⑴ 求一篇关于股票的论文
证劵投资分析 随着我国经济的发展，人民生活水平的提高，家庭金融资产的不断增加，投资理财已成为日益重要的问题，投资理财是针对风险进行个人资财的有效投资，以使财富保值、增值，能够抵御社会生活中的经济风险，不管是储蓄投资、股票投资，外汇、保险投资，由于投资品种日益增多，所需的专业知识也不尽相同，投资方法也很难完全掌握，以下是本人对证劵投资分析的浅见。
一、 风险的定义与衡量
在投资者进行投资决策时，决策者（X）可能得到的利益（R）不仅取决于他自己选择行动（a），而且还取决于其他一些条件或他人采取的行动(b)。设决策者X可能选择的行动集合为A：{a1,a2,...…a n}，经济社会（Y）可能发生的状态或他人可能采取的行动为B: {b1,b2,...bi,…b n}。决策者的收益函数方表示为:R=f(a、b),a∈A，b∈B.这个函数表示，决策者X采取行动为a的利益和他的选择有关，也和经济社会发生的状态（或他人采取的行动）有关。Y采取的行动b相对于X的利益可以是“中性”的（不有意使X的处境更好，也不有意使X的处境更糟）；如果X和Y的利益是冲突的， Y就可能倾向于采取减少X利益的行动；如果X和Y的利益是一致的，则Y就有可能采取增决于Y 的行动。但是在一般情况下，对于X而言Y的行动具有不确定性,从而X是在不确定的条件进行决策的。
当存在不确定时，决策者的决策就具有风险。风险就是不加X利益的行动。从决策论的角度看，X采取怎样的行动，作出怎样的决策，还要取确定性，源于不完全信息或者非对称信息。风险的必要条件是决策面临着不确定的条件。当一项决策者在不确定条件下进行时,具有的风险的含义是：从事前的角度看，决定所购买的资产预期收益变动的可能性及其变动幅度；从事后的角度，指由于不确定性因素而造成的决策损失或相对损失 。在计量经济学中，风险通常用统计学上的标准差来衡量。
二、证券投资风险及其分类
投资者（包括机构投资者和个人投资者）投资于证券的主要目的在于获得高收益，而证券投资（尤其是股票交易）的收益受很多不确定性因素的影响，收益稳定性明显不如银行存款高，这就产生了证券投资的风险。这种风险是与收益相伴而生的，高收益高风险，低收益低风险。因此我们也可以把证券收益看成是对投资者承担风险的一种补偿。具体地说，证券投资风险是指证券的投资者不能获得预期报酬，遭受损失的可能性。投资者投资于证券都希望获得预期收益，而真正得到的是实际收益，它有可能低于预期收益，这时风险就发生了，使投资者遭受到了损失。
不同的投资选择会带来不同的投资风险，风险产生的原因和程度也不尽相同，总体上按风险产生的原因可以分为以下几类：
（1）市场风险。这是金融投资中最普遍、最常见的风险。无论投资于有价证券，还是其他实体项目，几乎所有投资者多必须承受这种风险。这种风险来自于市场买卖双方供求不平衡引起的价格波动，给投资者带来损失。
（2）利率风险。利率风险是由于市场利率的变化影响到证券的市场价格，从而给投资者带来损失的可能性。
（3）偶然事件风险。这种突发性风险是绝大多数投资者必须承担的，且其剧烈程度和时效性因事而异。如自然灾害、战争危险、政府的货币政策、汇率的变化、专利申请等意外情况的出现，都是投资者在进行投资时无法预料的。
（4）贬值风险。又称通货膨胀风险或购买力风险。通常用消费者价格指数测量通货膨胀率.
（5）企业经营风险。企业经营风险是指由于经营的好坏而产生盈利能力的变化，造成投资者的收入或本金的损失。
（6）企业财务风险。企业的财务风险是指企业采用不同的融资方式而带来的风险。
证券除了上述几种风险外，还有其它一些风险，如：道德风险，法律风险、政治风险等等。
三、 证券投资风险的计量方法分析
为了在证券投资中便于比较风险的大小，我们将风险划分为两类，即总风险和市场风险。总风险是系统风险和非系统风险之和；市场风险是针对资产组合而言，研究各项资产收益率与组合收益率之间的相关性。对单个证券来说，主要考虑其总风险，而对证券组合，主要考虑其市场风险。
1.总风险的计量
（1）由于收益率是投资的结果，对风险的分析也集中在这个随机变量上。常用收益率的方差来衡量风险的大小。
（2）一般而论，只有在期望收益相差不大时，标准差不大时，标准差才能够对各项的风险程度予以度量。如果各项目期望收益相关较大时，则需运用差异系数来评价各项目的风险。差异系数实际上就是单位期望收益所承担的风险.
（3）若将风险看作股票价格可能的波动，价差率就是一个衡量股票风险的较好指标。
价差率=2（最高价-最低价）/（最高价+最低价）
价差率越大，意味着风险也越大，需要指出，为了克服短期因素的影响，应考察在一段时期内平均价差率，以了解全面的情况。
（4）以收益率作为尺度衡量证券投资风险也是一种度量风险的方法。可将证券投资的收益视为无风险收益与风险补偿收益两部分.一种证券收益率越高，说明其风险补偿收益越大，同时其风险程度越高。具体的方法是将在许多方面都相同而只在某一方面有显著不同的证券进行比较，这样便可以衡量出某种证券风险程度的高低。
（5）下面介绍另一种度量方法---风险补偿法。假定作为投资收益的随机变量R仅有两种可能的取值，即R1与R2,取值的概率分布为P1和P2=1-P1,该证券的期望收益为：
ER=P1R1+P2R2
其期望效用为：
EU(R)=P1*U(R1)+(1-P1)*U(R2)
2.组合资产的收益与风险
作为投资对象的各类证券的组合称为组合资产。马柯维茨的证券组合理论解决了组合资产的风险度量问题。概要而言，马柯维茨理论说明在一定条件下，一个投资者的证券组合选择可以简化为两个因素的权衡，即证券组合的期望收益及其方差。
如果把市场上所有可能选择的证券构成一个按它们的市场比重为权重的组合资产，就称之为市场组合资产.当投资者仅持有由风险资产组成的市场组合时，每一证券收益率与市场组合收益率的关系就表现为每一证券收益率中与市场组合收益率无关的部分会由于持有市场组合而完全消失，也即每一证券的风险是根据与市场组合的协方差的大小来决定的。体现了单个证券收益与整个“市场组合”收益二者的关系，β I 描述了单个证券对于市场组合收益变化的敏感性。称为β I 证券I 的系统风险。由于β m =1,所以证券的系统风险可以划分为两类，对于β>1的证券，其风险大于平均系统风险；反之，其风险小于平均系统风险。所以β可以衡量证券的相对风险。
3.递增风险的三种等价定义
为了对两个证券或投资的风险进行比较，以下给出了递增风险的三个等价定义：
定义1 设有相同期望值的两项投资W1和W2,如果
E{U(W1)}≥E{U(W2)}
对每一个凹函数都成立，则称W1比W2的风险小。
定义2 若设W1和W2为二项投资，存在一个随机变量ξ， 使得W2= W1+ξ, ξ 为噪声且 E{ξ| W1}=0,则W1比W2的风险小。
定义3 设W1和W2的分布函数F和G被限制在区间[a ,b]内，且
T(Y)=∫ay[G(x)-F(x)]d x
如果T(y)≥0,且T(b)=0,则称W1比W2的风险小。
递增风险的界定对研究最优投资的性质是很有用的。
4.一种新的风险度量方法
设证券收益率为R,它的期望收益率为μ，R=μ +ξ。
其中，E{ξ}=0, μ=E{R}。定义随机变量，
ξ+=ξ（当ξ≥0），ξ+=0 （当ξ<0）;
ξ-=0 (当ξ≥0），ξ-=ξ（当ξ<0）。
- E{ξ-}为证券的风险测度，称之为平均损失。
对于两个证券R1 、R2，相应地应有
R1= E{ R1}+ξ1
R2= E{ R2}+ξ2
如果- E{ξ1-}>- E{ξ2-},则我们说证券1的风险比证券2大。
进行证劵投资就是为了妥善的管理我们的财产，把证劵投资风险降到最低是我们每一位投资者所必须考虑的问题！ 仅供参考。。。
⑵ 大数据能不能预测股市
大数据对于很多的地方都是非常有用的，但是，是否也有大数据不能做到的？我觉得很多时候，大数据只能说作为一个参考的方向，并不能准确的作出判断，或者给出答案。首先大数据是一个有科学根据的一个参考物，因为有大量的数据，有大量的参考物，所以，这件事情结果跟大数据一致的概率变得会跟大数据所统计的相差不远，这就是我们的大数据拥有的功能。
