大数据与个人股票投资风险优化的思考

摘要：大数据的核心是整理、分析、预测、控制。当我们所获得某领域的数据信息规模足够大时，就可以对该数据库事件发生的可能性做出预测。随着大数据技术的兴起和成熟，越来越多的领域包括许多对冲基金机构，投资者借助于大数据技术做出具体的行为决策，而且获得了更可观的投资收益。但是大数据技术在个人股票投资的具体过程中也存在较多风险。本文通过对大数据时代下的个人股票投资风险分析，并结合大数据技术优势提出了将大数据和云计算技术与传统数学模型相结合的建模方法。同时针对个人股票投资面对的风险，提出更好应对风险的合理化建议，帮助个人股票投资者更好地做出投资方向的判断。

关键词：大数据：股票投资：风险优化

一、引言

大数据技术自提出以来日渐成熟，越来越成为社会科技创新和经济金融投资的热点。股票投资本身带来的高风险，使得个人投资者面对风险较多，获得收益的概率较小，股票投资存在跟风和盲目性。而大数据技术的成熟，以及具有全面性的优势，结合计算机和数学模型，可以帮助个人股票投资者更好的做出行为决策，优化投资风险管理。

二、大数据技术与股票投资

（一）大数据技术

大数据简单地来说是规模庞大的数据集合。由于数据规模的庞大性，我们对于数据可以进行更加全面系统的分析。大数据所具有的优势主要表现在以下三个方面：第一，有庞大的数据规模，传统的分析数据无法与之相比;第二，有多样的数据类型，不仅有数据化结构还有丰富的非数据化结构;第三，数据的流转速度得到了很大的提升。

云计算的日渐成熟，有利于大数据技术在股市的分析应用。同时因为大数据的特点：一是规模超前庞大，二是数据种类多样化，对于个人股票投资者来说，不能够只凭单台计算机处理庞大数据，从而只能采用分布式架构，借助于云存储、虚拟化和云计算的分布式数据库和分布式处理技术，从而更有效地分析全面的数据信息。

（二）股票投资

股票投资指的是个人和企业用通过其他生产活动或商业活动所积累的货币资金购买股票，从而在承担一定风险的前提下获得一定收益的行为。不过在股票投资市场上，收益随风险增大而增大，股票的收益一般是由资本利得和收入收益两部分构成。

三、个人股票投资风险

在投资股票的过程中个人投资者应该理性认识风险，在实际投资策略中融入认知，进而对股票的投资风险进行有效的管理。 （一）认知风险 该风险是投资者对股票投资的基础知识理解不足，会引发导致投资发生损失的概率。投资行为是以认知为前提，投资者只有认知到位，才能够使策略、制度和管理优化和完善。个人股票投资者应该清醒地认识到股票投资最重要的是风险管理，风险收益分析更是股票决策过程中最重要的一环。

（二）人性风险

人性本身具有胆小、贪婪的阴暗面，可能会影响决策导致投资损失。当投资者所持有的股票价格不断上升，人性的贪婪会凸显，投资者购买欲望逐渐加强，持仓成本不断上升：如果所购买的股票价格不断下跌，会使人的恐惧感逐渐加大，从而投资者会越跌越卖，造成自己账面上的永久损失。

（三）市场风险

该风险是指股票市场整体形势不好，股票整体出现下跌情况，使得投资者产生损失。股票市场是可以反映经济形势，经济市场环境较好时，股票市场会出现整体上涨;但当经济环境变差，则股票市场会反映出整体下跌的趋势。

（四）公司风险

该风险主要是因为公司的经营不善导致盈利下降，会反映在股票收益下降。股票反映的是一个公司的经营，如果发生负面变化，股票价格则会下跌，使投资者收益减少收到损失。

四、大数据技术在股票投资应用中的缺陷

（一）计算机不能对用户情绪理解

首先，个人股票投资者的情绪无法转成计算机语言，进而对于数据分析的专业人员无法利用云计算等技术对用户的情绪进行合理分析和理解。其次，每个人对于情绪表达有不同的语言和行为方式。因此，在传递过程中很可能出现误差，导致研究人员用错误的数据分析推断出错误的决策行为。

（二）人为制造观点难以排出

专业分析人员通过收集包含多股股票的数据信息，利用大数据的全面性进行分析，推断的结论具有一定的参考性。同时也要考虑到在这其中的一只或几只股票所对应的公司的名称或关键词搜索量对于整体市场的走向趋势的影响是很有限的。但是，对单个股票进行分析的时候，存在可能影响结果的人为因素，例如说人为刻意提高某公司和某股票的关键词搜索，就会对分析结果产生错误的影响。

