今年量化私募表现颇佳，未来可期

今年以来，A股走势低迷，但部分量化公募业绩表现优异。据统计，共有近70只量化基金（剔除C）年内净值实现正收益，未来将有更多的基金将量化策略运用于投资。

公募量化基金分为三类：指数增强、量化对冲和主动量化。从目前来看，指数增强型占据量化公募整体规模的半壁江山，主动量化不跟踪指数、收益潜力较大，也是部分公募积极布局的方向，而量化对冲目前在量化公募中占比较少。而78.57%的私募认为2024年A股有望震荡向上，因为A股估值处于低位、叠加经济向好及美联储进入降息周期，对股市比较友好；14.29%的私募认为基于经济中期结构性问题，A股上涨空间不大，期间会反复震荡；另有7.14%的私募认为A股会延续震荡寻底走低。

数据显示，45.45%的私募认为2024年A股市场风格会趋于均衡；27.27%的私募认为明年市场不会有明显的风格；18.18%的私募认为伴随着经济企稳回升，明年大盘股风格会占优；另有9.09%的私募依旧看好小盘股风格占优。此外，52.94%的私募看好科技成长板块，认为科技是未来经.济.增长的重要引擎；23.53%的私募看好周期板块，认为经济复苏会带动大宗商品需求增长；17.65%的私募看好大消费板块，认为消费是政策刺激的主要方向；而5.88%的私募看好大金融。

今年A股走弱，股票量化私募大幅跑赢主观多头私募。数据显示，有业绩记录的32家百亿量化私募年内收益均值为7.66%，大幅领先主观多头百亿私募，而后者收益率为负数。越来越多的主观私募开始结合量化投资手段，充分运用大数据、量化分析思维等方式到投资上。

具体来看，31家百亿量化私募年内实现正收益，占比高达96.88%。这31家百亿量化私募中，23家收益超5%，7家收益超10%，当前美元指数和美债收益率回落趋势进一步强化，人民币强势升值；岁末年初企业结汇需求回升有望支撑人民币汇率保持坚挺，进一步增强外资净流入意愿。近年来北向资金习惯于布局春季行情，后续有望重回净流入趋势，支撑A股震荡上行。

由于量化私募表现颇佳，其产品发行备案数量也较多。在这样的背景下，部分主观策略私募开始酝酿转型。从提供更多元化、更有竞争力的产品维度来看，量化类产品会有丰富的发展空间。不过，量化策略的门槛很高，是个重资产行业，每年需要投入大量的资金在软硬件以及数据建模人才上，并不是所有私募都能做的。随着AI浪潮的来临，公募基金逐渐依靠自身的强大资源和数据积累充分利用深度学习等技术，“AI+量化”投资的前景将会越来越广阔，相较于传统的量化策略，AI机器学习更能自动进化和策略迭代，保持策略旺盛的生命力，捕捉市场超额收益。

全球量化巨头即将入驻陆家嘴

总部位于伦敦的知名量化投资机构宽立资本（Aspect Capital）将在上海设立中国办公室，部分核心人员已确定，包括中国区负责人和合规相关人士等。

消息人士称，宽立资本的目标是注册为外商独资企业(WFOE)，这将使该对冲基金能够满足中国大规模投资者对另类资产日益增长的需求，目前仍处于谈判的早期阶段。

不过宽立资本在中国布局的脚步一直没有停下，管理层也对中国市场抱有极大的兴趣。宽立资本的投资解决方案主管Razvan Remsing在近期接受采访时表示，中国的期货市场是与众不同的，“像PTA、聚乙烯等化工原材料品种在西方没有等效市场，因此，对于这些商品的全球定价，中国市场有很大的话语权。”

2021年10月，宽立资本设立了“Aspect 中国多元化”基金，该基金刚启动就获得了超1亿美元的外部资金，主要跟踪超过40个中国境内的期货市场，涵盖农业、债券、能源、工业、金属和股票指数六大资产类别，投资于包括橡胶、大豆、铜、10年期债券等在内的市场，旨在利用中国期货市场的独特属性，为投资者提供高度多元化、不相关但流动性强的投资解决方案。

在去年年底，它又拿到了中国合格境外投资者（QFII）的批准，这是外资机构在华展业的关键一步。

2020年制度修订后，合格境外投资者可投资范围拓宽。根据最新规定，合格境外投资者可投资于境内的股票、存托凭证、债券、资产支持证券、基金、股票期权以及中国证监会允许的其他证券及衍生品等。合格境外投资者还可参与新股发行、债券发行、资产支持证券发行、股票增发、配股申购，可参与融资融券交易、转融通证券出借交易以及债券回购交易。2022年9月开始，上期所、大商所等期货交易所向合格境外投资者增加开放了一批商品期权期货合约。

