⑴ 求一篇關於股票的論文
證劵投資分析 隨著我國經濟的發展，人民生活水平的提高，家庭金融資產的不斷增加，投資理財已成為日益重要的問題，投資理財是針對風險進行個人資財的有效投資，以使財富保值、增值，能夠抵禦社會生活中的經濟風險，不管是儲蓄投資、股票投資，外匯、保險投資，由於投資品種日益增多，所需的專業知識也不盡相同，投資方法也很難完全掌握，以下是本人對證劵投資分析的淺見。
一、 風險的定義與衡量
在投資者進行投資決策時，決策者（X）可能得到的利益（R）不僅取決於他自己選擇行動（a），而且還取決於其他一些條件或他人採取的行動(b)。設決策者X可能選擇的行動集合為A：{a1,a2,...…a n}，經濟社會（Y）可能發生的狀態或他人可能採取的行動為B: {b1,b2,...bi,…b n}。決策者的收益函數方表示為:R=f(a、b),a∈A，b∈B.這個函數表示，決策者X採取行動為a的利益和他的選擇有關，也和經濟社會發生的狀態（或他人採取的行動）有關。Y採取的行動b相對於X的利益可以是「中性」的（不有意使X的處境更好，也不有意使X的處境更糟）；如果X和Y的利益是沖突的， Y就可能傾向於採取減少X利益的行動；如果X和Y的利益是一致的，則Y就有可能採取增決於Y 的行動。但是在一般情況下，對於X而言Y的行動具有不確定性,從而X是在不確定的條件進行決策的。
當存在不確定時，決策者的決策就具有風險。風險就是不加X利益的行動。從決策論的角度看，X採取怎樣的行動，作出怎樣的決策，還要取確定性，源於不完全信息或者非對稱信息。風險的必要條件是決策面臨著不確定的條件。當一項決策者在不確定條件下進行時,具有的風險的含義是：從事前的角度看，決定所購買的資產預期收益變動的可能性及其變動幅度；從事後的角度，指由於不確定性因素而造成的決策損失或相對損失 。在計量經濟學中，風險通常用統計學上的標准差來衡量。
二、證券投資風險及其分類
投資者（包括機構投資者和個人投資者）投資於證券的主要目的在於獲得高收益，而證券投資（尤其是股票交易）的收益受很多不確定性因素的影響，收益穩定性明顯不如銀行存款高，這就產生了證券投資的風險。這種風險是與收益相伴而生的，高收益高風險，低收益低風險。因此我們也可以把證券收益看成是對投資者承擔風險的一種補償。具體地說，證券投資風險是指證券的投資者不能獲得預期報酬，遭受損失的可能性。投資者投資於證券都希望獲得預期收益，而真正得到的是實際收益，它有可能低於預期收益，這時風險就發生了，使投資者遭受到了損失。
不同的投資選擇會帶來不同的投資風險，風險產生的原因和程度也不盡相同，總體上按風險產生的原因可以分為以下幾類：
（1）市場風險。這是金融投資中最普遍、最常見的風險。無論投資於有價證券，還是其他實體項目，幾乎所有投資者多必須承受這種風險。這種風險來自於市場買賣雙方供求不平衡引起的價格波動，給投資者帶來損失。
（2）利率風險。利率風險是由於市場利率的變化影響到證券的市場價格，從而給投資者帶來損失的可能性。
（3）偶然事件風險。這種突發性風險是絕大多數投資者必須承擔的，且其劇烈程度和時效性因事而異。如自然災害、戰爭危險、政府的貨幣政策、匯率的變化、專利申請等意外情況的出現，都是投資者在進行投資時無法預料的。
（4）貶值風險。又稱通貨膨脹風險或購買力風險。通常用消費者價格指數測量通貨膨脹率.
（5）企業經營風險。企業經營風險是指由於經營的好壞而產生盈利能力的變化，造成投資者的收入或本金的損失。
（6）企業財務風險。企業的財務風險是指企業採用不同的融資方式而帶來的風險。
證券除了上述幾種風險外，還有其它一些風險，如：道德風險，法律風險、政治風險等等。
三、 證券投資風險的計量方法分析
為了在證券投資中便於比較風險的大小，我們將風險劃分為兩類，即總風險和市場風險。總風險是系統風險和非系統風險之和；市場風險是針對資產組合而言，研究各項資產收益率與組合收益率之間的相關性。對單個證券來說，主要考慮其總風險，而對證券組合，主要考慮其市場風險。
1.總風險的計量
（1）由於收益率是投資的結果，對風險的分析也集中在這個隨機變數上。常用收益率的方差來衡量風險的大小。
（2）一般而論，只有在期望收益相差不大時，標准差不大時，標准差才能夠對各項的風險程度予以度量。如果各項目期望收益相關較大時，則需運用差異系數來評價各項目的風險。差異系數實際上就是單位期望收益所承擔的風險.
（3）若將風險看作股票價格可能的波動，價差率就是一個衡量股票風險的較好指標。
價差率=2（最高價-最低價）/（最高價+最低價）
價差率越大，意味著風險也越大，需要指出，為了克服短期因素的影響，應考察在一段時期內平均價差率，以了解全面的情況。
（4）以收益率作為尺度衡量證券投資風險也是一種度量風險的方法。可將證券投資的收益視為無風險收益與風險補償收益兩部分.一種證券收益率越高，說明其風險補償收益越大，同時其風險程度越高。具體的方法是將在許多方面都相同而只在某一方面有顯著不同的證券進行比較，這樣便可以衡量出某種證券風險程度的高低。
（5）下面介紹另一種度量方法---風險補償法。假定作為投資收益的隨機變數R僅有兩種可能的取值，即R1與R2,取值的概率分布為P1和P2=1-P1,該證券的期望收益為：
ER=P1R1+P2R2
其期望效用為：
EU(R)=P1*U(R1)+(1-P1)*U(R2)
2.組合資產的收益與風險
作為投資對象的各類證券的組合稱為組合資產。馬柯維茨的證券組合理論解決了組合資產的風險度量問題。概要而言，馬柯維茨理論說明在一定條件下，一個投資者的證券組合選擇可以簡化為兩個因素的權衡，即證券組合的期望收益及其方差。
如果把市場上所有可能選擇的證券構成一個按它們的市場比重為權重的組合資產，就稱之為市場組合資產.當投資者僅持有由風險資產組成的市場組合時，每一證券收益率與市場組合收益率的關系就表現為每一證券收益率中與市場組合收益率無關的部分會由於持有市場組合而完全消失，也即每一證券的風險是根據與市場組合的協方差的大小來決定的。體現了單個證券收益與整個「市場組合」收益二者的關系，β I 描述了單個證券對於市場組合收益變化的敏感性。稱為β I 證券I 的系統風險。由於β m =1,所以證券的系統風險可以劃分為兩類，對於β>1的證券，其風險大於平均系統風險；反之，其風險小於平均系統風險。所以β可以衡量證券的相對風險。
3.遞增風險的三種等價定義
為了對兩個證券或投資的風險進行比較，以下給出了遞增風險的三個等價定義：
定義1 設有相同期望值的兩項投資W1和W2,如果
E{U(W1)}≥E{U(W2)}
對每一個凹函數都成立，則稱W1比W2的風險小。
定義2 若設W1和W2為二項投資，存在一個隨機變數ξ， 使得W2= W1+ξ, ξ 為雜訊且 E{ξ| W1}=0,則W1比W2的風險小。
定義3 設W1和W2的分布函數F和G被限制在區間[a ,b]內，且
T(Y)=∫ay[G(x)-F(x)]d x
如果T(y)≥0,且T(b)=0,則稱W1比W2的風險小。
遞增風險的界定對研究最優投資的性質是很有用的。
4.一種新的風險度量方法
設證券收益率為R,它的期望收益率為μ，R=μ +ξ。
其中，E{ξ}=0, μ=E{R}。定義隨機變數，
ξ+=ξ（當ξ≥0），ξ+=0 （當ξ<0）;
ξ-=0 (當ξ≥0），ξ-=ξ（當ξ<0）。
- E{ξ-}為證券的風險測度，稱之為平均損失。
對於兩個證券R1 、R2，相應地應有
R1= E{ R1}+ξ1
R2= E{ R2}+ξ2
如果- E{ξ1-}>- E{ξ2-},則我們說證券1的風險比證券2大。
進行證劵投資就是為了妥善的管理我們的財產，把證劵投資風險降到最低是我們每一位投資者所必須考慮的問題！ 僅供參考。。。
⑵ 大數據能不能預測股市
大數據對於很多的地方都是非常有用的，但是，是否也有大數據不能做到的？我覺得很多時候，大數據只能說作為一個參考的方向，並不能准確的作出判斷，或者給出答案。首先大數據是一個有科學根據的一個參考物，因為有大量的數據，有大量的參考物，所以，這件事情結果跟大數據一致的概率變得會跟大數據所統計的相差不遠，這就是我們的大數據擁有的功能。
我們的股市，說實話我以前的工作是金融方面的也接觸過股市，對於股市的話，首先影響我們股市的一些因素有哪些？從宏觀來說，像國家的一些政策調控，包括我們公司的一些政策變化，股東的一些變動，或者說我們現在在整個股市來說什麼樣的一個趨勢。