我们的股市，说实话我以前的工作是金融方面的也接触过股市，对于股市的话，首先影响我们股市的一些因素有哪些？从宏观来说，像国家的一些政策调控，包括我们公司的一些政策变化，股东的一些变动，或者说我们现在在整个股市来说什么样的一个趋势。
我们如果从技术层面，就是可以通过我们的一些k线图，或者我们的一些kdj指标，很多的一些分析股票的一些指标来判断，当然这些指标的话并不是百分之百，都是金钱。而是说这些指标，其实也就是通过一些大量的，我们以前的历史数据，其实都是已经是历史性的，所以总结出来的这样一个图案，便于我们能进行分析。
这样一个指标的话，其实跟我们的大数据就非常的类似，我们说大数据到底能不能预测故事？这个真的不能具体的回答，因为预测这个事情也就是说对于未来的股市的一个判断，这其实是很难的，我们很多的时候看到的都只是表面上的，大数据来说，他可以给出一个方向，或者能够得出的结论跟未来行情的变化正确的概率是非常高的，但是我们不能百分之百肯定，他得出的结论是正确的，所以大数据他可以预测股市一个大致方向，但不不能保证他预测的是正确的，可以作为一个参考。
⑶ 我要写一篇关于股票的论文（我们这学期在网上模拟炒股了）。希望各位给点意见啊，我都不知道从哪里入手好
本文应以股票股利为例，对会计政策进行了分析。首先，探讨了股票股利会计结转存在的各种备选方式及其理论依据；然后介绍和评价了美国会计程序委员会制定的关于股票股利的会计准则；接着评述了股票股利会计政策显示信号的理论假设及其实证检验；最后，结合我国会计制度对股票股利的相关规定，讨论了我国公司会计的现实选择。
制定会计政策是建立现代企业制度的一项基本内容，也是将会计理论应用于实务的最为重要一环。在我略高于实行由计划经济向市场经济转轨过程中，随着企业经营自主权的确立与强化，这一问题显得尤为紧迫，已受到会计理论界和实务界高度重视。从理论界现有研究状况看，多限于会计政策概念、性质、特点、目标等一般性理论问题的研究，还缺乏从实务处理的角度对会计政策进行具体分析[1]。有鉴于此，本文选择公司分配股票股利这一会计事项，对会计政策的成因、制定及其经济后果作一简要分析，旨在引起理论界对这一问题的兴趣和重视，同时民为实务界有关股票股利帐务处理提供一些参考性意见。
我国《企业会计准则——会计政策、会计估计变更和会计差错更正》将会计政策定义为，企业在会计核算时所遵循的具体原则以及企业所采纳的具体会计处理方法。根据其制定的主体不同，会计政策分为宏观会计政策和企业会计政策。前者主要是政府或权威机构通过会计准则的制定和实施来体现的。而事者则是在宏观会计政策的指导和约束下，企业根据其自身的实际情况所选择的会计原则、方法和程序，常也称之为微观会计政策。产生会计政策的主要原因在于会计自身的模糊性，以及人们所持的不同的会计观点[2]。
由于所有者权益本身是由资产与负债倒轧而得，是各项会计政策的最终体现，这无疑对其自身变动的会计处理增添了复杂性，其会计政策也便具有相应的特殊性。而股票股利支付是通过留存收益资本化而造成权益内部变动的一件典型会计事项，长期以来，人们对股票股利的会计处理一直存在争议。从某种意义上讲，股票股利本身源于人们对股东权益的认识。这使股票股利会计政策的研究尤其是典型意义。
一、股票股利会计政策的成因分析
我国《公司法》规定，公司分配股利可以采用现金股利和股票股利两种方式。其中，股票股利又称为分红股或送股，是公司无偿向普通股股东增发普通股股票。它所涉及到的会计问题主要有两个：其一，股东收取股票股利时应否将其砍认为投资收益；其二，送股公司应如何确认和计量分配股票股利所引起的权益变化。在现有的会计理论下，股东不应将收取的股票股利确认为投资收益。这也是目前会计界普遍持有的观点。本文重点讨论的第二个问题，即送股公司的会计处理，它涉及到结转科目与结转金额的确定。
（一）结转科目的确认
公司发放股票股利可以视为帐户结转和股票分割两笔业务的复合。因为股票股利并不代表股东对公司的投资增加，如果会计上不对股东权益另行分类，或者完全按来源划分权益，则不存在帐户之间的结转问题。但在现行的会计实务中，为了提供决策相关的信息，会计人员对股东权益的划分并未完全遵循来源标准，而是考虑了多重目标。典型的分类方式是将股东权益划分为资本金帐户和留存收益帐户。前者可以进一步划分为永久性资本（股份公司为股本）和资本盈余帐户（在我国为资本公积）。这样结转分录就可以分别由资本盈余和留存收益向永久性资本帐户结转。
在实行法定资本制的国家，资本金帐户不得用于股利分配，用于利润分配的资金一般只能来自留存收益。但在英美等实行授权资本制的国家，对股利来源一般不作严格限制，例如根据美国示范公司法（MBCA）的规定，如果公司保持偿债能力并能在债务到期时偿付则允许分配，在这种规定下，甚至股本（capital stock）都可直接用于分配，更不用说资盈余（capital surplus）了；而在英国，用于描述股票股利的“分红（bonus issue）”，其实施是按增发股份的面值从资本盈余中结转的。
（二）结转金额的计量
分配股票股利的会计本质是在不改变公司资产总额的情况下，通过结转留存收益（授权资本制下还包括资本盈余）而增中其法定资本数额。结转之后，同等数额资产的用途被施加限制，董事会不能象以前一样将这些资产分配给股东，所限制的数额为增发股份所必要的额外法定资本，这一数额即为需要资本化的留存收益。而每股所代表的法定资本数额一般是用面值表示的（无面值股份为董事会所设定的价值），相应地，只有面值结转才是符合股票股利会计本质的，任何其它结转计价方式都是武断的，有违于这一事项的内在逻辑性。
但在实务中，却存在多种计量方法，如市场价值、增发前每股帐面资产价值或同类股票的发行价值，其中尤以市价结转法最受关注。支持市价结转主要持下述两种观点[3]；
1、再投资假设：股票股利可以看成由两笔交易组成，公司先向股东支付现金股利，股东收到现金股利后再按市场价值向公司购买新增股份。从帐务处理上看，公司在发放现金股利时可以按股票的市场价值减少留存收益；而随后的股票销售将按同等金额增加实收资本。
2、机会成本假设：公司股票股利的成本被认为是将股票送给股东而不是在市场中出售的机会成本。即因为公司本来可以按市价出售这些股份，这是股利金额的最好证据，这一数额应被资本化。
这些观点的似是而非性实质上反映了人们对股东权益认识的模糊，如以剩余权益理论来看市价结转，股票市场价值代表了企业的权益总额，其本身已包括了资本金和留存收益。因此，将代表两者之和的数额从后者结转到前者是不合逻辑的。
二、美国股票股利会计准则评介
在美国，会计程序委员会（CAP）（1938年—1958年）于1941年首次发布关于股票股利的第11号会计研究公报（ARB11）。该项公报对股票股利的来源及帐务处理作了要求：首先，股票股利只能限于当期收益；其次，当市场价值显著高于面值或法律规定时，增发垢股份应按市场价值予以资本化。1952年，ARB11为现行权威公告所取代，即修订后的第11号会计研究公报。这份公报对评估股票股利的标准作了界定和区分，同修订前相比，基本上未作改动。1953年，CAP又对此前发布的42份研究公报进行调整，汇编而成第43号会计研究公报和第1号会计术语公报。其中，关于股票股利和股票分割的会计规定被收录于43号公报第七章第二部分（ARB43，Ch.7B），并一直沿用至今。
（一）准则简介
在这份准则中，最受争议的一点是关于小额送股市价结转的规定。根据委员会的规定，当送股比例低于20%或25%时，必须按增发股份的市价结转（后来美国证券交易委员会选取25%作为划分小额送股上限）。CAP对此所作的解释是，在发放小额股票股利时，投资者会将其视为公司收益的分配，其数额相当于收取额外股份的公允价值。基于这种认识，市场一般不会对小额送股作出明显反应。因此，如无公司所在州公司法的特别规定，公司在发放小额股票股利时应按市价结转。但在控股公司（closely-held companies）中，因股东对公司事务十分了解，不会把股票股利看成是公司收益的分配，应当按法定要求的面值或设定价值予以资本化[4]。