宽立资本的入局也侧面反映了这一市场的热度。目前宽立资本的最新管理规模超过80亿美元，同AHL、元盛（Winton）一起被称为“量化三巨头”。它于1997年由Anthony Todd和Martin Lueck创立，两人均来自知名量化投资机构AHL（后被英仕曼收购），其中，Martin Lueck是AHL的联合创始人之一，目前担任宽立资本的研究总监和总裁，Anthony Todd任首席执行官。

近期，除了宽立资本，多家其他外资机构也在积极关注进入中国市场的机会。总部位于巴黎的迈德瑞投资（Metori）透露，正计划于明年设立一只单独交易中国资产的基金，面向西方国家投资者发售。迈德瑞首席执行官Nicolas Gaussel博士称，西方投资者仍然将中国期货视为（资产组合）多元化的独特来源。

在外资机构不断布局中国市场的同时，国内简化外资准入的步伐也不曾停歇。近日，中国人民银行和国家外汇管理局发布了一套草案修订新规，旨在简化合格的境外机构投资者（QFII）和人民币合格的境外机构投资者（RQFII）等外国投资者的注册资金管理流程。

新规预计将提高外资机构的运营效率，增强外资机构在中国金融市场的投资信心。新规则还包括简化收益汇出的流程，使外国投资者能够更轻松地将收益汇出中国。这些措施均表明，中国金融市场的开放性正在进一步提升。

截至目前，在量化投资巨头中，Two Sigma、德劭、元盛、英仕曼、迈德瑞等均已在中国境内设立外商独资证券私募。据中国证券投资基金业协会信息，Two Sigma、德劭、元盛等的规模在50亿元~100亿元之间。

阿牛智投：炒股亏损原因之六进入“散户集中营”

       股市里，越热闹的地方往往越危险。“散户扎堆，股价难涨”是很多老股民耳熟能详的警句。真有这么邪乎？

 股东人数最多十大股票

来源：阿牛智投

       用阿牛智投量化大数据筛选出股东人数最多的十大股票是京东方A、隆基绿能、中国平安、三一重工、东方财富、包钢股份、三峡能源、TCL科技、五粮液、中国联通，少则59万多，多则超过125万。这些股票被称为“散户集中营”。

       这些股票你买过吗？是不是很熟悉？从近一年走势来看，几乎都是持续下跌的，除了大环境的因素，跟股东人数息息相关。

 三一重工近三年走势

来源：点掌财经

 隆基绿能近3年走势

来源：点掌财经

       一只股票股东人数之所以大增，一定是因为它的股价在一段时间内大幅增长，吸引了很多股民关注、购买。然而，越火热的时候，往往意味着到顶了，不及时离开就是长路漫漫的下跌趋势，解套遥遥无期。

 隆基绿能主力控盘

来源：点掌财经

       如何判断一只股票是不是散户扎堆呢？就需要看股票的主力控盘情况。如上图，隆基绿能股东人数逐步大幅增长，从2022年的47万涨到如今的94万。散户越来越多，主力则逐步撤退，筹码越来越分散，是典型的套牢盘。接下来的走势，可能要参考三一重工了，即使跌不下去，也是长期横盘震荡。

       人多的地方，不要去。不懂的股票，不要买。

智能投顾逐渐普及成熟

“机器可以像人类一样思考”，这是“人工智能之父”图灵在20世纪50年代提出的观点。

在金融机构的数字化进程中，大模型的入场引领着新一轮的产业变革，得益于大模型强大的理解与生成能力，AIGC（生成式AI）技术、数字人逐渐应用开来。大模型浪潮也在落地应用中涌向了投顾行业，智能投顾这类新兴投资模式，正在依托大模型打通公募基金走向C端用户的“最后一公里”。

“七年之痒”再逢春

智能投顾，在当前的理财领域并不是一个陌生的词汇，其在国内的应用最早可以追溯到2016年。彼时智能投顾在海外的资产管理规模已有大幅提升，智能投顾作为一项舶来品被引入市场。