我們如果從技術層面，就是可以通過我們的一些k線圖，或者我們的一些kdj指標，很多的一些分析股票的一些指標來判斷，當然這些指標的話並不是百分之百，都是金錢。而是說這些指標，其實也就是通過一些大量的，我們以前的歷史數據，其實都是已經是歷史性的，所以總結出來的這樣一個圖案，便於我們能進行分析。
這樣一個指標的話，其實跟我們的大數據就非常的類似，我們說大數據到底能不能預測故事？這個真的不能具體的回答，因為預測這個事情也就是說對於未來的股市的一個判斷，這其實是很難的，我們很多的時候看到的都只是表面上的，大數據來說，他可以給出一個方向，或者能夠得出的結論跟未來行情的變化正確的概率是非常高的，但是我們不能百分之百肯定，他得出的結論是正確的，所以大數據他可以預測股市一個大致方向，但不不能保證他預測的是正確的，可以作為一個參考。
⑶ 我要寫一篇關於股票的論文（我們這學期在網上模擬炒股了）。希望各位給點意見啊，我都不知道從哪裡入手好
本文應以股票股利為例，對會計政策進行了分析。首先，探討了股票股利會計結轉存在的各種備選方式及其理論依據；然後介紹和評價了美國會計程序委員會制定的關於股票股利的會計准則；接著評述了股票股利會計政策顯示信號的理論假設及其實證檢驗；最後，結合我國會計制度對股票股利的相關規定，討論了我國公司會計的現實選擇。
制定會計政策是建立現代企業制度的一項基本內容，也是將會計理論應用於實務的最為重要一環。在我略高於實行由計劃經濟向市場經濟轉軌過程中，隨著企業經營自主權的確立與強化，這一問題顯得尤為緊迫，已受到會計理論界和實務界高度重視。從理論界現有研究狀況看，多限於會計政策概念、性質、特點、目標等一般性理論問題的研究，還缺乏從實務處理的角度對會計政策進行具體分析[1]。有鑒於此，本文選擇公司分配股票股利這一會計事項，對會計政策的成因、制定及其經濟後果作一簡要分析，旨在引起理論界對這一問題的興趣和重視，同時民為實務界有關股票股利帳務處理提供一些參考性意見。
我國《企業會計准則——會計政策、會計估計變更和會計差錯更正》將會計政策定義為，企業在會計核算時所遵循的具體原則以及企業所採納的具體會計處理方法。根據其制定的主體不同，會計政策分為宏觀會計政策和企業會計政策。前者主要是政府或權威機構通過會計准則的制定和實施來體現的。而事者則是在宏觀會計政策的指導和約束下，企業根據其自身的實際情況所選擇的會計原則、方法和程序，常也稱之為微觀會計政策。產生會計政策的主要原因在於會計自身的模糊性，以及人們所持的不同的會計觀點[2]。
由於所有者權益本身是由資產與負債倒軋而得，是各項會計政策的最終體現，這無疑對其自身變動的會計處理增添了復雜性，其會計政策也便具有相應的特殊性。而股票股利支付是通過留存收益資本化而造成權益內部變動的一件典型會計事項，長期以來，人們對股票股利的會計處理一直存在爭議。從某種意義上講，股票股利本身源於人們對股東權益的認識。這使股票股利會計政策的研究尤其是典型意義。
一、股票股利會計政策的成因分析
我國《公司法》規定，公司分配股利可以採用現金股利和股票股利兩種方式。其中，股票股利又稱為分紅股或送股，是公司無償向普通股股東增發普通股股票。它所涉及到的會計問題主要有兩個：其一，股東收取股票股利時應否將其砍認為投資收益；其二，送股公司應如何確認和計量分配股票股利所引起的權益變化。在現有的會計理論下，股東不應將收取的股票股利確認為投資收益。這也是目前會計界普遍持有的觀點。本文重點討論的第二個問題，即送股公司的會計處理，它涉及到結轉科目與結轉金額的確定。
（一）結轉科目的確認
公司發放股票股利可以視為帳戶結轉和股票分割兩筆業務的復合。因為股票股利並不代表股東對公司的投資增加，如果會計上不對股東權益另行分類，或者完全按來源劃分權益，則不存在帳戶之間的結轉問題。但在現行的會計實務中，為了提供決策相關的信息，會計人員對股東權益的劃分並未完全遵循來源標准，而是考慮了多重目標。典型的分類方式是將股東權益劃分為資本金帳戶和留存收益帳戶。前者可以進一步劃分為永久性資本（股份公司為股本）和資本盈餘帳戶（在我國為資本公積）。這樣結轉分錄就可以分別由資本盈餘和留存收益向永久性資本帳戶結轉。
在實行法定資本制的國家，資本金帳戶不得用於股利分配，用於利潤分配的資金一般只能來自留存收益。但在英美等實行授權資本制的國家，對股利來源一般不作嚴格限制，例如根據美國示範公司法（MBCA）的規定，如果公司保持償債能力並能在債務到期時償付則允許分配，在這種規定下，甚至股本（capital stock）都可直接用於分配，更不用說資盈餘（capital surplus）了；而在英國，用於描述股票股利的「分紅（bonus issue）」，其實施是按增發股份的面值從資本盈餘中結轉的。
（二）結轉金額的計量
分配股票股利的會計本質是在不改變公司資產總額的情況下，通過結轉留存收益（授權資本制下還包括資本盈餘）而增中其法定資本數額。結轉之後，同等數額資產的用途被施加限制，董事會不能象以前一樣將這些資產分配給股東，所限制的數額為增發股份所必要的額外法定資本，這一數額即為需要資本化的留存收益。而每股所代表的法定資本數額一般是用面值表示的（無面值股份為董事會所設定的價值），相應地，只有面值結轉才是符合股票股利會計本質的，任何其它結轉計價方式都是武斷的，有違於這一事項的內在邏輯性。
但在實務中，卻存在多種計量方法，如市場價值、增發前每股帳面資產價值或同類股票的發行價值，其中尤以市價結轉法最受關注。支持市價結轉主要持下述兩種觀點[3]；
1、再投資假設：股票股利可以看成由兩筆交易組成，公司先向股東支付現金股利，股東收到現金股利後再按市場價值向公司購買新增股份。從帳務處理上看，公司在發放現金股利時可以按股票的市場價值減少留存收益；而隨後的股票銷售將按同等金額增加實收資本。
2、機會成本假設：公司股票股利的成本被認為是將股票送給股東而不是在市場中出售的機會成本。即因為公司本來可以按市價出售這些股份，這是股利金額的最好證據，這一數額應被資本化。
這些觀點的似是而非性實質上反映了人們對股東權益認識的模糊，如以剩餘權益理論來看市價結轉，股票市場價值代表了企業的權益總額，其本身已包括了資本金和留存收益。因此，將代表兩者之和的數額從後者結轉到前者是不合邏輯的。
二、美國股票股利會計准則評介
在美國，會計程序委員會（CAP）（1938年—1958年）於1941年首次發布關於股票股利的第11號會計研究公報（ARB11）。該項公報對股票股利的來源及帳務處理作了要求：首先，股票股利只能限於當期收益；其次，當市場價值顯著高於面值或法律規定時，增發垢股份應按市場價值予以資本化。1952年，ARB11為現行權威公告所取代，即修訂後的第11號會計研究公報。這份公報對評估股票股利的標准作了界定和區分，同修訂前相比，基本上未作改動。1953年，CAP又對此前發布的42份研究公報進行調整，匯編而成第43號會計研究公報和第1號會計術語公報。其中，關於股票股利和股票分割的會計規定被收錄於43號公報第七章第二部分（ARB43，Ch.7B），並一直沿用至今。
（一）准則簡介
在這份准則中，最受爭議的一點是關於小額送股市價結轉的規定。根據委員會的規定，當送股比例低於20%或25%時，必須按增發股份的市價結轉（後來美國證券交易委員會選取25%作為劃分小額送股上限）。CAP對此所作的解釋是，在發放小額股票股利時，投資者會將其視為公司收益的分配，其數額相當於收取額外股份的公允價值。基於這種認識，市場一般不會對小額送股作出明顯反應。因此，如無公司所在州公司法的特別規定，公司在發放小額股票股利時應按市價結轉。但在控股公司（closely-held companies）中，因股東對公司事務十分了解，不會把股票股利看成是公司收益的分配，應當按法定要求的面值或設定價值予以資本化[4]。
對於高於設定比率的大額送股，CAP提供了兩種備選處理方法，一是根據所在州公司法的規定，按面值或設定價值結轉，並建議公司將送股描述為「以股利形式實施的分割」（splitup effected in the form of a dividend）。而在州公司法對此未作規定時，就沒有必要對留存收益進行資本化了，可按股票分割不作帳務處理。對此，紐約證券交易所（NYSE）還推薦了另一種處理辦法，即按面值從資本盈餘結轉到股本帳戶。
（二）評價
