互联网行业以搅局者自居，边缘崛起的大有人在。无论是最近的滴滴、快的对出租车行业的搅局，还是之前p2p、第三方支付对银行业的搅局，传统行业面临着“转型是找死，不转型是等死”的窘境。

新崛起的互联网企业战胜传统行业所用的武器是“台阶式”提升的，就像火器和冷兵器之间的对战。人们普遍所理解的互联网是将线下的世界搬到线上，这是只知其一不知其二。目前，科技的发展以指数级的速度不断迭代，被资本市场冠以高估值的阿里不是因为它的电商业务，而是多年来积累的个人消费数据、征信体系和大金融概念。传统行业至死也不曾获得的秘密武器——大数据。

大数据是基于跨行业、跨地域、跨时间甚至跨形式的发生关系，从而产生价值，运用于垂直细分领域，如产品营销、市场预测、风险管理。在运用过程中分为三个阶段。第一，对现状进行分析和感知;第二，对未来趋势进行预测和判断;第三，利用预测产生行为。在多次预测后，预测本身和预测结果形成新一轮判断的依据，所谓前事不忘后事之师。能把这些数据直接利用得最好的则是金融业，现在我们称为互联网金融。

比如在经济环境中，哪种政策手段能帮助国家机器走出中产阶级陷阱，转型升级中需要哪些财政政策的支持。调控从来不以股市为导向，但股市却以政策为准绳，结果是即使保密再好的降息降准依旧逃不出综合数据的支撑。

金融行业的数据形式分为结构化数据和非结构化数据，将两种形式的数据结合起来是数据挖掘的难点。首先要解决大规模网络模式数据的精简表达和度量，追求捕捉的数据具有代表性和可读性。其次是数据聚集变化，跨空间的数据在源头进行交互，捕捉它的规则和规律，带来多数据模式的判定。最后才是自我迭代，根据运算对以往信息的度量、数据源头的匹配和计算模型的设计进一步优化。

解决这些难点在于数据的开放。交易家Mi-Trader在研究时发现，数据产生的源头往往不能利用好这些数据，企业经过分析后的数据可以帮助企业决策，而利用大量第三方数据汇总后再计算得出的真正有价值的数据。最后，将这三种维度的数据组合才呈现出准确的预测。

在股票交易中，股票交易节点强度和频度是随机的，中国90%以上投资者是中小投资者，操作中带有情绪化，通过第一手的交易数据、第二手的盈亏情绪和第三手的投资者画像总结规律，沉淀出海量的规律后就可以对未来做出初步预判。另外，中国资本市场充斥着坐庄的迹象，作为监管部门都难有真凭实据遏制操纵的发生。可是，操纵股价背后的逻辑是被操纵的股票，交易量和交易频度之间产生非线性关系，要预测其走势必须通过自我学习方式改变初始算法。

这是一场叫信息世界、物理世界、信息空间的复合运算。作为预测领域的最前沿，Mi-Trader提出“没有数据也是一种数据”。结合交易空窗期、舆论空白点在市场情绪及经济导向中寻找关联，我们拭目以待。