2016年开始，国内银行、基金、券商以及第三方理财平台等相继上线智能投顾服务，配置的投资标的主要包括货币基金、固定收益类、股票型基金和债券等类型。

过去的七年里，智能投顾起起伏伏，在理财领域一度受到热捧，平台数量和规模不断扩张。直至2019年10月，易方达基金、南方基金、华夏财富、嘉实财富和中欧财富等5家基金投顾试点机构获批，我国公募基金投顾业务试点工作由此正式拉开序幕。

投顾业务试点范围逐步扩容，截至目前，一共60家机构获得基金投顾牌照，包括29家证券公司、25家基金公司或其子公司、3家银行以及3家三方销售机构。此外，证监会于2021年发布《关于规范基金建议活动的通知》，明确提出不具有基金投资顾问业务资格的机构不得提供基金投资组合策略投资建议，不得提供基金组合中具体基金构成比例建议，智能投顾业务再度迎来洗牌式调整。

而在现有的持牌试点投顾业务的机构中，大模型的入场又将为行业带来新变化。在北京市社会科学院副研究员王鹏看来，在投顾业务推进试点的当下，大模型入场将进一步推动智能投顾领域的发展和成熟。具体而言，大模型的应用将提高智能投顾的精准度和效率，使得投资建议更加个性化、符合投资者需求。同时，大模型也将带来更多的数据维度和分析角度，帮助智能投顾更好地把握市场动态和趋势。

“早前的智能投顾业务，本身是基于人工智能和大数据，但在数据容量、数据分析能力以及算力存储方面很难匹配现有的管理需求，与大模型更是无法比较。因此现在大模型进入智能投顾领域，能更好地赋能其业务效果，在客户服务方面也会有质的提升。

降低投资门槛

“基金赚钱，基民不赚钱”，这是理财领域风行多年的一句俗语。而智能投顾的出现正是为了从选品、配置和持有等方面出发，解决前述问题。

简单理解，智能投顾通过人工智能技术和大数据技术，对海量复杂的金融数据进行分析，根据投资人目标收益、风险承受度等实际情况，为投资人提供个性化的财富管理建议，并优化投资组合。相较于传统理财顾问服务，智能投顾打破了时间与空间的限制，也提高了投资效益。

站在买方视角，智能投顾一定程度上降低了投资门槛，并提升了投资者的满意度。而智能投顾资产配置能力的高低将直接影响投资人的最终收益效果。这也意味着市场竞争下，智能投顾服务要求在不断提高。

从现状来看，相关试点机构在智能投顾业务中，引入了自然语言处理、智能聊天机器人、生成式AI等技术，加速了业务模型升级。例如，星环科技推出的星环无涯金融大模型INFINITY，在智能投顾业务方面可为用户提供智能选股、智能选基、智能舆情推理、智能组合优化、智能交易风控等服务。

另有科技公司向北京商报记者透露，目前公司研发的大模型正在推进与基金公司在智能投顾方面的合作。同时，还有金融软件服务供应商表示，公司研发的大模型已经面向部分券商、基金公司提供服务，但智能投顾领域的产品还在进一步完善中。

王鹏指出，智能投顾叠加大模型的优势，能够优化投资组合、提高投资效益和风险控制水平，为银行、基金公司带来更多的收益和市场份额。从业务前景来看，智能投顾叠加大模型将成为金融领域的重要发展趋势之一。随着人工智能、大数据等技术的不断发展和应用，智能投顾将逐渐普及和成熟，为更多投资者提供更加智能化、专业化的服务。

尚无法全面自主

机器能否取代人，在当下人工智能领域发展中仍然是未解之谜。但可以预计的是，金融数智化时代，大模型等技术的应用正在逐步打破金融行业数据密集、专业度高、业务复杂等壁垒。

北京商报记者多方采访了解到，大模型在金融领域的应用多体现在模型支持、数据支持以及算力基础设施支持方面。其中，模型支持主要是构建基于公开语料进行训练及微调的金融基线大模型，为公私募基金、券商等金融市场参与者提供服务。不过，不同的投资领域、专家研究框架和投研习惯会产生不同大模型需求，这对大模型应用本身提出更高的要求。

聚焦到智能业务，大模型的应用也无法一蹴而就。智能投顾业务本身在持续调整中，近期便有多家银行机构宣布下线智能投顾业务。在采访中，北京商报记者了解到，大模型尚未在持有投顾业务试点牌照公司中大面积铺开，也有部分机构指出短期内没有应用大模型的计划。

针对这一情况，有持有投顾业务试点牌照的基金公司向北京商报记者直言，智能业务调整一方面是监管的合规性要求，未持有试点业务许可的机构不允许开展相关业务；另一方面则是受市场环境影响，智能投顾收益表现不及预期，导致业务需求萎缩。