對於CAP的這份公報，公眾褒貶不一。尤其是關於小額送股市價結轉的說法。在准則制定之初，委員會部分成員就曾指出，CAP在制訂股票股利收取者（recipient）的會計政策時，已認為不應將其確認為收益；而在制訂股票股利發放者（issuer）的會計政策時，又基於與前者完全相反的假定，因而兩者之間缺乏內在一致性。並且，CAP將會計政策建立在可能引起的市場瓜這一假設之上，也是不符合邏輯的。此外，對市場瓜的假設也並未得到實證研究的支持。根據有效市場理論，如果市場是有效的，那麼無論是何種比例的送股，對股票的稀釋都應當立即在股票價格中得到反映。福斯特等人（Foster etal.1978）分析了送股時股價行為，發現無認綱舉目張額送股還是大額送股，股東在股東的除權日附近的異常報酬並不顯著異於零。[5]亦即，市場對各種比例的送股均會作出適度調整，只不過受市場非完善因素阻礙，這種調整不是很充分而已。盡管如此，CAP突破了傳統會計理論框架的約束，結合股票股利的市場反應來制定會計准則。對此，哲夫（Zeff 1978）評論道，CAP關於股票股利的會計公報是會計界在制訂會計政策時將其經濟後果納入考慮的最早事件之一[6]。這對於其他會計政策的制定無疑具有啟發作用。
從歷史上看，會計程序委員會是為美國注冊會計師最初制定公認會計原則（GAAP）而設立的機構，尚處於准則制定的探索階段。委員會發表的會計研究公報，也主要是對現行會計慣例加以選擇和認可，而缺乏對會計原則的系統研究。股票股利會計准則的制定充分體現了ARB就事認強烈，缺乏前後一貫理論依據的不成熟特點。但有一點是共同的，即公報沒有嚴格遵循會計上的邏輯。
三、有關股票股利會計政策的實證研究
與現金股利不同，股票股利並不影響企業的現金流，而只是企業內部的會計結轉和股票分割的復合。因此，如果市場是有效的，則會在股票股利宣告日對其會計政策的信息內涵作出適度反應。這方面的研究舉不勝舉。例如，格林布勒特等人（Grinblatt,Masulis and Titman 1984）（簡稱GMT）在調查股票股利宣告日價格反應時，發現有顯著的異常報酬（abnormal return）。表明股票股利的宣告確實向市場傳遞了某種信息。對於股票股利和股票分割，前者的兩天報酬為3.03%，而後者則為4.9%，顯然股票股利的宣告效應較大；對於不同送股比例的股票股利，大額股票股利的異常報酬為4.90%，小額股票股利為5.89%，宣告報酬隨送股規模呈反向關系。GMT用留存收益假設（retained earnings hypothesis）對這一現象作了解釋[8]。
（一）留存收益假設
根據信息不對稱理論，在非完善市場中，企業管理者要比外部投資者更了解企業當前的盈利水平和未來的增長潛力，即具備更多關於企業價值的真實信息。因此，在必要時，尤其是在企業價值被市場低估時，管理者便會採用相應的手段予以揭示。其中，股利政策是一種常用的信號顯示（signaling）機制。同現金股利相比，股票股利既能傳播信息，又不會影響企業的現金流，因而倍受管理者的歡迎。但是，這並不意味著，股票股利的發放是不花任何代價的。作為一種信號顯示機制，為了防止被造假者利用，它必須具備相應的信號成本，足以使潛在的造假者望而卻步，股票股利同樣如此。從會計角度來看，可用留存收益假設來解釋公司發放股票股利的信號成本。
該假設認為，企業發放股票股利時，一般會從留存收益中結轉出一部分金額到永久性資本帳戶（即股本和資本盈餘），而留存收益通常又是企業發放現金股利的最高限額。因此，由股票股利所引起的留存收益減少，實際上就削弱了公司在未來支付現金股利的能力。除非公司具有良好的經營前景，可用未來的收益填補減少的這一部分，否則，會因留存收益不足以支付現金股利而陷入極為不利的困境。這對於造假者而言，代價是昂貴的。因此，在正常情況下，投資者會將股票股利的發放視為一個有利信號，它顯示了管理者對公司未來業績的信心。
嚴格地講，留存收益假設是不夠准確的，它必須具備這樣兩個條件：首先，對股票股利會計處理的結果必須要減少留存收益；其次，現金股利只能從留存收益中支付。前者是一個會計方法的選擇問題，後乾則涉及到相關法律的具體規定。為此，彼得遜等人（Peterson et al.1996）[9]提出可分配權益（distributalbe equity）概念，它是公司怕在州對公司支付現金股利的法定最高限額。只有引起可分配權益減少的股票股利，其信號成本才是昂貴的。
（二）送股會計政策傳遞信號的實證檢驗
根據會計程序委員會及紐約證券交易所的規定，股票股利的會計結轉一般有以下幾種處理方式：
當送股比例低於25%時，
·必須按增發股票的市價從留存收益結轉到普通股股本和資本盈餘帳戶
當送股比例大於或等於25%,可以在下述三種方法中選擇
·按面值從留存收益轉入普通股股本帳戶
·按面值從資本盈餘結轉到普通股股本帳戶
·視同股票分割不作帳戶結轉,只須按送股比例減少每股面值
可分配權益是由各州公司法規定的,有以下三種類型:第一類要求現金股利只能從留存收益中支付；第二類則為留存收益和資本盈餘之和；第三類最為寬松，只要不至於引起資不抵債，所有權益均可用於發放現金股利。
股票股利會計處理的多樣性及分配權益的不同規定，使得其信號成本也不盡相同，可表述如下：
表1不同送股比例及其會計處理對可分配權益的影響（參見會計研究2000.3第51頁）
根據留存收益假設，可分配權益減少得越多，則股票股利的信號成本就越高，從而越能反映公司管理者對未來業績的信心。因此，管理者可以通過送股比例及會計方法的選擇，向市場顯示其關於企業價值的私有信息。彼得遜等人的實證結果表明，對於可分配權益減少了的企業，投資者在股票股利宣告日附近所獲得異常報酬顯著高於其它企業，證實了留存收益假設的有效性。
此外，根據規定，25%的送股比例為大額送股與小額送股的分界線。在此以上按面值結轉，在此以下則按市值結轉。又因股票市價一般遠遠高於其面值或設定價值。這樣，在送股比例低於且接近於25%時，公司所結轉的留存收益數額可能會遠遠超過其送股比例高於25%的情況。從而出現小額送股卻要比大額送股減少更多留存收益的反常現象。例如，在1987年6月，貝爾產業（Bell Instries）宣告了20%的股票股利，贈送新股1，081，402份，每股面值0.25美元。貝爾為此結轉了2052.7萬美元。而如果貝爾宣告25%的股票股利，則只需按面值減少33.8萬美元的留存收益。由於兩種比例十分接近，因而可以忽略諸如股票流通性等其他因素對股價的影響。在這種情況下，公司在20%和25%兩種送股比例之間的選擇，實質上是一個會計方法的選擇問題。根據留存收益假設，20%的股票股利可能被市場理解為管理者傳遞關於企業價值更有利的信號。對此，蘭金等人（Rankine et al.1997）通過經驗測試，對兩種送股比例的企業作了比較。結果表明，對於送股比例為20%的企業，股東在宣告期獲得了更大的異常報酬，公司也在宣告以後的期間內出現了增長更快的現金股利[10]。
上述結果證實，管理者有通過會計政策的選擇來傳其私有信息的動機。換言之，會計政策具有傳遞信號的功能，從而有利於減緩企業管理者與投資者之間的信息不對稱。
四、我國股票股利會計政策評析
迄今為止，我國股票股利的會計准則，只是在相關的法規中作了一些零星的規定。
（一）制度分析
我國屬於法定資本制的國家。根據《公司法》的規定，股東權益由四個科目構成，即股本、資本公積、盈餘公積和未分配利潤。其中，由資本公積向股本的結轉屬於資本性帳戶的內部結轉，不具有利潤分配的性質，由此項會計處理而進行的無償增股自然不作股票股利。中國證監會於1996年7月24日公布的《關於上市公司若干問題的通知》要求：「上市公司的送股方案必須將以利潤派送紅股和以公積金轉為股本予以明確區分，並在股東大會上分別作出決議，分項披露，不得將才者均表示為送紅股。」
《公司法》要求，股份有限公司在彌補虧損和提取公積金、法定公益金後剩餘利潤，按照股東持有的股份比例分配。我國並未對股票股利的資本化金額作出正式規定。根據《企業會計准則第×號——所有者權益（徵求意見稿）》第21條第1款，公司在公配股票股利時，「應按該種股票該次發行價格確定其價值。如果該次作為股利發放的該種股票沒有發行價格，則應根據公司連續盈利情況和財產增值情況確定股票股利的價值，按確定的股票股利的價值減少留存收益。」此外，根據《股份有限公司會計制度》對結轉分錄的規定，公司按股東大會批準的應分配股票股利的金額，辦理增資手續後，借記「利潤分配——轉作股本的普通股股利」，貸記「股本」。如實際發放的股票股利金額與票面金額不一致，應當按其差額，貸記「資本公積——股本溢價」科目。雖然《制度》並未對股票股利的資本化金額作出明確規定，但從其帳戶處理所涉及的科目看，無疑是允許企業使用面值法或其他高於面值的金額結轉。
