各行各业也正经历科技的洗礼，企业持续发掘新渠道，利用创新科技改良产品及服务，资产管理行业也不例外。许多资产管理公司特别注重运用作为科技创新产物的新型态数据，例如电子文本、地理定位、网络流量等，这类数据也称为“另类数据”或“大数据”。只要以适当方式梳理，另类数据有潜力成为预测企业及行业前景的有效工具。我们发现投资经理在开始运用相关科技时，事实上也和他们的客户一起面临风险。智能科技对于投资绩效的帮助有过分憧憬，可能会形成不切实际的期望，甚至忽视有效运用科技的必要条件。投资者可以评估资产管理公司能否有效运用大数据及机器学习等技术生成投资观点的能力。想要借力大数据威力的投资团队在寻找适当数据提升投资回报时，往往如同大海捞针；全球经济和金融市场具有高度复杂性，从中形成的数据通常零散杂乱。只有竭尽所能评估足够多的数据，才能有效判断哪些数据对投资过程最有用。投资应针对预测模型的数据质量和可用性进行测试。系统化主动投资股票团队取得新数据集时，我们会进行数据清理及自设的统计测试，以便确定数据所提供的信息价值。当找到“适当”的数据时，通常也难以依靠单一数据集得出准确预测。我们发觉借助数据科学技术提高投资回报，必须使用多个数据集。
我们希望通过分析消费者行为数据来预测零售商未来销售增长。手机收集的地理位置数据可有效记录消费者在实体门店的客流量。然而，客流量本身并不等同销量。因此，我们需要通过数据来源分析消费者的意向，来评估零售商的销售增长前景。分析互联网搜索活动有助掌握消费者对某间公司品牌或产品的看法是否有变。但由于消费者在进行互联网搜索后必需经历若干步骤才能完成购物，互联网搜索活动的数据的预测期较长，且预测准确度也较低。根据银行和信用卡供应商的综合交易记录，我们的预测模型则可以追踪消费者实际消费情况。通过利用多个数据来源相互印证，并对同一投资问题得出结论，我们能够显著提高预测质量。科技瞬间分析海量数据的能力叹为观止。机器学习算式不仅可在弹指间分析海量数据、确立观点，更可以自主按照数据模式的变动，识别大量输入数据之间的关系。由此可见，机器学习除了可快速分析大量数据，学习速度也比人类更快。尽管机器学习的计算和适应能力已超越人类，机器学习的成功应用仍要依赖人类对其进行开发和改良。股票回报与多项定量数据的关系，数据科学家曾发现过去的模型存在一个问题，就是在分析市场数据时，给予市场走势稳定期和偶发急挫期同等的重要性。这个发现需要算法作出重大修改，通过改进算法降低导致短期极端不利市场走势因素的重要性。投资选择和判断股票会不断校准和训练模型，让它像投资者一样思考和设计机器学习技术时，还应特别考虑投资者对市场已知的事实。用尖端技术构建的先进模型只能重新发掘已有大量文献记载的股市行为，便意味着严重滥用研究资源。我们认为应利用技术挖掘当前投资者目前知之甚少的领域。投资者欠缺科技创新力就会丧失优势市场在不断变化，投资机遇存在生命周期。无效市场可带来投资机遇，而这些机遇可通过运用科技分析另类数据加以掌握。投资机遇会随着时间的推移被市场所识别，并迅速反映在市场价格上。当一个投资机遇逐渐消失时，为了抓住新的机遇，我们认为投资人必须竭尽全力去寻找新的数据来源，以及革新数据分析的技术。一个数据源的文本（如向市场发放的信息）与另一数据源的文本（如向监管机关提交的信息）进行情绪比较，来分辨哪些是公关辞令，哪些是确凿事实。数据的创新能力不再依赖研究人员编写预设字词的程序，而是通过机器学习技术，自主学习如何分辨对于预测未来回报和特定股票基本面最重要的字词。我们就是通过类似的方式不断推动并实践创新，以掌握更先进的技术。
创新源自长久积淀的市场合作文化。互联网和智能电话等技术产生的海量数据经梳理后可生成投资观点。要建立真正具有创新力的佼佼者，须建集思广益、博采众长。应敢于挑战失败，不断优化理念开发新技术并运用现有技术设计有助投资程序的全新应用。不论项目成功与否，这个开放式存档系统如实记录过去项目的研究数据，有助启发创新理念。要建立一个能够激发源源不断的创新成果的文化可能需要日积月累的努力，有效创新可能沦为空谈。技术力量能否转化为更高的投资回报，取决于投资者的专业知识和文化。有关投资价值及其收益可能升跌，概不作出保证。阁下可能无法取回原本的投资金额。汇率变动或会导致投资价值反复波动。国际投资涉及风险，包括与外币有关的风险。
本文作者可以追加内容哦 !