此外，智能投顾通过大数据系统演算自动调整投资组合，但在应对市场突发状况方面尚无法实现全面自主化。浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员盘和林直言，当前智能投顾有发展也有退潮，主要是智能投顾现阶段在算法、算力、数据方面还存在瓶颈，能够辅助决策，但自身投资的准确性并不好。相比于人类投资者，其优势还不明显，很难真正实现收入预期。

“为了推动智能投顾领域的大模型应用和发展，需要继续加大技术研发和投入力度，提高数据来源和质量，同时加强监管和政策引导，为智能投顾领域的发展创造更加良好的环境。”王鹏补充道。

来源：北京商报

A股什么时候才能成为有效益的投资市场

       美股、欧股、日股、韩股、印度股市纷纷叠创新高，在周四美联储宣布，本轮不再加息已成定局，明年大概率将启动降息之际，人民币狂拉800多点，才一天时间，从7.18暴升至7.10，连全球表现最差的香港股市，本周都上涨逾2%，可不争气的A股就是跌跌不休。根本问题到底出在哪里？

       根本问题在于，越来越多的投资人开始明白，30多年来，A股始终不是有效益的投资市场。

       刚刚结束的中央经济工作会议指出，新的一年，要“激发有潜能的消费，扩大有效益的投资，形成消费和投资相互促进的良性循环”。

       2亿多股民本是“有潜能的消费者”，如果我们的股市是“有效益的投资市场”，就一定能“形成消费和投资相互促进的良性循环”。

       不信请看：通胀率曾飙升至7.9%，创下近40年最高的美国，疫情期间共有2200多万人申请失业救济金，占劳动力的13.5%，如今为什么能迎来反转，一个重要因素是股市大涨，引发消费旺盛，连楼市都起来啦！

       遗憾的是，我们的A股市场16年来始终在3000点反复打拉锯战，如今居然连3000点也守不住啦。

       什么是“有效益的投资”？

       答案再简单不过，就是投资本身能够带来效益，赚取盈利。就是投资的对象都是有效益的，同时还能够产生辐射效应、带动效应，如能带动消费，提升信心，带来满满的幸福感和获得感，从而进一步扩大投资，提升信心，如此形成良性循环。

       可我们的股市不是。

       A股市场5000多家上市公司中，有相当一大批投资对象是无效益、甚至负效益的（估计至少一半）。

       不仅如此，A股头顶还有“三座大山”：新股发行、再融资、大股东减持。统计显示，从2015年至2023年上半年，再融资（定增+可转债）从市场圈走9.7万亿，减持取走约3.25万亿，IPO从股市融资2.83万亿，券商佣金1.82万亿，印花税1.52万亿，这些合计加起来近20万亿！还不包括可转债变向取走的钱。

       那么投资人拿到的现金分红呢？充其量也就10万亿吧，而且还要缴税，大部分还是国有和民企大股东拿走的，可“三座大山”的钱却出自小股民的口袋。

       概言之，中国股市的定位，就是给上市公司融资和大股东减持套现用的。

       但俗话说：千做万做亏本生意不做，明知道钱进去的多，出来的少，而且还是无底洞，纵然是小股民也会明白这个道理，谁会傻憨憨地乐此不疲！这正是明知估值已到底部，可股价没有最低、只有更低的底层逻辑。

       怎么才能让A股成为“有效益的投资市场”？

       答案也很简单。变“进去的多，出来的少”为“进去的少，出来的多”。管理部门从总量控制，每年分红+回购，必须大于IPO+再融资+大股东减持套现，大于多少，至少得让股民把佣金和印花税赚回来，即至少大于15-30%。哪一年年景不好，上市公司分不了那么多股息红利，那就减少IPO和再融资，收紧大股东减持套现。

       具体到每一家公司，只有在分红+回购的金额大于所需要的再融资时，才能实施再融资，你家的大股东才能减持套现。

       同时将那些“无效益”和“负效益”的投资对象尽快清退出市场。

       当然，变“无效益的投资”为“有效益的投资”，说起来容易做起来难，必须坚持不懈，经过几年的努力才能有所见效。从当前来说，中央经济工作会议提及的“新型举国体制”和“新质生产力”，能否对我们的股市有所启示？

       “新型举国体制”是2021年3月，第十四个五年规划和2035年远景目标纲要中提出来的，其要点是“关键核心技术攻关”。在A股市场，能否由国家队集中买入能代表“新质生产力”，即以颠覆性技术和前沿技术催生新产业、新模式、新动能的部分优质个股，并且大张旗鼓、坚持不懈，成为真正的“耐心资本”？