（二）實務處理
盡管會計制度允許企業採用多種送股計價方式。但是，從我國目前的情況來看，由於股票市場發育尚不成熟，股價波動較大，使得股票有公允價值難以確定。公司發放股票股利一般是按照股票面值折股的。因為股票面值一般為1元，便於確定所要結轉的金額（應等於增發股票有數量）。這使股票股利的數額與折股的股票面值總額保持一致，因而不涉及折股中的溢價問題。從納稅角度看，這一處理有利於公司減輕股東稅賦，因為如按照市價結轉，其結轉金額無疑會遠遠超過面值數額，由此應由股東承擔的稅賦也是相當重的。
此外，實務還對股票股利處理時間與報告揭示作了靈活處理。對於現金股利，在董事會確定利潤分配方案後，必須進行帳務處理；當它與股東大會批準的現金股利之間發生差異時，必須調整會計報表相關項目的年初數或上年數。對於股票股利，董事會提出分配方案時不需要進行帳務處理，只需要在當期會計報表附註中披露；在股東大會批准利潤分配方案並實際發生時，直接進行帳務處理，因而不存在有關項目調整的問題。股票股利之所以採用上述處理方法，首先考慮到股票股利與現金股利的差別，如果採用與現金股利丁同的處理方法，在董事會提出利潤分配方案時須作為負債處理，執必誇大公司的負債權益比例，從而可能導致一些股東對企業財務狀況產生誤解。其次，按照現行規定，企業在增加資本時必須報經工商行政管理部門批准變更注冊資本。一般情況下，應當是在股東大會正式批准股票股利分配方案後，才正式申請變更注冊資本的注冊登記。因此，在送股發生時再進行帳務處理可以避免不必要的會計調整。
從上述分析可以看出，我國實務界對股票股利會計政策的選擇既保證了會計信息質量，又有利於簡化會計工作程序和手續，並且在相當大的程度上維護了股東和企業自身的合法權益，因而是合理可行的。與美國相比，我國實務界對送股所採用的會計政策缺乏可選性，從而限制了會計政策傳遞信號的功能。但在目前，由於我國尚不具備象美國一樣發達的資本市場，通過會計政策來傳遞信號還缺乏相應的市場條件，因而會計政策還僅僅限於指導會計信息加工的作用。
五、小結
本文以股票股利為例，對會計政策的成因、制定動機、經濟效果、選擇依據作了逐一分析。現作如下歸納：
·會計政策的可選性產生於會計人員對會計對象的認識上的分歧；
·宏觀會計政策制定者有動機通過准則的制定以擴大影響；
·在有效資本市場中，會計政策的選擇具有傳達管理者私有信息的功能；
·會計政策的選擇要遵循成本效益原則，並有利於企業總體目標的實現；
·公司法是制定會計政策的法律依據，會計政策從會計角度確保公司法的實施。
參考文獻：
1、曲曉輝，關於會計政策的幾個問題（上、下），上海會計，1999；11:3—8，12:10—13。
2、黃菊波，楊小舟，試論會計政策，會計研究，1995；11:1—5。
3、Eldon S.Hendricksen, Michael F.Vanbreda.Accounting Theory.5th deition.Homewood III: Richard D. Irwin, 1992.
4、Financial Accounting Standards Board. Original Pronouncements. Accounting Standards, as of June 1, 1996.Volume II. John Wiley & Sons, Inc. 199/1997:23—25.
5、Foster, T.W. and Vickrey, D.The information content of stock dividend announcements. The Accounting Review, 1978:53 (2) :360—70.
6、Zeff, S.A.The rise of economic consequences. Stanford Lecture in Accounting. Graate School of Business, Stanford University, 1978.
7、May, G.O.1952. Letters to John B. Inglis. Dated August 5, 1952.
8、Grinblatt, M., Masulis, R. and Titman, S. The valuation feffects of stock splits and stock dividends. Journal of Financial Economics, 1984; 13:47—70.
9、Peterson, C.A.Millier, J.A.and Rimbey, J.N.The economic consequences of accounting for stock splits and large stock dividends. The Accounting Review, 1996; 71 (2) :241—53.
10、Rankine, G.W.and Stice E.K.Accounting rules and the signaling properties of 20 percent stock dividends. The Accounting Review, 1997;72 (1) :23—46.
來源：《會計研究》2000年第3期
⑷ 科大訊飛大數據分析股票
隨著科學技術的不斷革新，人工智慧產品不斷走向我們的日常生活，改變我們的生活方式。與此同時，這個新興領域也備受資本市場的關注，今天學姐就跟大家好好說一說國內人工智慧的頭部企業--科大訊飛。在開始分析科大訊飛前，先給大家奉上這份人工智慧行業龍頭股名單，還不趕緊瀏覽一下：寶藏資料：人工智慧行業龍頭股名單
一、從公司角度來看
公司介紹：科大訊飛是一家專業從事語音及語言、自然語言理解、機器學習推理及自主學習等人工智慧核心技術研究，人工智慧產品研發和行業應用落地的國家級骨幹軟體企業。科大訊飛作為中國人工智慧產業的開拓者，躬耕人工智慧領域二十年,在社會價值上，公司始終有著自己的堅持，就是為經濟社會發展提供陽光健康、高技術屏障、高附加值。我們一起來看看這家公司有哪些優點吧：
優勢一、國內人工智慧的領導者，技術水平國際領先
科大訊飛以「讓機器能聽會說，能理解會思考，利用人工智慧建設美好世界"作為使命，承建有國家新一代人工智慧開放創新平台、語音及語言信息處理國家工程實驗室以及認知智能領域的首個國家級重點實驗室等國家級重要平台。
優勢二、業績持續高增長，產業生態持續擴大
智慧教育和智慧醫療的發展水平突飛猛進，開放平台、智能硬體、汽車業務表現得都十分優秀，其中包括訊飛AI學習機銷量持續增長、智醫助理業務實現了基層常態化使用、發者數量和質量同步提升以及智能辦公本、錄音筆等硬體銷售大幅增加。同時，公司為開發者團隊提供從初生、壯大到商業價值升級的全鏈路服務，並且還構造建設了訊飛AI營銷平台、訊飛智能工業平台等能力平台，推動著AI行業生態持續不斷的擴大。因為篇幅已經夠了，關於科大訊飛的深度報告和風險提示的詳情，一些我整理出來的內容寫在了這篇研報當中，點擊的話就可以查看閱讀：【深度研報】科大訊飛點評，建議收藏！
二、從行業角度來看
預計到2025年，AI帶來的產業產值將超過6萬億美金的規模，從目前的全球AI市場來看，其規模已超1萬億美元，中國的市場超1千億元。人工智慧產業形成了企業+行業+人力的全方位變革。企業數字化的局勢發展日益凸顯，智慧化應用能夠將消費者潛在需求給滿足。無人駕駛、語音識別、專家系統、智適應學習和機器視覺是在近幾年中特別受關注的幾個應用方向。對於人工智慧發展來說，各國政府都非常支持，並將其上升至國家戰略層面，放出積極信息。總的來說，我認為科大訊飛公司作為人工智慧行業中的龍頭企業，有望於此行業高速發展之時獲得較大利潤。但是文章內容存在延遲，如果想更准確地知道科大訊飛未來行情，直接點擊鏈接，有專業的投資顧問幫你診斷股票，看下科大訊飛現在行情是否是對應一個好時機，可以買入或賣出：【免費】測一測科大訊飛還有機會嗎？