对于高于设定比率的大额送股，CAP提供了两种备选处理方法，一是根据所在州公司法的规定，按面值或设定价值结转，并建议公司将送股描述为“以股利形式实施的分割”（splitup effected in the form of a dividend）。而在州公司法对此未作规定时，就没有必要对留存收益进行资本化了，可按股票分割不作帐务处理。对此，纽约证券交易所（NYSE）还推荐了另一种处理办法，即按面值从资本盈余结转到股本帐户。
（二）评价
对于CAP的这份公报，公众褒贬不一。尤其是关于小额送股市价结转的说法。在准则制定之初，委员会部分成员就曾指出，CAP在制订股票股利收取者（recipient）的会计政策时，已认为不应将其确认为收益；而在制订股票股利发放者（issuer）的会计政策时，又基于与前者完全相反的假定，因而两者之间缺乏内在一致性。并且，CAP将会计政策建立在可能引起的市场瓜这一假设之上，也是不符合逻辑的。此外，对市场瓜的假设也并未得到实证研究的支持。根据有效市场理论，如果市场是有效的，那么无论是何种比例的送股，对股票的稀释都应当立即在股票价格中得到反映。福斯特等人（Foster etal.1978）分析了送股时股价行为，发现无认纲举目张额送股还是大额送股，股东在股东的除权日附近的异常报酬并不显著异于零。[5]亦即，市场对各种比例的送股均会作出适度调整，只不过受市场非完善因素阻碍，这种调整不是很充分而已。尽管如此，CAP突破了传统会计理论框架的约束，结合股票股利的市场反应来制定会计准则。对此，哲夫（Zeff 1978）评论道，CAP关于股票股利的会计公报是会计界在制订会计政策时将其经济后果纳入考虑的最早事件之一[6]。这对于其他会计政策的制定无疑具有启发作用。
从历史上看，会计程序委员会是为美国注册会计师最初制定公认会计原则（GAAP）而设立的机构，尚处于准则制定的探索阶段。委员会发表的会计研究公报，也主要是对现行会计惯例加以选择和认可，而缺乏对会计原则的系统研究。股票股利会计准则的制定充分体现了ARB就事认强烈，缺乏前后一贯理论依据的不成熟特点。但有一点是共同的，即公报没有严格遵循会计上的逻辑。
三、有关股票股利会计政策的实证研究
与现金股利不同，股票股利并不影响企业的现金流，而只是企业内部的会计结转和股票分割的复合。因此，如果市场是有效的，则会在股票股利宣告日对其会计政策的信息内涵作出适度反应。这方面的研究举不胜举。例如，格林布勒特等人（Grinblatt,Masulis and Titman 1984）（简称GMT）在调查股票股利宣告日价格反应时，发现有显著的异常报酬（abnormal return）。表明股票股利的宣告确实向市场传递了某种信息。对于股票股利和股票分割，前者的两天报酬为3.03%，而后者则为4.9%，显然股票股利的宣告效应较大；对于不同送股比例的股票股利，大额股票股利的异常报酬为4.90%，小额股票股利为5.89%，宣告报酬随送股规模呈反向关系。GMT用留存收益假设（retained earnings hypothesis）对这一现象作了解释[8]。
（一）留存收益假设
根据信息不对称理论，在非完善市场中，企业管理者要比外部投资者更了解企业当前的盈利水平和未来的增长潜力，即具备更多关于企业价值的真实信息。因此，在必要时，尤其是在企业价值被市场低估时，管理者便会采用相应的手段予以揭示。其中，股利政策是一种常用的信号显示（signaling）机制。同现金股利相比，股票股利既能传播信息，又不会影响企业的现金流，因而倍受管理者的欢迎。但是，这并不意味着，股票股利的发放是不花任何代价的。作为一种信号显示机制，为了防止被造假者利用，它必须具备相应的信号成本，足以使潜在的造假者望而却步，股票股利同样如此。从会计角度来看，可用留存收益假设来解释公司发放股票股利的信号成本。
该假设认为，企业发放股票股利时，一般会从留存收益中结转出一部分金额到永久性资本帐户（即股本和资本盈余），而留存收益通常又是企业发放现金股利的最高限额。因此，由股票股利所引起的留存收益减少，实际上就削弱了公司在未来支付现金股利的能力。除非公司具有良好的经营前景，可用未来的收益填补减少的这一部分，否则，会因留存收益不足以支付现金股利而陷入极为不利的困境。这对于造假者而言，代价是昂贵的。因此，在正常情况下，投资者会将股票股利的发放视为一个有利信号，它显示了管理者对公司未来业绩的信心。
严格地讲，留存收益假设是不够准确的，它必须具备这样两个条件：首先，对股票股利会计处理的结果必须要减少留存收益；其次，现金股利只能从留存收益中支付。前者是一个会计方法的选择问题，后乾则涉及到相关法律的具体规定。为此，彼得逊等人（Peterson et al.1996）[9]提出可分配权益（distributalbe equity）概念，它是公司怕在州对公司支付现金股利的法定最高限额。只有引起可分配权益减少的股票股利，其信号成本才是昂贵的。
（二）送股会计政策传递信号的实证检验
根据会计程序委员会及纽约证券交易所的规定，股票股利的会计结转一般有以下几种处理方式：
当送股比例低于25%时，
·必须按增发股票的市价从留存收益结转到普通股股本和资本盈余帐户
当送股比例大于或等于25%,可以在下述三种方法中选择
·按面值从留存收益转入普通股股本帐户
·按面值从资本盈余结转到普通股股本帐户
·视同股票分割不作帐户结转,只须按送股比例减少每股面值
可分配权益是由各州公司法规定的,有以下三种类型:第一类要求现金股利只能从留存收益中支付；第二类则为留存收益和资本盈余之和；第三类最为宽松，只要不至于引起资不抵债，所有权益均可用于发放现金股利。
股票股利会计处理的多样性及分配权益的不同规定，使得其信号成本也不尽相同，可表述如下：
表1不同送股比例及其会计处理对可分配权益的影响（参见会计研究2000.3第51页）
根据留存收益假设，可分配权益减少得越多，则股票股利的信号成本就越高，从而越能反映公司管理者对未来业绩的信心。因此，管理者可以通过送股比例及会计方法的选择，向市场显示其关于企业价值的私有信息。彼得逊等人的实证结果表明，对于可分配权益减少了的企业，投资者在股票股利宣告日附近所获得异常报酬显著高于其它企业，证实了留存收益假设的有效性。
此外，根据规定，25%的送股比例为大额送股与小额送股的分界线。在此以上按面值结转，在此以下则按市值结转。又因股票市价一般远远高于其面值或设定价值。这样，在送股比例低于且接近于25%时，公司所结转的留存收益数额可能会远远超过其送股比例高于25%的情况。从而出现小额送股却要比大额送股减少更多留存收益的反常现象。例如，在1987年6月，贝尔产业（Bell Instries）宣告了20%的股票股利，赠送新股1，081，402份，每股面值0.25美元。贝尔为此结转了2052.7万美元。而如果贝尔宣告25%的股票股利，则只需按面值减少33.8万美元的留存收益。由于两种比例十分接近，因而可以忽略诸如股票流通性等其他因素对股价的影响。在这种情况下，公司在20%和25%两种送股比例之间的选择，实质上是一个会计方法的选择问题。根据留存收益假设，20%的股票股利可能被市场理解为管理者传递关于企业价值更有利的信号。对此，兰金等人（Rankine et al.1997）通过经验测试，对两种送股比例的企业作了比较。结果表明，对于送股比例为20%的企业，股东在宣告期获得了更大的异常报酬，公司也在宣告以后的期间内出现了增长更快的现金股利[10]。
上述结果证实，管理者有通过会计政策的选择来传其私有信息的动机。换言之，会计政策具有传递信号的功能，从而有利于减缓企业管理者与投资者之间的信息不对称。
四、我国股票股利会计政策评析
迄今为止，我国股票股利的会计准则，只是在相关的法规中作了一些零星的规定。
（一）制度分析