       中央高层不是一再强调“资本市场的枢纽功能”吗？什么是“枢纽功能”？只有将股市成为“有效益的投资市场”，才能以2亿多股民为发端，激发有潜能的消费，才能实现高质量的增长。没有比股市这个平台更直接更有效的了，要做到这，无非是少一点融资少收割一点股民而已。

（来源：《金融投资报》 贺宛男）

什么是量化AI交易软件？

量化AI交易软件是一种利用人工智能技术和量化交易策略进行自动化交易的软件。它结合了人工智能的算法和模型，以及大量的历史和实时市场数据，通过分析和预测市场走势，自动执行交易操作。

量化AI交易软件通常包括以下几个主要组成部分：

1. 数据获取和处理：软件会从各种数据源获取市场数据，包括股票价格、交易量、财务数据等。这些数据会经过处理和清洗，以便后续的分析和建模。

2. 量化模型和策略：软件会使用人工智能算法和模型来分析市场数据，发现潜在的交易机会。这些模型可以基于统计学、机器学习、深度学习等技术，通过学习历史数据和市场规律，预测未来的市场走势。

3. 交易执行和风险控制：一旦量化模型生成了交易信号，软件会自动执行交易操作，包括买入、卖出、止损等。同时，软件也会实施风险控制措施，例如设置最大亏损限制、分散投资等，以保护投资者的资金安全。

4. 实时监控和优化：量化AI交易软件会实时监控市场情况和交易执行情况，根据实际情况进行调整和优化交易策略。这可以包括对模型参数的调整、对市场数据的更新等，以提高交易的效果和盈利能力。

总的来说，量化AI交易软件利用人工智能技术和量化交易策略，通过分析市场数据和预测市场走势，自动执行交易操作，以实现更高的交易效率和盈利能力。

AI+证券的市场应用情况

近年来，随着人工智能技术的不断发展和应用，AI+证券已经成为了一个备受关注的领域。在证券市场中，AI可以帮助投资者做出更加准确的决策，提高投资回报率，同时也可以帮助证券公司降低成本和风险，提高服务质量和效率。

首先，AI可以通过大数据分析和机器学习等技术，对海量的金融数据进行深入挖掘和分析，从股价揭示出隐藏的规律和趋势。这样就可以帮助投资者更好地理解市场变化，制定更加科学和合理的投资策略。同时，AI还可以根据投资者的个性化需求和风险承受能力，量身定制个性化的投资方案，提升投资体验和满意度。

其次，AI可以通过自然语言处理技术，对海量的新闻、研究报告、社交媒体等信息进行情感分析和事件预测，从而及时捕捉市场的变化和预测未来的趋势。这样就可以帮助投资者更快地获取市场信息，把握投资机会，减少投资风险。

另外，AI还可以通过智能客服等技术，提供更加高效和优质的服务。通过自然语言处理和机器学习等技术，AI可以模拟人类的交流方式，帮助客户解决问题，提供个性化的投资建议，提高客户满意度。

总之，AI+证券已经成为了一个不可忽视的趋势和市场应用。未来，随着技术的不断发展和应用，AI将会在证券领域发挥越来越重要的作用，推动证券市场的智能化、数字化和网络化发展。

大数据时代-一切皆可“量化”

量化一切，数据化的核心

记录信息的能力是原始社会和先进社会的分界线之一。早期文明最古老的抽象工具就是基础的计算以及长度和重量的计量。公元前3000年，信息记录在印度河流域、埃及和美索不达米亚平原地区就有了很大的发展，而日常的计量方法也大有改善。美索不达米亚平原上书写的发展促使了一种记录生产和交易的精确方法的产生，这让早期文明能够计量并记载事实情况，并且为日后所用。计量和记录一起促成了数据的诞生，它们是数据化最早的根基。

计量和记录能够再现人类活动。比如通过记录建筑物的建筑方式和原材料，我们就能再建同样的建筑，或进行实验性的操作，比如通过改变一些方式保存其他部分而建造出新的建筑物，然后再记录这些新建筑物。交易情况一旦得到记录，我们就可以知道一块地丰收时稻谷的产量是多少、需要上缴多少政府税收。计量和记录为预测和计划奠定了基础，虽然这建立在假定明年的收成和今年一样的基础上。有了记录，交易双方才会知道他们赊账的情况，而如果没有这些凭证的支持，欠债的一方则完全可以不用还钱。