應答時間：2021-09-09，最新業務變化以文中鏈接內展示的數據為准，請點擊查看
⑸ 可以利用大數據炒股嗎
大數據可以用於股票交易，所謂大數據，就是一個新的分析概念，利用新的系統、新的工具、新的模型來挖掘大量動態的、可持續的數據，從而獲得具有洞察力和新價值的東西。大數據已經在一些金融工具中有所體現，大數據會將股票之前的數據全都發布出來，股民可以根據這只股票之前的數據來進行對比。
其實大數據只能說是個趨勢，我們可以通過打數據讓投資者能夠有一個參考性，但不能夠過度依賴大數據，畢竟著只是數據，這些數據是死的，而股市卻是千變萬化的，我們不能過度的依賴大數據得出的分析與結論，大數據也只是作為一個參考數據。世事無絕對，更何況是股票，可能上一秒還是盈利的狀態，但是下一秒就已經處於虧損了，不少人也因為炒股傾家盪產，所以這邊還是要提醒大家一下，謹慎行事，不要盲目跟風。
⑹ 求一篇股票分析的論文，2500-3000字，任選一隻股票，從基本面和技術面分析
股票投資分析----002310東方園林
東方園林是國內園林景觀行業的龍頭企業，業務涵蓋苗木種植、園林景觀設計、工程施工和後期養護等產業鏈一體化服務，公司是行業內同時具有城市園林景觀一級企業資質和甲級工程設計資質的10家企業之一，具有承接千萬級及以上景觀工程項目的能力。
相關人士認為東方園林代表了在細分行業內高成長的公司，公司實現了景觀設計和施工的一體化，業務覆蓋范圍更廣，是未來景觀工程在中國發展能行之有效的商業模式，而目前在這個成長中龐大市場——景觀工程仍於起步階段，國內廣大的二、三線城市才是行業走向繁榮發展的真正市場，率先上市融資無疑使得東方園林具有較大的先發優勢。
園林景觀行業是一個具有生態效益和社會效益、物質文明和精神文明雙重效益的行業，其與國民經濟的發展程度息息相關。隨著我國經濟的快速發展和經濟結構的優化，綜合國力不斷提高，人民生活水平不斷改善，國家對環境生態的日趨重視，園林景觀行業呈現出快速增長的發展態勢，發展速度遠超過國民經濟總體增長速度。
東方園林以設計品牌轉動一體化產業鏈，公司兩個設計品牌經歷了時間的磨練與沉澱，與EDSA的合資品牌和自己的全資品牌東方利禾涵蓋了景觀工程設計的中高端市場，旗下有高爾夫、地產、公園景觀、濕地景觀四個設計分院，其中高爾夫和濕地設計是國內唯一的設計院。公司未來對於設計品牌的投入和建設還將不斷加大。
募集資金助推公司業務的擴張，鞏固一體化的業務格局。公司此次發行募集資金，擬投資設立3家分公司和8，495畝的綠化苗木基地，通過擴大園林景觀工程施工業務規模以及苗木培育規模的方式來加速公司業務的擴張和解決苗木資源瓶頸。
有消息稱預計公司未來三年營業收入分別增長46.43%，72.50%和44.26%，經測算，公司2009-2011年各年將分別實現凈利潤0.87億元、1.50億元和2.16億元。2009-2011年每股收益(攤薄後)為1.73元、2.98元和4.31元。
綜合PE及PEG兩種估值方法，我們給予公司的二級市場的股價范圍為96.50～102.50元／股，公司所處行業空間巨大，公司有望將成為行業的領導者和整合者，此次IPO將是公司成長的新起點，公司具有較好的中長期投資價值。
公司介紹
一、公司概述
公司是行業內同時具有城市園林景觀一級企業資質和甲級工程設計資質的10家企業之一，業務范圍覆蓋園林景觀產業鏈的各個環節，經營區域遍布華北、華東、西南和華南等地區，是一家綜合性、跨區域發展的園林景觀企業，也是國內市場第一家以園林景觀工程為主營業務的上市公司。
與普通的建築施工企業不同，園林景觀工程的成敗取決於藝術家對「美」的塑造，隨著社會大眾對環境鑒賞能力的提高，景觀工程項目對藝術效果的要求越來越高，尤其在政府大型園林景觀項目，往往被視為城市名片，對項目的藝術成就越來越重視，這也決定了大型的、復雜的景觀工程項目往往由專業的景觀工程公司承建，這也決定了項目較高的收益率。
東方園林是白手起家型企業，公司由何巧雲、唐凱(二人是夫妻關系)創辦，公司從最早的園林花卉種植業務起步，逐步發展出園林景觀工程一體化的業務模式，公司股權結構明晰，主業清楚。
此次IPO公司發行股份1，450萬股，發行價格58.60元／股，占發行完成後股本總額的28.95%。發行完成後，公司股本總額為5，008.13萬股。
二、主營業務
東方園林業務涵蓋苗木種植、園林景觀設計、工程施工和後期養護等產業鏈一體化服務。其中園林工程施工占據主營業務的較大份額。景觀工程不同於一般的建築施工企業，工程的質量優劣除了施工品質之外很大程度上取決於設計師的設計水平和審美品位，因此這種細分行業特殊的文化藝術屬性使其毛利率水平明顯高於一般施工企業。
三、財務狀況
2008年東方園林實現主營業務收入4.16億元，其中歸屬於母公司所有者的凈利潤0.59億元，近三年年均復合增長率分別達到34.83%和44.96%。在同類上市公司中，像東方園林這樣能連續保持多年收入和利潤都高速增長的公司並不多。這除了公司所處細分行業的快速發展外，和公司本身在細分行業中較強的競爭力、品牌優勢以及較強的管理能力都分不開。
四、證券公司對公司的看法
他們認為東方園林代表了未來細分行業內的高成長公司，與之前上市的綠大地[28.80 -0.14%]主營苗木銷售不同，公司實現了景觀設計和施工的一體化，業務覆蓋范圍更廣，是未來景觀工程在中國發展能行之有效的商業模式，而目前國內景觀工程——這個成長中龐大市場仍於起步階段，國內二、三線城市才是行業走向繁榮發展的真正市場，率先上市融資無疑使得東方園林具有了較大的先發優勢。
從行業上看，國內景觀行業的發展仍處於初級階段，尤其在大型景觀工程的設計方面幾乎被國外壟斷，在一線城市如北京、上海的大型城市公園、綠地項目中，國內企業很難中標工程的主體設計。如今市場的發展已逐漸向內地輻射，眾多的二、三線城市開始營造自身的生態家園，從而啟動了一個更為龐大的市場，而此時通過與國外頂級設計院的交流、學習，國內優秀的設計企業設計能力已有了很大的提高，部分優秀的企業將在這個繁榮的市場中真正脫穎而出。
另一方面，目前國內的景觀工程公司規模普遍較小，據中國風景園林學會的調查，中國總資產超過2億元的園林公司僅5家，前82家園林公司的總資產平均僅為8800萬元，相當數量的園林公司脫胎於苗木種植公司，缺乏景觀設計、施工的能力，難以承接大型的景觀，而部分具有較強設計能力的設計院又缺乏施工能力，而東方園林是行業內同時具有城市園林景觀一級企業資質和甲級工程設計資質的10家企業之一，可以對項目進行一體化服務，這種業務模式無疑對內地二三線城市更具有吸引力。
在這樣的背景下，東方園林已能夠向景觀規劃的較高階段發展，通過構建園林景觀設計、苗木培育、工程施工的一體化模式，擁有承接千萬元及以上級別大型園林景觀工程項目能力，以一體化模式帶動項目的整體盈利能力的提升。
從東方園林的目前業務構成看，雖然景觀設計占公司主營業務比例並不大，但對於公司的業務開展和品牌塑造卻起到了至關重要的作用。因此，東方園林也不斷的通過各種方式提高園林景觀設計能力。首先，1999年引入美國EDSA景觀設計公司成為為合作夥伴，合資成立北京易地斯埃東方環境景觀設計研究院(EDSA-ORIENT)，將其打造為高端景觀設計品牌。作為全球規劃設計行業的領袖企業，EDSA是美國歷屆總統指定的唯一景觀顧問公司，也是美國旅遊規劃國家標準的起草人之一。通過與EDSA成立合資公司，東方園林在高檔度假酒店、別墅及大型綜合性園林項目大有斬獲，獲得北京2008奧運會奧林匹克公園、北京香山別墅等優質項目。更為重要的是，通過合資，東方園林得以近距離觀察和學習國際領先公司的操作手法。2001年，東方園林獨資成立定位於中小型景觀設計的東方利禾景觀設計公司，並獲得甲級園林工程設計資質，承擔北京首都國際機場擴建工程、上海佘山高爾夫球場等景觀項目設計。
在我們的城市日益花團錦簇、綠樹成蔭的後面孕育的是一個大生意，隨著人們生活水平的提高，對於「美「需求日益強烈，各級城市也越來越視城市景觀為政府的「臉面」，托起了欣欣向榮的市場，相關數據顯示，僅政府「十一五「規劃對城市綠化的目標，政府財政投資就將超過2000億元。
該股k線圖分析
一． 早晨之星
該圖是此股2010/12/01-----2010/12/07的k線圖走勢，可以清晰看出