我国属于法定资本制的国家。根据《公司法》的规定，股东权益由四个科目构成，即股本、资本公积、盈余公积和未分配利润。其中，由资本公积向股本的结转属于资本性帐户的内部结转，不具有利润分配的性质，由此项会计处理而进行的无偿增股自然不作股票股利。中国证监会于1996年7月24日公布的《关于上市公司若干问题的通知》要求：“上市公司的送股方案必须将以利润派送红股和以公积金转为股本予以明确区分，并在股东大会上分别作出决议，分项披露，不得将才者均表示为送红股。”
《公司法》要求，股份有限公司在弥补亏损和提取公积金、法定公益金后剩余利润，按照股东持有的股份比例分配。我国并未对股票股利的资本化金额作出正式规定。根据《企业会计准则第×号——所有者权益（征求意见稿）》第21条第1款，公司在公配股票股利时，“应按该种股票该次发行价格确定其价值。如果该次作为股利发放的该种股票没有发行价格，则应根据公司连续盈利情况和财产增值情况确定股票股利的价值，按确定的股票股利的价值减少留存收益。”此外，根据《股份有限公司会计制度》对结转分录的规定，公司按股东大会批准的应分配股票股利的金额，办理增资手续后，借记“利润分配——转作股本的普通股股利”，贷记“股本”。如实际发放的股票股利金额与票面金额不一致，应当按其差额，贷记“资本公积——股本溢价”科目。虽然《制度》并未对股票股利的资本化金额作出明确规定，但从其帐户处理所涉及的科目看，无疑是允许企业使用面值法或其他高于面值的金额结转。
（二）实务处理
尽管会计制度允许企业采用多种送股计价方式。但是，从我国目前的情况来看，由于股票市场发育尚不成熟，股价波动较大，使得股票有公允价值难以确定。公司发放股票股利一般是按照股票面值折股的。因为股票面值一般为1元，便于确定所要结转的金额（应等于增发股票有数量）。这使股票股利的数额与折股的股票面值总额保持一致，因而不涉及折股中的溢价问题。从纳税角度看，这一处理有利于公司减轻股东税赋，因为如按照市价结转，其结转金额无疑会远远超过面值数额，由此应由股东承担的税赋也是相当重的。
此外，实务还对股票股利处理时间与报告揭示作了灵活处理。对于现金股利，在董事会确定利润分配方案后，必须进行帐务处理；当它与股东大会批准的现金股利之间发生差异时，必须调整会计报表相关项目的年初数或上年数。对于股票股利，董事会提出分配方案时不需要进行帐务处理，只需要在当期会计报表附注中披露；在股东大会批准利润分配方案并实际发生时，直接进行帐务处理，因而不存在有关项目调整的问题。股票股利之所以采用上述处理方法，首先考虑到股票股利与现金股利的差别，如果采用与现金股利丁同的处理方法，在董事会提出利润分配方案时须作为负债处理，执必夸大公司的负债权益比例，从而可能导致一些股东对企业财务状况产生误解。其次，按照现行规定，企业在增加资本时必须报经工商行政管理部门批准变更注册资本。一般情况下，应当是在股东大会正式批准股票股利分配方案后，才正式申请变更注册资本的注册登记。因此，在送股发生时再进行帐务处理可以避免不必要的会计调整。
从上述分析可以看出，我国实务界对股票股利会计政策的选择既保证了会计信息质量，又有利于简化会计工作程序和手续，并且在相当大的程度上维护了股东和企业自身的合法权益，因而是合理可行的。与美国相比，我国实务界对送股所采用的会计政策缺乏可选性，从而限制了会计政策传递信号的功能。但在目前，由于我国尚不具备象美国一样发达的资本市场，通过会计政策来传递信号还缺乏相应的市场条件，因而会计政策还仅仅限于指导会计信息加工的作用。
五、小结
本文以股票股利为例，对会计政策的成因、制定动机、经济效果、选择依据作了逐一分析。现作如下归纳：
·会计政策的可选性产生于会计人员对会计对象的认识上的分歧；
·宏观会计政策制定者有动机通过准则的制定以扩大影响；
·在有效资本市场中，会计政策的选择具有传达管理者私有信息的功能；
·会计政策的选择要遵循成本效益原则，并有利于企业总体目标的实现；
·公司法是制定会计政策的法律依据，会计政策从会计角度确保公司法的实施。
参考文献：
1、曲晓辉，关于会计政策的几个问题（上、下），上海会计，1999；11:3—8，12:10—13。
2、黄菊波，杨小舟，试论会计政策，会计研究，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.
来源：《会计研究》2000年第3期
⑷ 科大讯飞大数据分析股票
随着科学技术的不断革新，人工智能产品不断走向我们的日常生活，改变我们的生活方式。与此同时，这个新兴领域也备受资本市场的关注，今天学姐就跟大家好好说一说国内人工智能的头部企业--科大讯飞。在开始分析科大讯飞前，先给大家奉上这份人工智能行业龙头股名单，还不赶紧浏览一下：宝藏资料：人工智能行业龙头股名单
一、从公司角度来看
公司介绍：科大讯飞是一家专业从事语音及语言、自然语言理解、机器学习推理及自主学习等人工智能核心技术研究，人工智能产品研发和行业应用落地的国家级骨干软件企业。科大讯飞作为中国人工智能产业的开拓者，躬耕人工智能领域二十年,在社会价值上，公司始终有着自己的坚持，就是为经济社会发展提供阳光健康、高技术屏障、高附加值。我们一起来看看这家公司有哪些优点吧：
优势一、国内人工智能的领导者，技术水平国际领先
科大讯飞以“让机器能听会说，能理解会思考，利用人工智能建设美好世界"作为使命，承建有国家新一代人工智能开放创新平台、语音及语言信息处理国家工程实验室以及认知智能领域的首个国家级重点实验室等国家级重要平台。
优势二、业绩持续高增长，产业生态持续扩大
智慧教育和智慧医疗的发展水平突飞猛进，开放平台、智能硬件、汽车业务表现得都十分优秀，其中包括讯飞AI学习机销量持续增长、智医助理业务实现了基层常态化使用、发者数量和质量同步提升以及智能办公本、录音笔等硬件销售大幅增加。同时，公司为开发者团队提供从初生、壮大到商业价值升级的全链路服务，并且还构造建设了讯飞AI营销平台、讯飞智能工业平台等能力平台，推动着AI行业生态持续不断的扩大。因为篇幅已经够了，关于科大讯飞的深度报告和风险提示的详情，一些我整理出来的内容写在了这篇研报当中，点击的话就可以查看阅读：【深度研报】科大讯飞点评，建议收藏！
二、从行业角度来看
预计到2025年，AI带来的产业产值将超过6万亿美金的规模，从目前的全球AI市场来看，其规模已超1万亿美元，中国的市场超1千亿元。人工智能产业形成了企业+行业+人力的全方位变革。企业数字化的局势发展日益凸显，智慧化应用能够将消费者潜在需求给满足。无人驾驶、语音识别、专家系统、智适应学习和机器视觉是在近几年中特别受关注的几个应用方向。对于人工智能发展来说，各国政府都非常支持，并将其上升至国家战略层面，放出积极信息。总的来说，我认为科大讯飞公司作为人工智能行业中的龙头企业，有望于此行业高速发展之时获得较大利润。但是文章内容存在延迟，如果想更准确地知道科大讯飞未来行情，直接点击链接，有专业的投资顾问帮你诊断股票，看下科大讯飞现在行情是否是对应一个好时机，可以买入或卖出：【免费】测一测科大讯飞还有机会吗？
应答时间：2021-09-09，最新业务变化以文中链接内展示的数据为准，请点击查看
⑸ 可以利用大数据炒股吗
大数据可以用于股票交易，所谓大数据，就是一个新的分析概念，利用新的系统、新的工具、新的模型来挖掘大量动态的、可持续的数据，从而获得具有洞察力和新价值的东西。大数据已经在一些金融工具中有所体现，大数据会将股票之前的数据全都发布出来，股民可以根据这只股票之前的数据来进行对比。
其实大数据只能说是个趋势，我们可以通过打数据让投资者能够有一个参考性，但不能够过度依赖大数据，毕竟着只是数据，这些数据是死的，而股市却是千变万化的，我们不能过度的依赖大数据得出的分析与结论，大数据也只是作为一个参考数据。世事无绝对，更何况是股票，可能上一秒还是盈利的状态，但是下一秒就已经处于亏损了，不少人也因为炒股倾家荡产，所以这边还是要提醒大家一下，谨慎行事，不要盲目跟风。
⑹ 求一篇股票分析的论文，2500-3000字，任选一只股票，从基本面和技术面分析
股票投资分析----002310东方园林