几百年来，计量从长度和重量不断扩展到了面积、体积和时间。公元前的最后一个千年，西方的计量方法已经基本准备就绪，但是还是有着比较严重的缺陷。早期文明的计量方法不太适合计算，哪怕是比较简单的计算。比如罗马数字的计算系统就不适合数字计算，因为它没有一个以10为底的记数制或者说是十进制，所以大数目的乘除就算是专家都不知道该怎么算，而简单的乘除对一般人来说也不容易。

大约公元1世纪的时候，印度发明了一种自己的数字系统。它传播到了波斯，并在那里得到改善，而后传入阿拉伯国家，得到了极大的改进。这也就是今天使用的阿拉伯数字的前身。十字军东征给当地人民带来了彻头彻尾的灾难，但同时也把西欧文明带到了地中海东部，而其中最重要的引入就是阿拉伯数字。公元1000年，教皇西尔维斯特二世开始倡导使用阿拉伯数字。12世纪，介绍阿拉伯数字的书籍被翻译成拉丁文，传播到了整个欧洲地区。这也就开启了算术的腾飞。

早在阿拉伯数字传播到欧洲之前，计数板的使用就已经改善了算术。计数板就是在光滑的托盘上放上代币来表示数量，人们通过移动代币到某个区域进行加减。但是，这种计数板有着严重的缺陷，即过大和过小的计算无法同时进行。最主要的缺陷还在于，这些计数板上的数字变化很快，不小心的碰撞或者是摆错一位都会导致完全错误的结果。而且，即便计数板勉强可以进行计算，它也不适合用来记录。因为一旦需要将数字记录在计数板以外的地方，就必须把计数板上的数字转化成罗马数字，这可就费时费力了。

算术赋予了数据新的意义，因为它现在不但可以被记录还可以被分析和再利用。阿拉伯数字从12世纪开始在欧洲出现，而直到16世纪晚期才被广泛采用。到16世纪的时候，数学家们大肆鼓吹他们使用阿拉伯数字计算能比使用计数板快6倍。但最终让阿拉伯数字广为采用的还是复式记账法的出现，它也是数据化的一种工具。

公元前3000年，会计手稿就出现了。但是，记账法在接下来的几百年里发展缓慢，基本上一直保持在记录某地的某个特定交易的阶段。记账人和他的雇主最关心的就是判断某个账户或者自己所从事的行业是否赚钱，而这正是当时的记账手法无法轻易做到的事情。到了14世纪，随着意大利的会计们开始使用两个账本记录交易明细，这种尴尬的境地开始发生改变。这种记账法的优势在于，人们只需要将借贷相加，就可进行制表并得知每个账户的盈亏情况。如此，数据骤然发生了，虽然仅限于读出盈亏情况。

如今，复式记账法通常被看成是会计业和金融业不断发展的成果。事实上，在数据利用的推进过程中，它也是一个里程碑似的存在。它的出现实现了相关账户信息的“分门别类”记录。它建立在一系列记录数据的规则之上，也是最早的信息记录标准化的例子，使得会计们能够读懂彼此的账本。复式记账法可以使查询每个账户的盈亏情况变得简单容易。它会提供交易的记账线索，这样就更容易找到需要的数据。它的设计理念中包含了“纠错”的思想，这也是今天的技术人才们应该学习的。如果一个账本看着不对劲，我们可以查询另一个相对应的账本。

但是，和阿拉伯数字一样，复式记账法也没有立即取得成功。直到200年之后，一个数学家和一个商业家族才让它大受欢迎，他们也改变了数据化的历史。

这个数学家就是方济各会的修士路萨·帕西奥利（luca pacioli）。1494年，他出版了一本为普通读者和商人所写的数学教材。这本书大获成功，成为盛行一时的数学教科书。这是第一本全书都使用阿拉伯数字的书籍，因此也促进了阿拉伯数字在欧洲的传播。当然，这本书最大的贡献在于它对复式记账法的详尽论述。接下来的几十年间，这个论述复式记账法的部分被分别译成了6种语言，并且成为几个世纪的通用范本。

而所谓的一个商业家族，就是指美第奇家族——威尼斯商人和艺术资助人。16世纪，这个家族能成为欧洲最有影响力的银行家族，很大一部分要归功于他们使用的一种高级数据记录方法——复式记账法。帕西奥利的著作和美第奇家族的成功奠定了复式记账法成为标准数据记录法的基础，也奠定了阿拉伯数字在此之后不可取代的地位。

