作者介绍：

陈学珉—畅圣大数据CTO、联合创始人。

ACM/ICPC冠军团队成员。

AlphaGo再次击败李世石，2:0！在这场AI与人类智慧的顶级较量中，AlphaGo的秘密是什么？

答案：具备深度自我学习能力。

“AlphaGo学习如何走下一步棋

hQAS学习如何做下一步投资”

与传统量化投资不同的是，大数据量化投资在原有金融结构化数据基础上，增加了更多非结构化数据，并且把这些结构化数据进行了量化，从而使模型更为优化，决策更为可靠。结构化数据包括传统量化分析中常用的CPI、PMI、市值、交易量等专业信息，而非结构化数据主要包括社交文字、地理位置、用户行为等“未进行量化的信息”。非结构化数据的量化就是用深度模型替代简单线性模型的过程，其中所涉及的技术包括自然语言处理、语音识别、图像识别等。

畅圣大数据基于多维度数据源的优势、数据整合能力、数据建模团队以及全国顶尖金融分析师支撑小组，提出了基于行为和情绪的量化分析技术，并由此搭建了基于行为和情绪的畅圣量化分析平台--hQAS，通过机器深度学习技术，揭示出投资者行为和情绪对资产价格、市场走势之间的量化关系。诺贝尔经济学奖得主罗伯特•席勒认为，市场本身带有主观判断因素，投资者情绪会影响投资行为，而投资行为直接影响资产价格。

目前，畅圣大数据针对特定股票、公司的新闻信息、股评、投资者情绪数据(包括互联网的用户行为、搜索量、市场舆情、宏观基本面)等等非结构化数据进行处理。构建了基于NLP的语义分析的情绪分数系统。其核心是，将一篇文章或评论定义为正面情绪(Positive)、负面情绪( Negative)、中性情绪( Neutral)，并给出具体的情绪分数。同时，量化分析也考虑了海量用户行为，如浏览量、评论量等。畅圣大数据建立的金融量化分析平台--hQAS可帮助金融机构更好评估投资方向，优化投资策略，hQAS在努力和远瞻中前行，请静静的等待。