究報告《基于雪球情緒指標的擇時模型》。三個多月后，“百度-廣發”和“新浪-南方”兩個指數發布。

以互聯網思維來看，雖然關于投資者情緒的研究還遠未成熟，但先占據這一概念，邊研究邊應用，是“磨刀不誤砍柴工”的有效策略。至于實現最終的完美模型確實困難不小。

首先，盡管有金融人才、大數據人才的鼎力合作，但要在紛繁復雜的互聯網文本中發掘出有效信息，將是一項艱巨的工作。而且需要理論研究的相應推進，才能避免重復挖掘。

其次，即使找到了效果較好的模型，使用者仍處于“知其然不知其所以然”的狀態，要把握模型的原理，還需要整合心理學資源，從行為金融學的視角，對投資者情緒與相應行為之間的聯系進行解碼，這其中又有天量的工作要完成。

第三，投資者情緒的量化模型反映了人性的因素，其參數穩定性要好于基本面數據和交易數據構建的模型。但時代變遷、市場結構轉化依然會影響到模型的效果，所以要將對市場結構的變化也納入到大數據量化的研究中，以做出預判。

最后，投資者情緒再重要，也不能完全解釋股價走勢，大數據因子與基本面因子、交易因子在不同市場結構下的比重如何調整也是一個課題。

機構各取所需

不同類型的機構，在投資者情緒量化的研究和實踐中，其側重點與所得不同。

互聯網公司的長項是占有數據和流量資源、對用戶體驗的敏感和對創新的渴望，短板是金融業務方面專業性不足。用大數據實現對“投資者情緒”的量化，可以讓互聯網公司強勢切入金融市場中高端的投資和研究領域，全面顛覆原有的投資研究模式。并且最大限度地貼近其用戶（新一代股民也是網民），反映他們與上一代截然不同的思維模式和選擇標準。技術驅動的產品和服務手段對互聯網公司來說沒有接受上的障礙，其創新沖動和占有“大數據”、“投資者情緒”兩項心智資源的前景，比較容易促成互聯網公司對研究的投入。

國內券商目前的品牌只是規模品牌，缺乏差異化的定位。從低端的經紀業務到高端的賣方研究，區別度都不大。一旦有券商能夠轉型為“大數據驅動的創新型投資、研究和服務”機構，將成就其獨特定位和殺手锏，在全方位的業務（特別是經紀業務和賣方研究）競爭中占據主動。

股票型基金的投資能力是公募基金立足的核心能力。2007年以來，公募基金的整體股票投資能力并不出色，難以支持基金的持續銷售。通過與互聯網公司的合作，將“投資者情緒”量化的研究成果投入實踐，有可能找到股票型基金銷售的突破口。一直以來，相比擇股，公募基金的擇時能力較差。而且從基本面出發，也難以為擇時行為找到理論依據。而“投資者情緒”量化的成果，將為公募基金提供擇時的理論依據和現實幫助。

對于軟件公司、第三方機構等服務商來說，可以將大數據轉化為優勢服務產品，在行業中脫穎而出。

從所需資源來看，數據是進行“投資者情緒”研究的首要、決定性的資源。因此，目前的相關研究應用都離不開互聯網公司的參與，例如雪球、新浪、百度。金融、技術、數學、心理學人才是不同研究階段所需的次要配置資源。

顛覆近在眼前

據媒體報道，在北京召開的“大數據背景下的計算機和經濟發展高層論壇”上，中國工程院院士李國杰表示：“生物信息學、腦科學、空間科學等基礎研究早就采用以PB級計的大數據，卻沒能引發大數據浪潮。大數據如今引起各方重視，主要還是因為它蘊藏著巨大的經濟價值。”

目前看來，大數據技術應用極有可能在金融投資領域引爆，金融很有可能成為繼電商之后又一個互聯網應用的熱點領域。原因一是金融業商業價值體量巨大，互聯網公司虎視眈眈；二是金融行業的互聯網化程度還遠遠不夠，可以挖掘的潛在應用領域眾多。微博客 @陳如是說 寫道：“互聯網這一教門，正從自然、多神崇拜的初級階段向一神崇拜的高級階段演化。從目前的斗爭情況看，金融神成為主神的機會最大。”

對于互聯網公司來說，此前的“余額寶階段”只是互聯網金融試水，是簡單將金融業務進行物理嫁接，互聯網僅僅作為渠道，并沒有對金融機構的專業地位造成沖擊。“寶寶”們的生存有賴于中國金融體系漏洞的存在，一旦金融監管籬笆扎緊、金融機構積極應變，“美國版余額寶”Paypal的前車之鑒未必不會重演。

互聯網公司要想在金融領域具備核心競爭力，就要從渠道邁向更高端的專業化部門。以大數據技術直接切入金融機構壟斷的投資研究業務，是互聯網公司迅速提升專業化能力以及在金融領域擴張的捷徑。

另一方面，在互聯網金融新一波浪潮中，金融機構若不能立足于自身專業化的強項，而只是跟隨互聯網公司的布局而動，則只能充當配角，漸漸失去主動，甚至被互聯網公司吞噬。私募基金經理、微博客@神農陳宇寫道：“我們必須把神農投資搬到海淀區去。我們要到創業者中間去，并且離金融街那些炒股票的遠點。我們要和更多將改變中國的年輕人站在一起。”

如果說金融中的銀行業因為重要性和所有制因素還難以在短期內被互聯網根本改變，那么，互聯網對于投資領域的顛覆已經近在眼前。中國股市的一個特點，是用20年時間走過了美國股市百年所走的道路，當A股投資者還在津津樂道于巴菲特（代表個人資產管理最高水平）、彼得·林奇（代表公募基金最高水平）時，索羅斯（代表對沖基金最高水平）、西蒙斯（代表量化投資最高水平）的模仿者也將在A股出現。