伴随着数据记录的发展，人类探索世界的想法一直在膨胀，我们渴望能更精准地记录时间、距离、地点、体积和重量，等等。到了19世纪，随着科学家们发明了新工具来测量和记录电流、气压、温度、声频之类的自然科学现象，科学已经离不开定量化了。那是一个一切事物都需要被测量、划分和记录的时代，人们理解自然的热情甚至高涨到通过分析测量人的颅骨来试图分析人的心智能力。好在，对颅相学这类伪科学的热情最终淡去了，但是人类对于量化一切的热情却始终没有减退。

新工具和开放的思维促进了测量事物和记录数据的繁荣，而现代数据化就诞生于这片沃土之中。数据化的基础已经奠定完好，只是在模拟时代这依然是费时费力的。有时候似乎需要无穷无尽的热情和耐心，或者说，起码也要有奉献一生的准备，比如16世纪的第谷·布拉赫（tycho brahe）就夜夜细心观察天体运动。数据化在模拟时代成功的例子并不多，因为这需要很好的运气——一大串的偶然巧妙地结合在一起。中校莫里就很幸运，他因伤坐进了办公室，但是却在那里发现了珍贵的航海日志，可不是每个人都能这么幸运的。然而，数据化的实现有一点必不可少，那就是要从潜在的数据中挖掘出巨大的价值，然后揭示出新的深刻洞见。

计算机的出现带来了数字测量和存储设备，这样就大大提高了数据化的效率。计算机也使得通过数学分析挖掘出数据更大的价值变成了可能。简而言之，数字化带来了数据化，但是数字化无法取代数据化。数字化是把模拟数据变成计算机可读的数据，和数据化有本质的不同。

世间万物的数据化

只要一点想象，万千事物就能转化为数据形式，并一直带给我们惊喜。ibm获得的“触感技术先导”专利与东京的越水重臣教授对臀部的研究工作具有相同理念。知识产权律师称那是一块触感灵敏的地板，就像一个巨大的智能手机屏幕。其潜在的用途十分广泛。它能分辨出放置其上的物品。它的基本用途就是适时地开灯和开门。然而更重要的是，它能通过一个人的体重、站姿和走路方式确认他的身份。它还能知道某人在摔倒之后是否一直没有站起来。有了它，零售商可以知道商店的人流量。当地板数据化了的时候，它能滋生无穷无尽的用途。

其实没有听上去那么荒谬。“自我量化”是一项由一群健身迷、医学疯子以及技术狂人发起的运动，通过测量身体的每一个部位和生活中的每一件事来让生活更美好——或者至少用量化的方式来获得新知。目前，自我量化运动规模还很小，但正在日益壮大。

随着智能手机和计算机技术的普及，对个人最重要的生活行为进行数据处理从未如现在这般容易。许多创业公司通过测量人们夜间的脑电波来试图找出他们的睡眠模式。zeo公司则早已制作出了世界上最大的睡眠活动数据库，揭示了男性与女性睡眠时快速眼动量的差异。asthmapolis公司将一个感应器绑定到哮喘病人佩戴的呼吸器上，通过gps定位，再汇总收集起来的位置数据，可以判断环境因素（如接近特定的农作物）对哮喘的影响。fitbit和jawbone公司让人们测量他们的体力活动和睡眠。basis公司用腕带来监测佩戴者的生命体征，包括其心率和皮肤电传导率，以此测试他们所承受的压力。2009年，苹果公司就申请了一项专利，通过音频耳塞收集关于血『液』氧合、心率和体温的数据。获取数据正变得比以往任何时候都简单而不受限制。

数据化能帮助我们获取到更多关于人体运作方式的信息。挪威耶维克大学的研究人员和derawi biometrics公司联合为智能手机开发了一款应用程序，可以分析人走路时的步伐并将其作为手机解锁的安全系统。同时，佐治亚理工学院的罗伯特·德拉诺（robert delano）和布莱恩·派尔思（brian parise）开发了一款叫做itrem的应用程序，用手机内置的测震仪监测人身体的颤动，以应对帕金森和其他神经系统疾病。这个程序给医生和病人都带来了好处；它让患者避免了在医院做昂贵的体检，也让医学专家们能远程监控人们的疾病以及治疗效果。据东京的调查人员说，用智能手机测量震动虽然没有三轴测震仪这种专门的医疗器械那么精确，但也只差了一点，所以完全可以放心使用。这再一次证明，一点点的不精确比完全精确更有效。

