二級標題
二級標題
大數據的量化邏輯
我們可以按數據開放程度，簡單地把投研信息分為三類：公開數據、半公開數據、以及非公開數據。
公開數據，很好理解，就是股價，K線圖等隨時可以查看的數據；
半公開數據，指我們可以獲取到，但不能全面地獲取的數據，如實時的資金流向我們隨時可以獲取，但是網站並不會公開以往的數據；
非公開數據，即市場上與股票相關的其他公司、證券交易所內部數據，無法對外提供。
引入一個概念——量化投資，量化投資簡而言之就是在數據中找規律。大數據為量化投資打開了全新的大門，在量化交易中引入大數據技術，可以充分挖掘海量數據所隱藏的一切信息，來預測金融經濟活動，並結合歷史預測，及時將預測效果加以反饋，以動態更新交易策略，獲得最理想的預測效果。
二級標題
二級標題
多方安全計算的量化優勢
二級標題
二級標題
Avatar的開幕式
“這個case不是為了證明第三方數據有多牛，是表演一下投研對數據的安全建模方案”。
研究標的：2019年8月5日-2020年8月4日創業板中所有股票
研究目標：該策略目標為利用歷史數據，預測每隻股票當天是否漲幅超8%，即樣本集中日股票漲幅超8%，y值為1，否則y值為0。
研究變量
聯邦學習中節點A數據：通過股票歷史數據（公開數據），構建了當日星期、近三天平均收益率、近七天平均收益率、近三天絕對收益率、近七天絕對收益率、近三天標準差、近七天標準差、近三天平均換手率、近七天平均換手率、近三天平均成交量、近七天平均成交量、近三天上漲天數、近七天上漲天數、近三天漲幅大於5%次數、近七天漲幅大於5%次數、近三天跌幅大於5%次數、近七天跌幅大於5%次數，共17個指標。
聯邦學習中節點B數據：通過百度搜索中關鍵詞為“創業板”的搜索次數，構建了當日創業板搜索指數、近一天創業板搜索指數、近三天創業板搜索指數、近七天創業板搜索指數、近三天創業板指數上升天數、近七天創業板指數上升天數、創業板搜素指數漲幅，共7個指標，模擬外部非公開的數據源。
綜上，該策略通過上述24個指標的構建，結合動量策略和反轉策略原理，並通過百度搜索次數作為外部數據，作為反應市場情緒的變量，之後根據IV等指標篩選入參變量，構建邏輯回歸模型，預測當日股票是否上漲超過8%。為驗證百度指數作用，策略制定了四個模型作為對照，具體如下：
樣本集為全部股票，未用到百度指數構建模型
樣本集為全部股票，用到了百度指數構建模型（其他入參變量與對照組1一致）
樣本集為華興源創，未用到百度指數構建模型
樣本集為華興源創，用到百度指數構建模型
（備註，因為百度搜索數據進行了反爬蟲的保護，無法爬取全部信息，故全量股票數據建模過程中，只用到了搜索“創業板”的搜索次數，未用到每隻股票對應的股票名稱搜索次數；僅在樣本集為華興源創的案例中，用到了華興源創作為關鍵詞的搜索次數。）
模型結論
1）通過IV值可推斷百度指數數據對於預測y值有較為重要的作用，其中創業板搜索漲跌幅和近三天創業板搜索平均值效果較為顯著，通過模型係數可知創業板搜索漲跌幅和近三天創業板搜索平均值和y值具有正相關關係，即數值越高，越容易漲幅超過8%。 （具體信息見下圖）
2）樣本集為全部股票，用到百度指數構建模型，AUC為0.76，未用到百度指數構建模型（其他入參變量與對照組1一致），AUC為0.72，說明百度指數對應預測有明顯提升效果。 （具體信息見下圖）
3）樣本集為華興源創，用到百度指數構建模型，AUC為0.74，未用到百度指數構建模型（其他入參變量與對照組1一致），AUC為0.73，說明百度指數對應預測有提升效果。 （具體信息見下圖）
根據上述案例，我們發現添加外部的非公開信息，確實能夠提升股票預測能力。
目前任職富數科技高級總監，負責隱私計算的解決方案與業務落地。
展望
展望
作者
作者
目前任職富數科技高級總監，負責隱私計算的解決方案與業務落地。
自詡從技術走向業務的小學生。近十年互聯網大數據行業經驗，先後就職於上海大智慧、平安、挖財，任職大數據架構師、資深分析師等職位，對金融科技有深入研究。
目前任職富數科技高級總監，負責隱私計算的解決方案與業務落地。
