基金经理这个被很多普通人视为“高不可攀”的职业，其实并非那么神秘。占据了他们很大一部分工作时间和精力的，正是对新闻、公告、热点、行情、报告等各种信息的收集、处理和判断，并在此基础上做出正确的投资决策。

　　大数据时代基金经理的一天

7点起床上班，路上开始浏览前天外盘情况，国际市场的主要指标以及重大动态；8点进入办公室，浏览国内外主要财经网站，晨会与同事一起讨论当天最新的宏观政策，财经和市场动态；9点-15点看盘，管理投资组合，看报告；收盘后对当天市场行情进行总结、分析，晚餐时继续与同行进行近期市场和投资热点讨论。晚上看长篇研究报告，20点左右上网看上市公司公告，并为第二天的工作做好充足准备。午夜，休息。

以上描述的，就是一位基金经理的日常生活，这个被很多普通人视为“高不可攀”的职业，其实并非那么神秘。占据了他们很大一部分工作时间和精力的，正是对新闻、公告、热点、行情、报告等各种信息的收集、处理和判断，并在此基础上做出正确的投资决策。

在互联网如此普及之前，这样的投研过程基本是靠人工完成的。随着互联网的高速发展一起到来的，是信息量的爆炸式增长。互联网上的数据逐渐呈现出明显的4V特点：Volume(大量)、Velocity(高速)、Variety(多样)、value(价值)，因为规模极其庞大并在实时高速扩展中，被称为“大数据”。

“大数据”时代对投资管理的改变是显而易见的，投资研究开始由原来的小样本向全样本，由定期向实时的变化着。而庞大的数据样本中充斥着大量的噪音，哪怕资管从业者的“智商”再高，他的时间和精力也是有限的。清除这些“噪音”，并在从不间断产生的实时数据中快速提取自己关注的信息，先人一步把握住资本市场的机会，单纯依靠人力，似乎并不现实。

在大数据背景下，我们需要借助机器和人工智能的力量，帮助我们完成人力无法高效完成的信息处理工作。通过智能计算和机器学习，我们可以对所有的非结构化数据进行分析，在数量庞大而覆盖广阔的数据中，把所有的投资标的都连接起来，建立起一个完整的关系图谱。

并在此基础上，动态跟踪实时新闻，捕捉各类事件，进而建立起事件影响在关系网上传导的机制。当然，传统的投资理念依然需要遵循，如价值投资、主题投资、事件驱动投资、情绪投资等，但操作方式和以前相比会有根本改变。投资者将更多依赖大量数据和智能分析的技术快速找到投资机会，直接进行投资。

Kensho是美国一家基于云计算的智能计算机系统先锋公司。Kensho的系统不单收集、处理资料，还能分析总结、回答问题、提供买卖建议，从而为金融市场的投资人们提供一套全新的数据分析工具。

据报道，截至今年年底，这个叫Warren的系统可以回答的复杂金融问题种类将达到 1 亿种，如“当油价高于 100 美元一桶时，中东政局动荡会对能源公司的股价产生怎样的影响？”，“朝鲜核试验后 48 小时内韩国公司三星的股价变化”等，并以图形的方式直观呈现，将以往研究的时间从几天缩短到几分钟。

Warren正是通过先进算法、数据抓取、挖掘、处理以及个性化推送，大数据分析最重要的优势在于处理效率和覆盖范围。无论是速度还是广度，机器的处理效率远远超出人类。它覆盖的范围是整个市场，而非局限于某个行业或某些个股。它能第一时间及时将你关心的信息推送给你，而非滞后性静态数据。

传统的基本面投资也因大数据技术而得到改变。有家美国公司利用卫星24小时监测超市的车流、货运、港口的运输，并卖给华尔街的投资公司，使他们不用再等官方数据，不用去工厂门口蹲守，就可以实时通过卫星第一时间得知市场的变化。信息传递速度改变着投资的速度。如今，新兴技术使得投资的节奏越来越快，走在别人前面，才能更好把握市场机会。

除了基本面，大数据背景下的投资管理也能更快更全地收集和分析社会情绪数据。在中国，我们也开始使用互联网情绪指数做投资了。南方基金和新浪财经联合构建的指数，就是基于互联网关注度，利用情绪做投资的典型案例。而通联数据所在做的金融云平台，也正是基于大数据分析和智能计算的新型互联网金融服务，比较全面地收集处理了基本面和社会情绪等多方面的数据，力图准确提炼影响市场波动的诸多因子。

“投资，已由一门艺术发展为一门科学”20年前，我的两位同事——Grinold and Kahn提出了这样的观点。他们通过总结投资中的一些规律，覆盖了收益率预测、风险管理、成本管理、绩效评估等核心因素，用计算机分析来构建投资模型。这些科学模型帮助他们在20年间成就了世界全球最大的资产管理公司，就是现在的贝莱德。而未来，大数据时代的资产管理将伴随着机器学习和智能计算的发展，成为以人工智能为依托的智能金融。