在大多数情况下，我们会采集信息并将之存储为数据形式再加以利用。几乎所有领域，任何事情都能这样处理。greengoose是一家创业公司，他们销售能放置在物品上的微型运动感应器，用它监测物品的使用次数。比如把它放置在一捆牙线、一个酒水壶或者一盒猫食上，就能数据化牙齿清洁、植物护理以及宠物喂养的信息。很多人对“物联网”有着宗教般的狂热，试图在一切生活中的事物中都植入芯片、传感器和通信模块。这个词听起来好像和互联网亲如姐妹，其实不过是一种典型的数据化手段罢了。

我们正在进行一个重大的基础设施项目，它在某种程度上与我们过去所做的都不一样，无论是罗马的水渠还是启蒙运动时期的百科全书。它如此的新颖，而我们又深处其中；同时，又因为它是无形的，不像水渠中能触摸到的水，所以我们并未意识到它的存在，这个它，就是无处不在的数据化。像其他的基础设施那样，它会给社会带来根本性的变革。

水渠让城市的发展成为可能，印刷机推进了启蒙运动，报纸为民族国家的兴起奠定了基础。但这些基础设施都侧重于流动——关于水、关于知识。电话和互联网也是如此。相比较而言，数据化代表着人类认识的一个根本『性』转变。有了大数据的帮助，我们不会再将世界看作是一连串我们认为或是自然或是社会现象的事件，我们会意识到本质上世界是由信息构成的。

整整一个多世纪以来，物理学家们一直宣称情况应该是这样的——并非原子而是信息才是一切的本源。不可否认，这也许听上去无法理解。然而通过数据化，在很多情况下我们就能全面采集和计算有形物质和无形物质的存在，并对其进行处理。

将世界看作信息，看作可以理解的数据的海洋，为我们提供了一个从未有过的审视现实的视角。它是一种可以渗透到所有生活领域的世界观。

迟早有一天，数据化的影响会使水渠和报纸的影响微乎其微，同时，通过赋予人类数据化世间万物的工具，它也对印刷机和互联网的地位提出了挑战。可是目前，它最主要的用途还是在商业领域。大数据正被用来创造新型价值，这也是下一章的主题。

人工智能在大数据处理方面的便捷及应用

随着科技的不断发展，人工智能（AI）和大数据已经成为当今社会的热门话题。AI在大数据处理方面发挥着越来越重要的作用，使得数据处理更加高效、便捷和准确。本文将探讨AI在大数据处理方面的应用及带来的便捷。

一、AI在大数据处理方面的应用
1. 数据挖掘与预测分析
AI在数据挖掘和预测分析方面具有很强的能力。通过对大量数据的分析，AI可以发现隐藏在其中的规律、趋势和关联，从而为决策提供有力支持。例如，在金融领域，AI可以通过对历史交易数据的分析，预测股票市场的走势，帮助投资者做出更加明智的投资决策。
2. 数据分类与识别
AI可以对数据进行自动分类和识别，从而提高数据处理效率。例如，在电商领域，AI可以通过对商品图片的识别，自动将商品分类到相应的类别中。此外，AI还可以对文本数据进行自动分类，如垃圾邮件、新闻分类等。
3. 数据去重与清洗
AI在数据去重和清洗方面也表现出色。在数据处理过程中，往往会遇到重复数据、缺失值、异常值等问题，这些问题会影响数据的质量和准确性。AI可以通过对数据的清洗和去重，提高数据的质量和准确性。

二、AI在大数据处理方面带来的便捷
1. 提高数据处理效率
AI可以自动对数据进行处理，避免了传统数据处理方法中需要大量人工操作的问题。这大大提高了数据处理效率，节省了人力成本。
2. 提高数据处理准确性
AI在数据处理过程中具有很高的准确性和稳定性。由于AI是由大量数据训练得出的模型，因此它可以在处理数据时避免人为错误和主观偏见，从而提高数据处理准确性。
3. 实时数据处理能力
AI具有较强的实时数据处理能力。随着物联网、传感器等技术的不断发展，越来越多的数据不断产生，AI可以实时对这些数据进行处理和分析，从而为决策提供及时支持。

综上所述，AI在大数据处理方面具有广泛的应用前景。它不仅可以提高数据处理效率，还可以提高数据处理准确性，同时还可以实现实时数据处理能力。这些优势为各行各业带来了极大的便捷和效益。未来随着技术的不断发展，AI在大数据处理方面的应用将会更加广泛和深入。