1.在下降趨勢中某一天出現一根長陰實體。
2.第二天出現一根向下跳空低開的星形線，且最高價低於頭一天的最低價，與第一天的陰線之間產生一個缺口。
3.第三天出現一根長陽實體。早晨之星一般出現在下降趨勢的末端，是較強烈的趨勢反轉信號。
符合早晨之星特性，因此在七日出現了大幅的反彈。
二.kdj的頂背離
此處是該股2010年八月份的走勢圖，可以看出，股價已經創出新高，但是kdj指數卻沒有創出新高，因此股票在創出這個高點之後便出現了連續性的大幅下跌，這就是kdj的頂背離。
三。MACD的黃金交叉
此處是該股2010年三月至四月之間的macd圖，可以看出，在四月六日的時候，該股出現了macd的金叉，這個信號的出現，標志著股票的上升趨勢已經明顯，因此在四月中旬出現了大幅的連續性上漲。
以上是對該股之前走勢的一下技術性分析。
綜合上述最新指數以及k線圖，kdj，macd，asi等諸多因素，以及對大盤走勢的詳細分析，我認為近日上漲幾率大。近2日上漲勢頭減弱；該股近期的主力成本為116.73元，股價在成本區上方運行，可保持部分倉位；股價處於上漲趨勢，支撐位96.00元，中線持股為主；本股票大方向依然樂觀。
⑺ 以大數據為主題,寫一篇1500字的文章
可參考下文9個關鍵字寫寫大數據行業2015年年終總結2015年，大數據市場的發展迅猛，放眼國際，總體市場規模持續增加，隨著人工智慧、物聯網的發展，幾乎所有人將目光瞄準了「數據」產生的價值。行業廠商Cloudera、DataStax以及DataGravity等大數據公司已經投入大量資金研發相關技術，Hadoop供應商Hortonworks與數據分析公司NewRelic甚至已經上市。而國內，國家也將大數據納入國策。我們邀請數夢工場的專家妹子和你來聊聊2015年大數據行業九大關鍵詞，管窺這一年行業內的發展。戰略：國家政策今年中國政府對於大數據發展不斷發文並推進，這標志著大數據已被國家政府納入創新戰略層面，成為國家戰略計劃的核心任務之一：2015年9月，國務院發布《促進大數據發展行動綱要》，大力促進中國數據技術的發展，數據將被作為戰略性資源加以重視;2015年10月26日，在國家「十三五」規劃中具體提到實施國家大數據戰略。挑戰：BI(商業智能)2015年對於商業智能(BI)分析市場來說，正由傳統的商業智能分析快速進入到敏捷型商業智能時代。以QlikView、Tableau和SpotView為代表的敏捷商業智能產品正在挑戰傳統的IBMCognos、SAPBusinessObjects等以IT為中心的BI分析平台。敏捷商業智能產品也正在進一步細化功能以達到更敏捷、更方便、適用范圍更廣的目的。崛起：深度學習/機器學習人工智慧如今已變得異常火熱，作為機器學習中最接近AI(人工智慧)的一個領域，深度學習在2015年不再高高在上，很多創新企業已經將其實用化：Facebook開源深度學習工具「Torch」、PayPal使用深度學習監測並對抗詐騙、亞馬遜啟動機器學習平台、蘋果收購機器學習公司Perceptio……同時在國內，網路、阿里，科大訊飛也在迅速布局和發展深度學習領域的技術。共存：Spark/HadoopSpark近幾年來越來越受人關注，2015年6月15日，IBM宣布投入超過3500名研究和開發人員在全球十餘個實驗室開展與Spark相關的項目。與Hadoop相比，Spark具有速度方面的優勢，但是它本身沒有一個分布式存儲系統，因此越來越多的企業選擇Hadoop做大數據平台，而Spark是運行於Hadoop頂層的內存處理方案。Hadoop最大的用戶(包括eBay和雅虎)都在Hadoop集群中運行著Spark。Cloudera和Hortonworks將Spark列為他們Hadoop發行的一部分。Spark對於Hadoop來說不是挑戰和取代相反，Hadoop是Spark成長發展的基礎。火爆：DBaaS隨著Oracle12cR2的推出，甲骨文以全新的多租戶架構開啟了DBaaS(資料庫即服務Database-as-a-Service)新時代，新的資料庫讓企業可以在單一實體機器中部署多個資料庫。在2015年，除了趨勢火爆，12c多租戶也在運營商、電信等行業投入生產應用。據分析機構Gartner預測，2012年至2016年公有資料庫雲的年復合增長率將高達86%，而到2019年資料庫雲市場規模將達到140億美元。與傳統資料庫相比，DBaaS能提供低成本、高敏捷性和高可擴展性等雲計算特有的優點。
⑻ 大數據在金融行業的應用與挑戰
大數據在金融行業的應用與挑戰
A 具有四大基本特徵
金融業基本是全世界各個行業中最依賴於數據的，而且最容易實現數據的變現。全球最大的金融數據公司Bloomberg在1981年成立時「大數據」概念還沒有出現。Bloomberg的最初產品是投資市場系統（IMS），主要向各類投資者提供實時數據、財務分析等。
隨著信息時代降臨，1983年估值僅1億美元的Bloomberg以30%股份的代價換取美林3000萬美元投資，先後推出Bloomberg Terminal、News、Radio、TV等各類產品。1996年Bloomberg身價已達20億美元，並以2億美元從美林回購了10%的股份。2004年Bloomberg在紐約曼哈頓中心建成246米摩天高樓。到2008年次貸危機，美林面臨崩盤，其剩餘20%的Bloomberg股份成為救命稻草。Bloomberg趁美林之危贖回所有股份，估值躍升至225億美元。2016年Bloomberg全球布局192個辦公室，擁有1.5萬名員工，年收入約100億美元，估值約1000億美元，超過同年市值為650億美元的華爾街標桿高盛。
大數據概念形成於2000年前後，最初被定義為海量數據的集合。2011年，美國麥肯錫公司在《大數據的下一個前沿：創新、競爭和生產力》報告中最早提出：大數據指大小超出典型資料庫軟體工具收集、存儲、管理和分析能力的數據集。
具體來說，大數據具有四大基本特徵：
一是數據體量大，指代大型數據集，一般在10TB規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量。
二是數據類別大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。現在的數據類型不僅是文本形式，更多的是圖片、視頻、音頻、地理位置信息等多類型的數據。
三是處理速度快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。數據處理遵循「1秒定律」，可從各種類型的數據中快速獲得高價值的信息。
四是數據的真實性高，隨著社交數據、企業內容、交易與應用數據等新數據源的興起，傳統數據源的局限被打破，信息的真實性和安全性顯得極其重要。
而相比其他行業，金融數據邏輯關系緊密，安全性、穩定性和實時性要求更高，通常包含以下關鍵技術：數據分析，包括數據挖掘、機器學習、人工智慧等，主要用於客戶信用、聚類、特徵、營銷、產品關聯分析等；數據管理，包括關系型和非關系型數據、融合集成、數據抽取、數據清洗和轉換等；數據使用，包括分布式計算、內存計算、雲計算、流處理、任務配置等；數據展示，包括可視化、歷史流及空間信息流展示等，主要應用於對金融產品健康度、產品發展趨勢、客戶價值變化、反洗錢反欺詐等監控和預警。
B 重塑金融行業競爭新格局
「互聯網+」之後，隨著世界正快速興起「大數據+」，金融行業悄然出現以下變化：
大數據特徵從傳統數據的「3個V」增加到「5個V」。在數量（Volume）、速度（Velocity）、種類（Variety）基礎上，進一步完善了價值（Value）和真實性（Veracity），真實性包括數據的可信性、來源和信譽、有效性和可審計性等。
金融業按經營產品分類變為按運營模式分類。傳統金融業按經營產品劃分為銀行、證券、期貨、保險、基金五類，隨著大數據產業興起和混業經營的發展，現代金融業按運營模式劃分為存貸款類、投資類、保險類三大類別。
大數據市場從壟斷演變為充分市場競爭。全球大數據市場企業數量迅速增多，產品和服務的差異增大，技術門檻逐步降低，市場競爭日益激烈。行業解決方案、計算分析服務、存儲服務、資料庫服務和大數據應用成為市場份額排名最靠前的五大細分市場。