互聯網顛覆投資，投資互聯網化。

一場投資領域的革命開始了。

新聞對

股價的影響

按照一般思維方式，不但認為重大新聞對股價有著決定性影響，而且也認為股價的短期巨大波動一定與重大新聞有直接關聯。

事實并非如此。

對于前者，并非每一個重大新聞都能夠引發股價劇烈波動。最近的一個例子是，8月13日中國7月份的信貸融資數據公布，存款和新增貸款大跌，M1和M2走低。貨幣政策和信貸數據所反映的流動性狀況一向對A股影響巨大，然而數據公布后，A股并沒有出現大幅波動。

對于后者，羅伯特·希勒通過研究1929年和1987年美股崩盤時的新聞，發現并沒有被公認影響了市場的重大新聞。1989年戴維·卡特勒等人列出了二戰后美股50次最大短期波動，結果發現基本沒有重大新聞可以作為合理借口，甚至得出一個極端結論：“重大價格變化日無新聞”。

這當然可以用“有效市場”來解釋，即后者是重大新聞已經在公布前被先知先覺的投資者知曉，或者被市場“聰明地”預期到了。而前者是還沒有公開的重大消息讓股市產生了反應。

與上述學究氣十足的理論解釋不同，真實情況是，無論消息（未公開的新聞）還是新聞（已經公開的消息），其內容的重要性與傳播力相對來說是兩個獨立變量——重要的新聞不一定有很強傳播力；產生“病毒式”傳播效果的未必都是傳統意義上的重要新聞。

所以，一個真正重要的新聞，無論它是否提前泄露或被預期到，如果未能形成有效傳播，就不能引發投資者“正常”的情緒反應，當然就無法擾動股價。所謂有效傳播，并不是說發布了就算，甚至不完全取決于被多少人看見，而是真的引起關注。殊不知有多少新聞，讀者只瞄了一眼標題就不再關注，時間、精力、心智資源的有限，決定了讀者對大多數新聞視若無睹，其中不乏一些傳統意義上的重要新聞。

反過來，一個看似很無聊的娛樂新聞，按照“正常”邏輯，跟投資八竿子打不著的事情，卻憑借其傳播威力，挑動市場神經，造成了股價波動。馬伊琍與伊利股份的因果關系即在于此。

任何人都不可能掐死自己，這句話常被用來形容某一行業的從業者無法舍棄自身積累多年的認知和資源，轉而認同和遵守更合理的行業邏輯。這同樣適用于部分傳統媒體人。

一些傳統媒體人之所以抱住“內容為王”不松口，原因之一是他們的認知、能力、特質……都只適合做內容。當然，從純粹新聞學學科的角度說，內容確實最重要。一旦涉及新聞的商業價值（例如對股價的影響力），傳播才是真正的“王者”。如果說此前媒體人還可以掩目自欺，互聯網時代則完全不可能了。

雖然為了適應網絡傳播，內容也做了一些適應性改變，但并沒有真正顛覆新聞內容的一般生產規律；傳播技術則翻天覆地變化了。兩者相比較，就是內容更新方式的改變遠不及傳播技術的改變。于是，從新聞的現實效果來看，傳播的作用遠大于內容。

例如，從互聯網的去中心化來考慮，任何被專業編輯選擇提供的新聞，都不符合互聯網上的新聞傳播特質。即使是門戶網站編輯充分考慮網民閱讀偏好之后做出的選擇，也難以避免編輯（新聞信息中心）的主觀性。于是，適應互聯網的計算傳播學應運而生。

對此，豆瓣“計算傳播學”小組的解釋是：“傳播學必須走出傳統的研究套路，獲得在網絡上保存、抓取、分析、可視化大規模電子化數據的能力，也需要支持這些工作的工具。毫無疑問，傳播學因此將和計算機科學開始交匯，至少需要程序員投入到這種大規模數據的挖掘工作中來。”（Cheng-jun Wang，2012）

“今日頭條”App使用的就是計算式傳播技術，對其新聞推薦技術的描述是“更快更全更懂你”，即通過用戶反復使用留下的信息，讓后續推薦越來越接近于用戶個人的閱讀偏好，從而達到私人定制資訊的效果。盡管其推薦技術仍顯粗糙，卻被投資者認可為未來傳播技術的發展方向，獲得了5億美元的估值（2014年6月3日消息）。

而從傳統餐飲業轉型互聯網的湘鄂情（002306.SZ）進軍視頻搜索業務，使用的也是計算式傳播技術。消息公布后，股價八個交易日大漲60%。

反觀傳統媒體，在與“今日頭條”的口水戰中，仍然斤斤計較于內容的版權問題，而沒有重視傳播技術的顛覆性轉變。殊不知，此時傳統媒體最應該考慮的，是如何將自身內容與計算式傳播技術相結合，以原創內容和全新傳播技術將門戶網站踢出局。所以說，“今日頭條”殺傷力最大的是門戶網站，而非傳統媒體。在一定條件下，兩者甚至可能成為同盟。

最后，從新一代人口特質來看，傳統媒體人對新聞的認知也需要顛覆。80后-90后甚至更年輕的一代人，由于高度互聯網化和個人主義價值觀確立，其對資訊的選擇，已經不再關心那些傳統意義上的宏觀、重大和嚴肅的新聞，而是轉向與個人現實利益相關、或者足夠娛樂化的內容。例如，在“今日頭條”上，“國務院為何點名這些省長市長來開會”就不如“櫻桃賣出5元一斤白菜價”的關注度高。

“跟隨趨勢的，趨勢領著走；對抗趨勢的，趨勢拖著走。”傳播技術的飛速改變將極大顛覆新聞業態。