东方园林是国内园林景观行业的龙头企业，业务涵盖苗木种植、园林景观设计、工程施工和后期养护等产业链一体化服务，公司是行业内同时具有城市园林景观一级企业资质和甲级工程设计资质的10家企业之一，具有承接千万级及以上景观工程项目的能力。
相关人士认为东方园林代表了在细分行业内高成长的公司，公司实现了景观设计和施工的一体化，业务覆盖范围更广，是未来景观工程在中国发展能行之有效的商业模式，而目前在这个成长中庞大市场——景观工程仍于起步阶段，国内广大的二、三线城市才是行业走向繁荣发展的真正市场，率先上市融资无疑使得东方园林具有较大的先发优势。
园林景观行业是一个具有生态效益和社会效益、物质文明和精神文明双重效益的行业，其与国民经济的发展程度息息相关。随着我国经济的快速发展和经济结构的优化，综合国力不断提高，人民生活水平不断改善，国家对环境生态的日趋重视，园林景观行业呈现出快速增长的发展态势，发展速度远超过国民经济总体增长速度。
东方园林以设计品牌转动一体化产业链，公司两个设计品牌经历了时间的磨练与沉淀，与EDSA的合资品牌和自己的全资品牌东方利禾涵盖了景观工程设计的中高端市场，旗下有高尔夫、地产、公园景观、湿地景观四个设计分院，其中高尔夫和湿地设计是国内唯一的设计院。公司未来对于设计品牌的投入和建设还将不断加大。
募集资金助推公司业务的扩张，巩固一体化的业务格局。公司此次发行募集资金，拟投资设立3家分公司和8，495亩的绿化苗木基地，通过扩大园林景观工程施工业务规模以及苗木培育规模的方式来加速公司业务的扩张和解决苗木资源瓶颈。
有消息称预计公司未来三年营业收入分别增长46.43%，72.50%和44.26%，经测算，公司2009-2011年各年将分别实现净利润0.87亿元、1.50亿元和2.16亿元。2009-2011年每股收益(摊薄后)为1.73元、2.98元和4.31元。
综合PE及PEG两种估值方法，我们给予公司的二级市场的股价范围为96.50～102.50元／股，公司所处行业空间巨大，公司有望将成为行业的领导者和整合者，此次IPO将是公司成长的新起点，公司具有较好的中长期投资价值。
公司介绍
一、公司概述
公司是行业内同时具有城市园林景观一级企业资质和甲级工程设计资质的10家企业之一，业务范围覆盖园林景观产业链的各个环节，经营区域遍布华北、华东、西南和华南等地区，是一家综合性、跨区域发展的园林景观企业，也是国内市场第一家以园林景观工程为主营业务的上市公司。
与普通的建筑施工企业不同，园林景观工程的成败取决于艺术家对“美”的塑造，随着社会大众对环境鉴赏能力的提高，景观工程项目对艺术效果的要求越来越高，尤其在政府大型园林景观项目，往往被视为城市名片，对项目的艺术成就越来越重视，这也决定了大型的、复杂的景观工程项目往往由专业的景观工程公司承建，这也决定了项目较高的收益率。
东方园林是白手起家型企业，公司由何巧云、唐凯(二人是夫妻关系)创办，公司从最早的园林花卉种植业务起步，逐步发展出园林景观工程一体化的业务模式，公司股权结构明晰，主业清楚。
此次IPO公司发行股份1，450万股，发行价格58.60元／股，占发行完成后股本总额的28.95%。发行完成后，公司股本总额为5，008.13万股。
二、主营业务
东方园林业务涵盖苗木种植、园林景观设计、工程施工和后期养护等产业链一体化服务。其中园林工程施工占据主营业务的较大份额。景观工程不同于一般的建筑施工企业，工程的质量优劣除了施工品质之外很大程度上取决于设计师的设计水平和审美品位，因此这种细分行业特殊的文化艺术属性使其毛利率水平明显高于一般施工企业。
三、财务状况
2008年东方园林实现主营业务收入4.16亿元，其中归属于母公司所有者的净利润0.59亿元，近三年年均复合增长率分别达到34.83%和44.96%。在同类上市公司中，像东方园林这样能连续保持多年收入和利润都高速增长的公司并不多。这除了公司所处细分行业的快速发展外，和公司本身在细分行业中较强的竞争力、品牌优势以及较强的管理能力都分不开。
四、证券公司对公司的看法
他们认为东方园林代表了未来细分行业内的高成长公司，与之前上市的绿大地[28.80 -0.14%]主营苗木销售不同，公司实现了景观设计和施工的一体化，业务覆盖范围更广，是未来景观工程在中国发展能行之有效的商业模式，而目前国内景观工程——这个成长中庞大市场仍于起步阶段，国内二、三线城市才是行业走向繁荣发展的真正市场，率先上市融资无疑使得东方园林具有了较大的先发优势。
从行业上看，国内景观行业的发展仍处于初级阶段，尤其在大型景观工程的设计方面几乎被国外垄断，在一线城市如北京、上海的大型城市公园、绿地项目中，国内企业很难中标工程的主体设计。如今市场的发展已逐渐向内地辐射，众多的二、三线城市开始营造自身的生态家园，从而启动了一个更为庞大的市场，而此时通过与国外顶级设计院的交流、学习，国内优秀的设计企业设计能力已有了很大的提高，部分优秀的企业将在这个繁荣的市场中真正脱颖而出。
另一方面，目前国内的景观工程公司规模普遍较小，据中国风景园林学会的调查，中国总资产超过2亿元的园林公司仅5家，前82家园林公司的总资产平均仅为8800万元，相当数量的园林公司脱胎于苗木种植公司，缺乏景观设计、施工的能力，难以承接大型的景观，而部分具有较强设计能力的设计院又缺乏施工能力，而东方园林是行业内同时具有城市园林景观一级企业资质和甲级工程设计资质的10家企业之一，可以对项目进行一体化服务，这种业务模式无疑对内地二三线城市更具有吸引力。
在这样的背景下，东方园林已能够向景观规划的较高阶段发展，通过构建园林景观设计、苗木培育、工程施工的一体化模式，拥有承接千万元及以上级别大型园林景观工程项目能力，以一体化模式带动项目的整体盈利能力的提升。
从东方园林的目前业务构成看，虽然景观设计占公司主营业务比例并不大，但对于公司的业务开展和品牌塑造却起到了至关重要的作用。因此，东方园林也不断的通过各种方式提高园林景观设计能力。首先，1999年引入美国EDSA景观设计公司成为为合作伙伴，合资成立北京易地斯埃东方环境景观设计研究院(EDSA-ORIENT)，将其打造为高端景观设计品牌。作为全球规划设计行业的领袖企业，EDSA是美国历届总统指定的唯一景观顾问公司，也是美国旅游规划国家标准的起草人之一。通过与EDSA成立合资公司，东方园林在高档度假酒店、别墅及大型综合性园林项目大有斩获，获得北京2008奥运会奥林匹克公园、北京香山别墅等优质项目。更为重要的是，通过合资，东方园林得以近距离观察和学习国际领先公司的操作手法。2001年，东方园林独资成立定位于中小型景观设计的东方利禾景观设计公司，并获得甲级园林工程设计资质，承担北京首都国际机场扩建工程、上海佘山高尔夫球场等景观项目设计。
在我们的城市日益花团锦簇、绿树成荫的后面孕育的是一个大生意，随着人们生活水平的提高，对于“美“需求日益强烈，各级城市也越来越视城市景观为政府的“脸面”，托起了欣欣向荣的市场，相关数据显示，仅政府“十一五“规划对城市绿化的目标，政府财政投资就将超过2000亿元。
该股k线图分析
一． 早晨之星
该图是此股2010/12/01-----2010/12/07的k线图走势，可以清晰看出
1.在下降趋势中某一天出现一根长阴实体。
2.第二天出现一根向下跳空低开的星形线，且最高价低于头一天的最低价，与第一天的阴线之间产生一个缺口。
3.第三天出现一根长阳实体。早晨之星一般出现在下降趋势的末端，是较强烈的趋势反转信号。
符合早晨之星特性，因此在七日出现了大幅的反弹。
二.kdj的顶背离
此处是该股2010年八月份的走势图，可以看出，股价已经创出新高，但是kdj指数却没有创出新高，因此股票在创出这个高点之后便出现了连续性的大幅下跌，这就是kdj的顶背离。
三。MACD的黄金交叉
此处是该股2010年三月至四月之间的macd图，可以看出，在四月六日的时候，该股出现了macd的金叉，这个信号的出现，标志着股票的上升趋势已经明显，因此在四月中旬出现了大幅的连续性上涨。
以上是对该股之前走势的一下技术性分析。