大數據形成新的經濟增長點。Wikibon數據顯示，2016年，全球大數據硬體、軟體和服務整體市場增長22%達到281億美元，預計到2027年，全球在大數據硬體、軟體和服務上的整體開支的復合年增長率為12%，將達到大約970億美元。
數據和IT技術替代「重復性」業務崗位。數據服務公司Eurekahedge通過追蹤23家對沖基金，發現5位對沖基金經理薪金總額為10億美元甚至更高。過去10年，靠數學模型分析金融市場的物理學家和數學家「寬客」一直是對沖基金的寵兒，其實大數據+人工智慧更精於此道。高盛的紐約股票現金交易部門2000年有600名交易員而如今只剩兩人，其任務全由機器包辦，專家稱10年後高盛員工肯定比今天還要少。
美國大數據發展走在全球前列。美國政府宣稱：「數據是一項有價值的國家資本，應對公眾開放，而不是將其禁錮在政府體制內。」作為大數據的策源地和創新引領者，美國大數據發展一直走在全球最前列。自20世紀以來，美國先後出台系列法規，對數據的收集、發布、使用和管理等做出具體的規定。2009年，美國政府推出Data.gov政府數據開放平台，方便應用領域的開發者利用平台開發應用程序，滿足公共需求或創新創業。2010年，美國國會通過更新法案，進一步提高了數據採集精度和上報頻度。2012年3月，奧巴馬政府推出《大數據研究與開發計劃》，大數據迎來新一輪高速發展。
英國是歐洲金融中心，大數據成為其領先科技之一。2013年，英國投資1.89億英鎊發展大數據。2015年，新增7300萬英鎊，創建了「英國數據銀行」data.gov.uk網站。2016年，倫敦舉辦了超過22000場科技活動，同年，英國數字科技投資逾68億英鎊，而收入則超過1700億英鎊。另外，英國統計局利用政府資源開展「虛擬人口普查」，僅此一項每年節省5億英鎊經費。
C 打造高效金融監管體系
大數據用已發生的總體行為模式和關聯邏輯預測未來，決策未來,作為現代數字科技的核心，其靈魂就是——預測。
偵測、打擊逃稅、洗錢與金融詐騙
全球每年因欺詐造成的經濟損失約3.7萬億美元，企業因欺詐受損通常為年營收額的5%。全球最大軟體公司之一美國SAS公司與稅務、海關等政府部門和全球各國銀行、保險、醫療保健等機構合作，有效應對日益復雜化的金融犯罪行為。如在發放許可之前，通過預先的數據分析檢測客戶是否有過行受賄、欺詐等前科，再確定是否發放借貸或海關通關。SAS開發的系統已被國際公認為統計分析的標准軟體，在各領域廣泛應用。英國政府利用大數據檢測行為模式檢索出200億英鎊的逃稅與詐騙，追回了數十億美元損失。被福布斯評為美國最佳銀行的德克薩斯資本銀行（TCBank），不斷投資大數據技術，反金融犯罪系統與銀行發展同步，近3年資產從90億美元增至210億美元。荷蘭第三大人壽保險公司CZ依靠大數據對騙保和虛假索賠行為進行偵測，在支付賠償金之前先期阻斷，有效減少了欺詐發生後的司法補救。
大數據風控建立客戶信用評分、監測對照體系
美國注冊舞弊審核師協會（ACFE）統計發現，缺乏反欺詐控制的企業會遭受高額損失。美國主流個人信用評分工具FICO能自動將借款人的歷史資料與資料庫中全體借款人總體信用習慣相比較，預測借款人行為趨勢，評估其與各類不良借款人之間的相似度。美國SAS公司則通過集中瀏覽和分析評估客戶銀行賬戶的基本信息、歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如搜索到該客戶從新出現的國家為特有用戶轉賬，或在新位置在線交易等），進行實時反欺詐分析。
美國一家互聯網信用評估機構通過分析客戶在Facebook、Twitter等社交平台留下的信息，對銀行的信貸和投保申請客戶進行風險評估，並將結果出售給銀行、保險公司等，成為多家金融機構的合作夥伴。
D 數據整合困難
應用經濟指標預測系統分析市場走勢
IBM使用大數據信息技術成功開發了「經濟指標預測系統」，該系統基於單體數據進行提煉整合，通過搜索、統計、分析新聞中出現的「新訂單」等與股價指標有關的單詞來預測走勢，然後結合其他相關經濟數據、歷史數據分析其與股價的關系，從而得出行情預測結果。
追蹤社交媒體上的海量信息評估行情變化
當今搜索引擎、社交網路和智能手機上的微博、微信、論壇、新聞評論、電商平台等每天生成幾百億甚至千億條文本、音像、視頻、數據等，涵蓋廠商動態、個人情緒、行業資訊、產品體驗、商品瀏覽和成交記錄、價格走勢等，蘊含巨大財富價值。
2011年5月，規模為4000萬美元的英國對沖基金DC Markets，通過大數據分析Twitter的信息內容來感知市場情緒指導投資，首月盈利並以1.85%的收益率一舉戰勝其他對沖基金僅0.76%的平均收益率。
美國佩斯大學一位博士則利用大數據追蹤星巴克、可口可樂和耐克公司在社交媒體的圍觀程度對比其股價，證明Facebook、Twitter和 Youtube上的粉絲數與股價密切相關。
提供廣泛的投資選擇和交易切換
日本個人投資理財產品Money Design在應用程序Theo中使用演算法+人工智慧，最低門檻924美元，用戶只需回答風險承受水平、退休計劃等9個問題，就可使用35種不同貨幣對65個國家的1.19萬只股票進行交易和切換，年度管理費僅1%。Money Design還能根據用戶投資目標自動平衡其賬戶金額，預計2020年將超過2萬億美元投資該類產品。
利用雲端資料庫為客戶提供記賬服務
日本財富管理工具商Money Forward提供雲基礎記賬服務，可管理工資、收付款、寄送發票賬單、針對性推送理財新項目等，其軟體系統連接並整合了2580家各類金融機構的各類型帳戶，運用大數據分析的智能儀表盤顯示用戶當前財富狀況，還能分析用戶以往的數據以預測未來的金融軌跡。目前其已擁有50萬商家和350萬個體用戶，並與市值2.5萬億美元的山口金融集團聯合開發新一款APP。
為客戶定製差異化產品和營銷方案
金融機構迫切需要掌握更多用戶信息，繼而構建用戶360度立體畫像，從而對細分客戶進行精準營銷、實時營銷、智慧營銷。
一些海外銀行圍繞客戶「人生大事」，分析推算出大致生活節點，有效激發其對高價值金融產品的購買意願。如一家澳大利亞銀行通過大數據分析發現，家中即將誕生嬰兒的客戶對壽險產品的潛在需求最大，於是通過銀行卡數據監控准媽媽開始購買保胎葯品和嬰兒相關產品等現象，識別出即將添丁的家庭，精準推出定製化金融產品套餐，受到了客戶的積極響應，相比傳統的簡訊群發模式大幅提高了成功率。
催生並支撐人工智慧交易
「量化投資之王」西蒙斯被公認為是最能賺錢的基金經理人，自1988年創立文藝復興科技公司的旗艦產品——大獎章基金以來，其憑借不斷更新完善的大數據分析系統，20年中創造出35%的年均凈回報率，比索羅斯同期高10%，比股神巴菲特同期高18%，成為有史以來最成功的對沖基金，並於1993年基金規模達2.7億美元時停止接受新投資。在美國《Alpha》雜志每年公布的對沖基金經理排行榜上，西蒙斯2005年、2006年分別以15億美元、17億美元凈收入穩居全球之冠，2007年以13億美元位列第五，2008年再以25億美元重返榜首。
推動金融產品和服務創新
E 面臨三大挑戰
目前，全球各行業數據量的增長速度驚人，在我國尤其集中在金融、交通、電信、製造業等重點行業，信息化的不斷深入正在進一步催生更多新的海量數據。
據統計，2015年中國的數據總量達到1700EB以上，同比增長90%，預計到2020年這一數值將超過8000EB。以銀行業為例，每創收100萬元，銀行業平均產生130GB的數據，數據強度高踞各行業之首。但在金融企業內部數據處於割裂狀態，業務條線、職能部門、渠道部門、風險部門等各個分支機構往往是數據的真正擁有者，缺乏順暢的共享機制，導致海量數據往往處於分散和「睡眠」狀態，雖然金融行業擁有的數據量「富可敵國」，但真正利用時卻「捉襟見肘」。
數據安全暗藏隱患
大數據本質是開放與共享，但如何界定、保護個人隱私權卻成為法律難題。大數據存儲、處理、傳輸、共享過程中也存在多種風險，不僅需要技術手段保護，還需相關法律法規規范和金融機構自律。多項實際案例表明，即使無害的數據大量囤積也會滋生各種隱患。安全保護對象不僅包括大數據自身，也包含通過大數據分析得出的知識和結論。在線市場平台英國Handshake.uk.com就嘗試允許用戶協商個人數據被品牌分享所得的報酬。
人才梯隊建設任重道遠
人才是大數據之本。與信息技術其他細分領域人才相比，大數據發展對人才的復合型能力要求更高，需要掌握計算機軟體技術，並具備數學、統計學等方面知識以及應用領域的專業知識。