（三）大数据分析具有滞后性

根据市场上公开信息的分析，如果市场上对某一公司或股票的关键词搜索热度集中，可以反映在该时间段其公司或股票处于热搜占据热点状态。而那些在股票投资中收益稳定且较大的，信息的来源比其他投资者更为广泛，确保其拥有市场的第一手资料。而且这些投资者也会拥有较多上市公司的内部信息，而且会对这些信息相互之间交换。因此，他们能在其他投资者还在搜索分析信息数据的时候就已经进行了决策。所以说，大部分投资者对于相关信息搜索时，信息的时效性已经折扣了。但是信息的滞后性是本身存在的，并且无法避免，决定了很大一部分投资者获得不到收益。

五、大数据技术应对股票投资风险

（一）完善与变革大数据库数据

1.扩大数据覆盖范围

股票相关的信息来源范围广，方式也表现多样。想要将大数据分析的有效性提高，要继续拓宽信息来源的范围，尽量实现数据覆盖的全面性。而且大数据库中的数据信息，会起到不同层次的作用。一种是最浅层的，一般是直接进行應用，也就是说通过直接的观察和分析得出结论：另一种是可以对数据深层次分析。根据股票市场的特征可知，结合对个人股票投资者的行为模式进行分析，可以得出：当一个影响力较大的新闻事件出现时，大部分投资者会重点关注并进行集中搜索。进过分析，然后把结果付诸行动决策时，市场的黄金投资时期已经基本过去，因为数据信息本身具有无法避免的滞后性。因此，可以刚开始就对用户进行层级划分，筛选出能够自己判断有效信息并做出决策的用户，针对这些投资者和其他用户相对比分析，分析该部分群体特殊的信息渠道。

2.提高数据信息质量

对于股票市场中分析的数据必须有一个安全可靠的数据库支撑平台。分析最真实的数据信息，才能够筛选出真正对股票形势分析有利的数据，保证数据分析的基础质量。

（二）修正与改良数据处理与分析

1.提高数据处理分析人员专业能力

目前我国专业的数据分析人员存在较大缺口，而且专业的分析人员在股票分析中起了关键作用。面对人才紧缺的情况，第一，建立和完善科学的人才管理体系，逐步培养专业分析人才。第二，提高相关行业人才标准，并配合专业人员的后期教育。第三，通过对海外专业型人才引进，不仅可以弥补现有的人才缺口，同时也会加速人才交流。

2.改善数据处理分析具體流程

第一，数据安全性保障方面，利用互联网对用户进行个性化定制，从而设计、制定个性化的数据存储方案，也对数据管理部门要求提高，提升安全性能，全力保障数据安全。第二，具体过程，从以下三个方面重点解决：①要高质量数据来源，相关政府部门对于数据信息制定标准，从一开始就把握好数据的质量关，有利于后期的数据存储和有效分析。②提升技术，不论是计算机的硬件系统还是软件系统都要进行提升。③当投资者制定具体的股票投资策略时，不应该仅关注数据本身，最好应该将相关的范围联系起来，系统性的进行分析。

3.建立新型模型

利用数学模型，一般来说模糊网络模型和神经网络模型是两种较为智能化的方法，可以结合大数据技术进行模式创新。通过分析数据获得的图表，利用模型的分析法进行处理，运用云计算和大数据技术对模型进行不断修正，进而对股票的投资策略进行有效推断。在大数据的背景下，我们也可以对计算程序进行优化，将并行处理的技术用在其中，提高分析效率，有利于投资方向决策的快速判断。

六、结语

随着经济社会的发展，个人股票投资者逐渐增多，对股票投资的理解也逐步加深，对股票投资的风险认识也日益增强。关注所选股相关信息，掌控与大盘动荡的有关因素，利用现有的大数据来选用投资组合模型，降低投资风险。通过大数据和云计算技术的应用，对现股票领域拥有大量的数据资源进行开发，建立出对股票投资预测的模型，从而实现个人股票投资风险优化管理。

参考文献：

[1]彭济敏.程序化交易方式在股票交易中的应用[D].吉林：吉林大学，2004.

[2]席文帅.大数据时代股票投资策略的探讨[J].现代经济信息.2016（6）：295.

[3]许庆建.个人投资者股票投资风险管理思考[J].合作经济与科技，2019（5）：68-70.

作者简介：

许少雄，对外经济贸易大学国际经济贸易学院在职人员高级课程研修班学员，北京。