综合上述最新指数以及k线图，kdj，macd，asi等诸多因素，以及对大盘走势的详细分析，我认为近日上涨几率大。近2日上涨势头减弱；该股近期的主力成本为116.73元，股价在成本区上方运行，可保持部分仓位；股价处于上涨趋势，支撑位96.00元，中线持股为主；本股票大方向依然乐观。
⑺ 以大数据为主题,写一篇1500字的文章
可参考下文9个关键字写写大数据行业2015年年终总结2015年，大数据市场的发展迅猛，放眼国际，总体市场规模持续增加，随着人工智能、物联网的发展，几乎所有人将目光瞄准了“数据”产生的价值。行业厂商Cloudera、DataStax以及DataGravity等大数据公司已经投入大量资金研发相关技术，Hadoop供应商Hortonworks与数据分析公司NewRelic甚至已经上市。而国内，国家也将大数据纳入国策。我们邀请数梦工场的专家妹子和你来聊聊2015年大数据行业九大关键词，管窥这一年行业内的发展。战略：国家政策今年中国政府对于大数据发展不断发文并推进，这标志着大数据已被国家政府纳入创新战略层面，成为国家战略计划的核心任务之一：2015年9月，国务院发布《促进大数据发展行动纲要》，大力促进中国数据技术的发展，数据将被作为战略性资源加以重视;2015年10月26日，在国家“十三五”规划中具体提到实施国家大数据战略。挑战：BI(商业智能)2015年对于商业智能(BI)分析市场来说，正由传统的商业智能分析快速进入到敏捷型商业智能时代。以QlikView、Tableau和SpotView为代表的敏捷商业智能产品正在挑战传统的IBMCognos、SAPBusinessObjects等以IT为中心的BI分析平台。敏捷商业智能产品也正在进一步细化功能以达到更敏捷、更方便、适用范围更广的目的。崛起：深度学习/机器学习人工智能如今已变得异常火热，作为机器学习中最接近AI(人工智能)的一个领域，深度学习在2015年不再高高在上，很多创新企业已经将其实用化：Facebook开源深度学习工具“Torch”、PayPal使用深度学习监测并对抗诈骗、亚马逊启动机器学习平台、苹果收购机器学习公司Perceptio……同时在国内，网络、阿里，科大讯飞也在迅速布局和发展深度学习领域的技术。共存：Spark/HadoopSpark近几年来越来越受人关注，2015年6月15日，IBM宣布投入超过3500名研究和开发人员在全球十余个实验室开展与Spark相关的项目。与Hadoop相比，Spark具有速度方面的优势，但是它本身没有一个分布式存储系统，因此越来越多的企业选择Hadoop做大数据平台，而Spark是运行于Hadoop顶层的内存处理方案。Hadoop最大的用户(包括eBay和雅虎)都在Hadoop集群中运行着Spark。Cloudera和Hortonworks将Spark列为他们Hadoop发行的一部分。Spark对于Hadoop来说不是挑战和取代相反，Hadoop是Spark成长发展的基础。火爆：DBaaS随着Oracle12cR2的推出，甲骨文以全新的多租户架构开启了DBaaS(数据库即服务Database-as-a-Service)新时代，新的数据库让企业可以在单一实体机器中部署多个数据库。在2015年，除了趋势火爆，12c多租户也在运营商、电信等行业投入生产应用。据分析机构Gartner预测，2012年至2016年公有数据库云的年复合增长率将高达86%，而到2019年数据库云市场规模将达到140亿美元。与传统数据库相比，DBaaS能提供低成本、高敏捷性和高可扩展性等云计算特有的优点。
⑻ 大数据在金融行业的应用与挑战
大数据在金融行业的应用与挑战
A 具有四大基本特征
金融业基本是全世界各个行业中最依赖于数据的，而且最容易实现数据的变现。全球最大的金融数据公司Bloomberg在1981年成立时“大数据”概念还没有出现。Bloomberg的最初产品是投资市场系统（IMS），主要向各类投资者提供实时数据、财务分析等。
随着信息时代降临，1983年估值仅1亿美元的Bloomberg以30%股份的代价换取美林3000万美元投资，先后推出Bloomberg Terminal、News、Radio、TV等各类产品。1996年Bloomberg身价已达20亿美元，并以2亿美元从美林回购了10%的股份。2004年Bloomberg在纽约曼哈顿中心建成246米摩天高楼。到2008年次贷危机，美林面临崩盘，其剩余20%的Bloomberg股份成为救命稻草。Bloomberg趁美林之危赎回所有股份，估值跃升至225亿美元。2016年Bloomberg全球布局192个办公室，拥有1.5万名员工，年收入约100亿美元，估值约1000亿美元，超过同年市值为650亿美元的华尔街标杆高盛。
大数据概念形成于2000年前后，最初被定义为海量数据的集合。2011年，美国麦肯锡公司在《大数据的下一个前沿：创新、竞争和生产力》报告中最早提出：大数据指大小超出典型数据库软件工具收集、存储、管理和分析能力的数据集。
具体来说，大数据具有四大基本特征：
一是数据体量大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量。
二是数据类别大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。现在的数据类型不仅是文本形式，更多的是图片、视频、音频、地理位置信息等多类型的数据。
三是处理速度快，在数据量非常庞大的情况下，也能够做到数据的实时处理。数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。
四是数据的真实性高，随着社交数据、企业内容、交易与应用数据等新数据源的兴起，传统数据源的局限被打破，信息的真实性和安全性显得极其重要。
而相比其他行业，金融数据逻辑关系紧密，安全性、稳定性和实时性要求更高，通常包含以下关键技术：数据分析，包括数据挖掘、机器学习、人工智能等，主要用于客户信用、聚类、特征、营销、产品关联分析等；数据管理，包括关系型和非关系型数据、融合集成、数据抽取、数据清洗和转换等；数据使用，包括分布式计算、内存计算、云计算、流处理、任务配置等；数据展示，包括可视化、历史流及空间信息流展示等，主要应用于对金融产品健康度、产品发展趋势、客户价值变化、反洗钱反欺诈等监控和预警。
B 重塑金融行业竞争新格局
“互联网+”之后，随着世界正快速兴起“大数据+”，金融行业悄然出现以下变化：
大数据特征从传统数据的“3个V”增加到“5个V”。在数量（Volume）、速度（Velocity）、种类（Variety）基础上，进一步完善了价值（Value）和真实性（Veracity），真实性包括数据的可信性、来源和信誉、有效性和可审计性等。
金融业按经营产品分类变为按运营模式分类。传统金融业按经营产品划分为银行、证券、期货、保险、基金五类，随着大数据产业兴起和混业经营的发展，现代金融业按运营模式划分为存贷款类、投资类、保险类三大类别。
大数据市场从垄断演变为充分市场竞争。全球大数据市场企业数量迅速增多，产品和服务的差异增大，技术门槛逐步降低，市场竞争日益激烈。行业解决方案、计算分析服务、存储服务、数据库服务和大数据应用成为市场份额排名最靠前的五大细分市场。
大数据形成新的经济增长点。Wikibon数据显示，2016年，全球大数据硬件、软件和服务整体市场增长22%达到281亿美元，预计到2027年，全球在大数据硬件、软件和服务上的整体开支的复合年增长率为12%，将达到大约970亿美元。
数据和IT技术替代“重复性”业务岗位。数据服务公司Eurekahedge通过追踪23家对冲基金，发现5位对冲基金经理薪金总额为10亿美元甚至更高。过去10年，靠数学模型分析金融市场的物理学家和数学家“宽客”一直是对冲基金的宠儿，其实大数据+人工智能更精于此道。高盛的纽约股票现金交易部门2000年有600名交易员而如今只剩两人，其任务全由机器包办，专家称10年后高盛员工肯定比今天还要少。