⑼ 互聯網金融與大數據應用論文
在中國龐大的應用市場和人群下，深入觀察變化且復雜的市場，探索以大數據為基礎的解決方案成為了銀行提高自身競爭力的一大重要手段。大數據技術是互聯網金融的一大技術支撐，通過對人們在互聯網上活動信息形成的數據的收集、挖掘、整理、分析和進一步應用，來創新思維、產品、技術、風險管理和營銷。而數據是互聯網金融的核心，未來計算機網路互聯網金融業的競爭力將取決於數據的規模、有效性、真實性以及數據分析應用的能力。
一、我國互聯網金融的概況
互聯網金融作為二十一世紀高新產物，是傳統的金融行業與互聯網時代的有機結合，利用互聯網技術和信息通信技術實現資金融通、支付、投資和信息中介服務的新型金融業務模式。這種新型金融模式具有顛覆式的影響，創新型巨大改革，不僅推動了我國利率市場化的進程，甚至影響整個經濟與社會發展水平。
二、互聯網金融的運作模式
(一)第三方支付模式
第三方支付模式，即某些具有一定實力和信譽保障的第三方獨立機構，與各大銀行簽約後所提供的交易支持平台。
(二)P2P模式
又稱點對點信貸，即一方貸款，一方借款，通過互聯網作為中間平台的新型模式。這個模式對於微型小額的'信貸以及需要緊急周轉資金的創業者是一個很好的選擇。
(三)眾籌模式
眾籌就是大眾籌資，需要籌資的企業或個人通過互聯網這個眾籌平台運用自己獨特的號召力並發揮創意，獲得來自大眾的資金援助。
(四)互聯網金融門戶
互聯網金融門戶的核心就是「搜索比價」的模式，採用垂直比價的方法讓顧客在互聯網上「貨比三家」，選擇自己最滿意的商品。
(五)大數據金融
大數據金融就是從大量數據中提取有利用價值的信息，以雲計算為基礎來進行融資的模式。最具代表性的就是余額寶，用高於銀行的利率吸引消費者融資，不斷推動著金融業的發展與進步。
三、互聯網金融中的大數據應用及意義
(一)反映市場情況：電商和統計部門通過利用大數據對指數的編制來反映市場的基本情況，有效的分析交易數據，識別出市場交易模式，幫助決策者制定高效率的套利戰略。比如國家的統計局與網路、阿里巴巴等電商、電信、互聯網企業簽訂合作協議，共同開發利用大數據。
(二)金融產品定價：金融的核心內容之一就是金融產品定價問題(尤其是金融衍生產品定價)，這一直是大家關心的重要領域，其中涉及有計算和數學建模等。以信用違約互換定價為例，除了考慮違約的傳染性和相關性，還要考慮違約過程的建模和估計，通常需要復雜的數學模型並且驗證困難。最近一種基於大數據的解決方法即利用實際交易數據估計違約概率使其簡單方便。因此大數據能為互聯網金融市場提供運營平台，有效的整合互聯網金融資源，，促進資源優化配置。
(三)精確營銷：通過對一些場景類環境數據、朋友關系和用戶經歷的人文數據、位置和購物等的行為數據，建立模型進行分析，進一步細分客戶。之後，可以定向推出產品並投放廣告，實現精確營銷。這也符合STP戰略思想。大數據通過分析社交網路市場的信息， 特別關注搜索引擎中的搜索熱點，從而制定投資策略，使互聯網金融實現了一種新的營銷模式。
(四)監管風險：互聯網金融雖提高了金融效率，但也使風險呈現出許多新形式。因此需要對互聯網金融活動產生的大數據進行分析，及時准確發現風險暴露，採取相應的措施加以規避、防範，提高互聯網金融安全性，促進互聯網金融的創新。
(五)信用：利用大數據，可以在法律和道德所容許的范圍內對評估對象的靜態動態信用行為進行收集、整理、分析挖掘，使人的信用立體化，進而評估個人或群體的信用，建立用戶的增信模型和信用評分，打破了金融機構壟斷用戶信息的狀況。
四、互聯網金融大數據應用中存在的問題
互聯網金融業本就擁有大數據，已成為自然產生大數據的重要領域，因此在互聯網金融大數據應用中體現出了一些問題和挑戰。
1、大數據處理速度滿足不了各方的需求，體量大，雜訊水平、數據來源和其他因素引起的內容和頻率變化快，增加了大數據問題的復雜性。
2、大數據中含有大量的雜訊信息甚至是虛假信息，出現信息過載的問題。
3、部分企業不願公開、上傳數據，造成不公開數據部門佔便宜、公開數據部門吃虧的狀況，形成了數據的公開、共享等方面不盡人意的局面。
4、容易泄露用戶信息，造成濫用法律法規建設及滯後的現象。如商家對客戶交易信息的過度營銷，下載不安全的APP、用戶掃描二維碼支付都可能泄露個人的信息，買賣用戶信息的不法交易等。
5、並非互聯網金融的所有參與者都具備大數據分析的能力，數據分析挖掘能力不平衡。
五、結論
通過對互聯網金融大數據的運行模式以及應用初步探究，我們發現還有很多問題等待我們去解決，嚴峻的考驗只會讓我們的路走得更穩固，金融業近些年的巨大發展和變革讓我們更加堅定的去深思時代產物與新型科技的碰撞帶來的豐碩成果，不斷更新互聯網金融時代，帶領我們進入更美好的時代。
⑽ 如何用大數據分析創造商業價值
法則15--大數據價值不在大，而在於挖掘能力
維克托·邁爾-舍恩伯格在《大數據時代》一書中舉了百般例證，都是為了說明一個道理：在大數據時代已經到來的時候，要用大數據思維去發掘大數據的潛在價值。
什麼是大數據思維？維克托·邁爾-舍恩伯格認為：1）需要全部數據樣本而不是抽樣；2）關注效率而不是精確度；3）關注相關性而不是因果關系。
我們認為，大數據並不在"大"，而在於"有用"。大數據思維首先就是要能夠充分理解數據的價值，並且知道如何利用大數據為企業經營決策提供依據，即通過數據處理創造商業價值。
大數據思維核心是理解數據的價值，通過數據處理創造商業價值
《哈佛商業周刊》指出：數據科學家是21世紀最性感的職業。在獲取海量數據後，就要考慮如何去利用數據。數據科學家就是採用科學方法、運用數據挖掘工具尋找新的數據洞察的工程師。大數據時代正是凸顯了數據科學家的重要性以及將數據分析和業務結合的必要性。當具備硬體和基礎設施時以產生海量的數據時，需要有人將大量散亂的數據變成結構化的可供分析的數據，進行整合、清理來形成結果數據集。
人才雷達就是一個典型例子。基於每個人在網路上留下的包含著其生活軌跡、社交言行等個人信息的網路數據，依靠對這些數據的分析，從個人的網上行為中剝離出他的興趣圖譜、性格畫像、能力評估，基於數據挖掘的人才推薦平台人才雷達（Talent Radar）幫助企業更高效的實現人崗匹配，提供獵頭服務。為了評估一個技術人員的專業技能，人才雷達利會利用其在專業論壇（如Github、CSDN、知乎、丁香園等）上的發帖數、內容被引用數、引用人的影響力等數據，通過這些信息建模，完成其專業影響力的判斷。同時，微博的數據也被充分利用起來。其中折射出的社交關系也是判斷一個人職業能力的因素之一。所以，判別用戶在社交網路上其好友的專業影響力也是人才雷達推薦系統中的一個重點。同時，即使被推薦者的個人能力難以符合職業需求，但如果他有著能力不錯的好友關系，則也可以作為合適的"推薦人"將任務傳播到下一層級當中。不同用戶在社交網路上的行為習慣也是不同的，例如發微博的時間規律，在專業論壇上的時間長短，這些行為模式可以用來判別其工作時間規律，看其是否符合對應的職位需求。通過各種數據源的融合和分析，人才雷達不僅能夠在節省成本的前提下幫助企業提高人才招聘的效率。與傳統的獵頭業務相比，其採用群體智慧的方式能夠更廣泛和客觀的篩選人才，並且由於其被動測量的方式也能在一定程度上避免直接面試時部分求職者的虛假表現。它現在的客戶有淘寶、微軟、網路等知名企業。
亞馬遜於2013年12月獲得"預期遞送（anticipatory shipping）"新專利，使該公司甚至能在客戶點擊"購買"之前就開始遞送商品。該技術可以減少交貨時間和減少消費者光顧實體店的次數。在專利文件中，亞馬遜表示訂購和收貨之間的時間延遲"可能會削弱顧客從電商購買物品的熱情。"亞馬遜指出，它會根據早前的訂單和其他因素，預測某一特定區域的客戶可能購買但還未訂購的商品，並對這些產品進行包裝和寄送。根據該專利，這些預遞送的商品在客戶下單之前，存放在快遞公司的寄送中心或卡車上。在預測"預期遞送"的商品時，亞馬遜可能會考慮顧客過往的訂單、產品搜索、願望清單、購物車的內容、退貨、甚至顧客的滑鼠游標停留在某件商品的時長。這項專利表明，亞馬遜希望能充分利用它所擁有的海量客戶信息，藉此形成競爭優勢。
大數據最本質的應用就在於預測，即從海量數據中分析出一定的特徵，進而預測未來可能會發生什麼。當不同的數據流被整合到大型資料庫中後，預測的廣度和精度都會大規模的提高。