美国大数据发展走在全球前列。美国政府宣称：“数据是一项有价值的国家资本，应对公众开放，而不是将其禁锢在政府体制内。”作为大数据的策源地和创新引领者，美国大数据发展一直走在全球最前列。自20世纪以来，美国先后出台系列法规，对数据的收集、发布、使用和管理等做出具体的规定。2009年，美国政府推出Data.gov政府数据开放平台，方便应用领域的开发者利用平台开发应用程序，满足公共需求或创新创业。2010年，美国国会通过更新法案，进一步提高了数据采集精度和上报频度。2012年3月，奥巴马政府推出《大数据研究与开发计划》，大数据迎来新一轮高速发展。
英国是欧洲金融中心，大数据成为其领先科技之一。2013年，英国投资1.89亿英镑发展大数据。2015年，新增7300万英镑，创建了“英国数据银行”data.gov.uk网站。2016年，伦敦举办了超过22000场科技活动，同年，英国数字科技投资逾68亿英镑，而收入则超过1700亿英镑。另外，英国统计局利用政府资源开展“虚拟人口普查”，仅此一项每年节省5亿英镑经费。
C 打造高效金融监管体系
大数据用已发生的总体行为模式和关联逻辑预测未来，决策未来,作为现代数字科技的核心，其灵魂就是——预测。
侦测、打击逃税、洗钱与金融诈骗
全球每年因欺诈造成的经济损失约3.7万亿美元，企业因欺诈受损通常为年营收额的5%。全球最大软件公司之一美国SAS公司与税务、海关等政府部门和全球各国银行、保险、医疗保健等机构合作，有效应对日益复杂化的金融犯罪行为。如在发放许可之前，通过预先的数据分析检测客户是否有过行受贿、欺诈等前科，再确定是否发放借贷或海关通关。SAS开发的系统已被国际公认为统计分析的标准软件，在各领域广泛应用。英国政府利用大数据检测行为模式检索出200亿英镑的逃税与诈骗，追回了数十亿美元损失。被福布斯评为美国最佳银行的德克萨斯资本银行（TCBank），不断投资大数据技术，反金融犯罪系统与银行发展同步，近3年资产从90亿美元增至210亿美元。荷兰第三大人寿保险公司CZ依靠大数据对骗保和虚假索赔行为进行侦测，在支付赔偿金之前先期阻断，有效减少了欺诈发生后的司法补救。
大数据风控建立客户信用评分、监测对照体系
美国注册舞弊审核师协会（ACFE）统计发现，缺乏反欺诈控制的企业会遭受高额损失。美国主流个人信用评分工具FICO能自动将借款人的历史资料与数据库中全体借款人总体信用习惯相比较，预测借款人行为趋势，评估其与各类不良借款人之间的相似度。美国SAS公司则通过集中浏览和分析评估客户银行账户的基本信息、历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如搜索到该客户从新出现的国家为特有用户转账，或在新位置在线交易等），进行实时反欺诈分析。
美国一家互联网信用评估机构通过分析客户在Facebook、Twitter等社交平台留下的信息，对银行的信贷和投保申请客户进行风险评估，并将结果出售给银行、保险公司等，成为多家金融机构的合作伙伴。
D 数据整合困难
应用经济指标预测系统分析市场走势
IBM使用大数据信息技术成功开发了“经济指标预测系统”，该系统基于单体数据进行提炼整合，通过搜索、统计、分析新闻中出现的“新订单”等与股价指标有关的单词来预测走势，然后结合其他相关经济数据、历史数据分析其与股价的关系，从而得出行情预测结果。
追踪社交媒体上的海量信息评估行情变化
当今搜索引擎、社交网络和智能手机上的微博、微信、论坛、新闻评论、电商平台等每天生成几百亿甚至千亿条文本、音像、视频、数据等，涵盖厂商动态、个人情绪、行业资讯、产品体验、商品浏览和成交记录、价格走势等，蕴含巨大财富价值。
2011年5月，规模为4000万美元的英国对冲基金DC Markets，通过大数据分析Twitter的信息内容来感知市场情绪指导投资，首月盈利并以1.85%的收益率一举战胜其他对冲基金仅0.76%的平均收益率。
美国佩斯大学一位博士则利用大数据追踪星巴克、可口可乐和耐克公司在社交媒体的围观程度对比其股价，证明Facebook、Twitter和 Youtube上的粉丝数与股价密切相关。
提供广泛的投资选择和交易切换
日本个人投资理财产品Money Design在应用程序Theo中使用算法+人工智能，最低门槛924美元，用户只需回答风险承受水平、退休计划等9个问题，就可使用35种不同货币对65个国家的1.19万只股票进行交易和切换，年度管理费仅1%。Money Design还能根据用户投资目标自动平衡其账户金额，预计2020年将超过2万亿美元投资该类产品。
利用云端数据库为客户提供记账服务
日本财富管理工具商Money Forward提供云基础记账服务，可管理工资、收付款、寄送发票账单、针对性推送理财新项目等，其软件系统连接并整合了2580家各类金融机构的各类型帐户，运用大数据分析的智能仪表盘显示用户当前财富状况，还能分析用户以往的数据以预测未来的金融轨迹。目前其已拥有50万商家和350万个体用户，并与市值2.5万亿美元的山口金融集团联合开发新一款APP。
为客户定制差异化产品和营销方案
金融机构迫切需要掌握更多用户信息，继而构建用户360度立体画像，从而对细分客户进行精准营销、实时营销、智慧营销。
一些海外银行围绕客户“人生大事”，分析推算出大致生活节点，有效激发其对高价值金融产品的购买意愿。如一家澳大利亚银行通过大数据分析发现，家中即将诞生婴儿的客户对寿险产品的潜在需求最大，于是通过银行卡数据监控准妈妈开始购买保胎药品和婴儿相关产品等现象，识别出即将添丁的家庭，精准推出定制化金融产品套餐，受到了客户的积极响应，相比传统的短信群发模式大幅提高了成功率。
催生并支撑人工智能交易
“量化投资之王”西蒙斯被公认为是最能赚钱的基金经理人，自1988年创立文艺复兴科技公司的旗舰产品——大奖章基金以来，其凭借不断更新完善的大数据分析系统，20年中创造出35%的年均净回报率，比索罗斯同期高10%，比股神巴菲特同期高18%，成为有史以来最成功的对冲基金，并于1993年基金规模达2.7亿美元时停止接受新投资。在美国《Alpha》杂志每年公布的对冲基金经理排行榜上，西蒙斯2005年、2006年分别以15亿美元、17亿美元净收入稳居全球之冠，2007年以13亿美元位列第五，2008年再以25亿美元重返榜首。
推动金融产品和服务创新
E 面临三大挑战
目前，全球各行业数据量的增长速度惊人，在我国尤其集中在金融、交通、电信、制造业等重点行业，信息化的不断深入正在进一步催生更多新的海量数据。
据统计，2015年中国的数据总量达到1700EB以上，同比增长90%，预计到2020年这一数值将超过8000EB。以银行业为例，每创收100万元，银行业平均产生130GB的数据，数据强度高踞各行业之首。但在金融企业内部数据处于割裂状态，业务条线、职能部门、渠道部门、风险部门等各个分支机构往往是数据的真正拥有者，缺乏顺畅的共享机制，导致海量数据往往处于分散和“睡眠”状态，虽然金融行业拥有的数据量“富可敌国”，但真正利用时却“捉襟见肘”。
数据安全暗藏隐患
大数据本质是开放与共享，但如何界定、保护个人隐私权却成为法律难题。大数据存储、处理、传输、共享过程中也存在多种风险，不仅需要技术手段保护，还需相关法律法规规范和金融机构自律。多项实际案例表明，即使无害的数据大量囤积也会滋生各种隐患。安全保护对象不仅包括大数据自身，也包含通过大数据分析得出的知识和结论。在线市场平台英国Handshake.uk.com就尝试允许用户协商个人数据被品牌分享所得的报酬。
人才梯队建设任重道远
人才是大数据之本。与信息技术其他细分领域人才相比，大数据发展对人才的复合型能力要求更高，需要掌握计算机软件技术，并具备数学、统计学等方面知识以及应用领域的专业知识。
⑼ 互联网金融与大数据应用论文
在中国庞大的应用市场和人群下，深入观察变化且复杂的市场，探索以大数据为基础的解决方案成为了银行提高自身竞争力的一大重要手段。大数据技术是互联网金融的一大技术支撑，通过对人们在互联网上活动信息形成的数据的收集、挖掘、整理、分析和进一步应用，来创新思维、产品、技术、风险管理和营销。而数据是互联网金融的核心，未来计算机网络互联网金融业的竞争力将取决于数据的规模、有效性、真实性以及数据分析应用的能力。
一、我国互联网金融的概况
互联网金融作为二十一世纪高新产物，是传统的金融行业与互联网时代的有机结合，利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。这种新型金融模式具有颠覆式的影响，创新型巨大改革，不仅推动了我国利率市场化的进程，甚至影响整个经济与社会发展水平。
二、互联网金融的运作模式
(一)第三方支付模式
第三方支付模式，即某些具有一定实力和信誉保障的第三方独立机构，与各大银行签约后所提供的交易支持平台。
(二)P2P模式
又称点对点信贷，即一方贷款，一方借款，通过互联网作为中间平台的新型模式。这个模式对于微型小额的'信贷以及需要紧急周转资金的创业者是一个很好的选择。
(三)众筹模式
众筹就是大众筹资，需要筹资的企业或个人通过互联网这个众筹平台运用自己独特的号召力并发挥创意，获得来自大众的资金援助。
(四)互联网金融门户
互联网金融门户的核心就是“搜索比价”的模式，采用垂直比价的方法让顾客在互联网上“货比三家”，选择自己最满意的商品。
(五)大数据金融
大数据金融就是从大量数据中提取有利用价值的信息，以云计算为基础来进行融资的模式。最具代表性的就是余额宝，用高于银行的利率吸引消费者融资，不断推动着金融业的发展与进步。
三、互联网金融中的大数据应用及意义
(一)反映市场情况：电商和统计部门通过利用大数据对指数的编制来反映市场的基本情况，有效的分析交易数据，识别出市场交易模式，帮助决策者制定高效率的套利战略。比如国家的统计局与网络、阿里巴巴等电商、电信、互联网企业签订合作协议，共同开发利用大数据。
(二)金融产品定价：金融的核心内容之一就是金融产品定价问题(尤其是金融衍生产品定价)，这一直是大家关心的重要领域，其中涉及有计算和数学建模等。以信用违约互换定价为例，除了考虑违约的传染性和相关性，还要考虑违约过程的建模和估计，通常需要复杂的数学模型并且验证困难。最近一种基于大数据的解决方法即利用实际交易数据估计违约概率使其简单方便。因此大数据能为互联网金融市场提供运营平台，有效的整合互联网金融资源，，促进资源优化配置。
(三)精确营销：通过对一些场景类环境数据、朋友关系和用户经历的人文数据、位置和购物等的行为数据，建立模型进行分析，进一步细分客户。之后，可以定向推出产品并投放广告，实现精确营销。这也符合STP战略思想。大数据通过分析社交网络市场的信息， 特别关注搜索引擎中的搜索热点，从而制定投资策略，使互联网金融实现了一种新的营销模式。
(四)监管风险：互联网金融虽提高了金融效率，但也使风险呈现出许多新形式。因此需要对互联网金融活动产生的大数据进行分析，及时准确发现风险暴露，采取相应的措施加以规避、防范，提高互联网金融安全性，促进互联网金融的创新。
(五)信用：利用大数据，可以在法律和道德所容许的范围内对评估对象的静态动态信用行为进行收集、整理、分析挖掘，使人的信用立体化，进而评估个人或群体的信用，建立用户的增信模型和信用评分，打破了金融机构垄断用户信息的状况。
四、互联网金融大数据应用中存在的问题
互联网金融业本就拥有大数据，已成为自然产生大数据的重要领域，因此在互联网金融大数据应用中体现出了一些问题和挑战。
1、大数据处理速度满足不了各方的需求，体量大，噪声水平、数据来源和其他因素引起的内容和频率变化快，增加了大数据问题的复杂性。
2、大数据中含有大量的噪声信息甚至是虚假信息，出现信息过载的问题。
3、部分企业不愿公开、上传数据，造成不公开数据部门占便宜、公开数据部门吃亏的状况，形成了数据的公开、共享等方面不尽人意的局面。
4、容易泄露用户信息，造成滥用法律法规建设及滞后的现象。如商家对客户交易信息的过度营销，下载不安全的APP、用户扫描二维码支付都可能泄露个人的信息，买卖用户信息的不法交易等。
5、并非互联网金融的所有参与者都具备大数据分析的能力，数据分析挖掘能力不平衡。
五、结论
通过对互联网金融大数据的运行模式以及应用初步探究，我们发现还有很多问题等待我们去解决，严峻的考验只会让我们的路走得更稳固，金融业近些年的巨大发展和变革让我们更加坚定的去深思时代产物与新型科技的碰撞带来的丰硕成果，不断更新互联网金融时代，带领我们进入更美好的时代。
⑽ 如何用大数据分析创造商业价值
法则15--大数据价值不在大，而在于挖掘能力
维克托·迈尔-舍恩伯格在《大数据时代》一书中举了百般例证，都是为了说明一个道理：在大数据时代已经到来的时候，要用大数据思维去发掘大数据的潜在价值。
什么是大数据思维？维克托·迈尔-舍恩伯格认为：1）需要全部数据样本而不是抽样；2）关注效率而不是精确度；3）关注相关性而不是因果关系。
我们认为，大数据并不在"大"，而在于"有用"。大数据思维首先就是要能够充分理解数据的价值，并且知道如何利用大数据为企业经营决策提供依据，即通过数据处理创造商业价值。
大数据思维核心是理解数据的价值，通过数据处理创造商业价值
《哈佛商业周刊》指出：数据科学家是21世纪最性感的职业。在获取海量数据后，就要考虑如何去利用数据。数据科学家就是采用科学方法、运用数据挖掘工具寻找新的数据洞察的工程师。大数据时代正是凸显了数据科学家的重要性以及将数据分析和业务结合的必要性。当具备硬件和基础设施时以产生海量的数据时，需要有人将大量散乱的数据变成结构化的可供分析的数据，进行整合、清理来形成结果数据集。
人才雷达就是一个典型例子。基于每个人在网络上留下的包含着其生活轨迹、社交言行等个人信息的网络数据，依靠对这些数据的分析，从个人的网上行为中剥离出他的兴趣图谱、性格画像、能力评估，基于数据挖掘的人才推荐平台人才雷达（Talent Radar）帮助企业更高效的实现人岗匹配，提供猎头服务。为了评估一个技术人员的专业技能，人才雷达利会利用其在专业论坛（如Github、CSDN、知乎、丁香园等）上的发帖数、内容被引用数、引用人的影响力等数据，通过这些信息建模，完成其专业影响力的判断。同时，微博的数据也被充分利用起来。其中折射出的社交关系也是判断一个人职业能力的因素之一。所以，判别用户在社交网络上其好友的专业影响力也是人才雷达推荐系统中的一个重点。同时，即使被推荐者的个人能力难以符合职业需求，但如果他有着能力不错的好友关系，则也可以作为合适的"推荐人"将任务传播到下一层级当中。不同用户在社交网络上的行为习惯也是不同的，例如发微博的时间规律，在专业论坛上的时间长短，这些行为模式可以用来判别其工作时间规律，看其是否符合对应的职位需求。通过各种数据源的融合和分析，人才雷达不仅能够在节省成本的前提下帮助企业提高人才招聘的效率。与传统的猎头业务相比，其采用群体智慧的方式能够更广泛和客观的筛选人才，并且由于其被动测量的方式也能在一定程度上避免直接面试时部分求职者的虚假表现。它现在的客户有淘宝、微软、网络等知名企业。
亚马逊于2013年12月获得"预期递送（anticipatory shipping）"新专利，使该公司甚至能在客户点击"购买"之前就开始递送商品。该技术可以减少交货时间和减少消费者光顾实体店的次数。在专利文件中，亚马逊表示订购和收货之间的时间延迟"可能会削弱顾客从电商购买物品的热情。"亚马逊指出，它会根据早前的订单和其他因素，预测某一特定区域的客户可能购买但还未订购的商品，并对这些产品进行包装和寄送。根据该专利，这些预递送的商品在客户下单之前，存放在快递公司的寄送中心或卡车上。在预测"预期递送"的商品时，亚马逊可能会考虑顾客过往的订单、产品搜索、愿望清单、购物车的内容、退货、甚至顾客的鼠标游标停留在某件商品的时长。这项专利表明，亚马逊希望能充分利用它所拥有的海量客户信息，借此形成竞争优势。
大数据最本质的应用就在于预测，即从海量数据中分析出一定的特征，进而预测未来可能会发生什么。当不同的数据流被整合到大型数据库中后，预测的广度和精度都会大规模的提高。