经典证券分析是以基本面分析为核心的因果分析，认为基本面好，股票的趋势就应该好。基本面分析在实际使用中，往往感觉“力不从心”，自己看好的股票总是不涨，机会成本高的惊人；有了很多看多大盘的理由，但大盘仍是跌跌不休。解决该实际问题，在因果分析的基础上，还需加上相关性分析。因果分析是“心”，相关分析是“力”——信息影响力足够大，才会实现预期的效果。
相关分析在现实生活中应用比比皆是。青年男女门当户对、郎才女貌（因果分析），却不一定就喜结良缘，若能发现某两人一有时间就在一起，而且经常微信聊天（相关分析），两人牵手概率大增。在职场中也是这种现象，某中层能力超强、群众基础好，但不一定被提拔到高层，往往是大领导的身边人，会获得“肥缺”。
搜索领域已从因果关系到强相关关系。如搜索引擎如何帮助用户找到其想要的？今天，各个搜索引擎都有一个度量用户点击数据和搜索结果相关性模型，通常被称为“点击模型”。随着数据量的积累，点击模型对搜索结果排名的预测越来越准确，它的重要性也越来越高，在搜索排序中至少占70%-80%的权重。可以说今天的搜索引擎中，因果关系已经没有数据的相关性重要了。
不确定性和大数据技术是相关分析崛起的原因。机械思维曾经是改变了人类工作方式的革命性的方法论，并且在工业革命和后来全球工业化的过程中起到了决定性的作用，今天它在很多地方依然能指导我们的行动。但是我们面临的复杂情况，已经不是机械时代用几个定律就能讲清楚了，不确定性，或者难以找到确定性，是今天社会的常态。数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助我们得到我们想知道的答案，这是大数据思维的核心。大数据思维和原有机械思维并非完全对立，它更多是后者的补充。
经典证券基本面分析缺少了市场预期和偏好分析。中国的股票市场每年都有大主题，若没有抓住，很难战胜市场。如13年的创业板行情、14年底的金融地产、15年的移动互联网科技、16年的并购重组、17年的消费龙头等。这种明显的市场偏好，内在原因是注意力稀缺和投资者想降低机会成本自发产生的跟风效应。学习需要时间、而投资者时间是有限的，每个人又都在追求学习效率，只能抓紧学习市场反馈良好的主流市场预期。
大数据为做相关分析提供了技术条件。老股民都重视市场热点研究，但这项技能需要“1万小时”的磨炼才会有所心得，而且还不一定准确。大数据技术大幅降低了这项技能的门槛，大数据可以轻易统计出买入资金的流向，各种信息的关注度，再进行排序，科学统计发现主流的市场偏好。现阶段已有移动APP很好地提供了这些功能，如“股海智淘”。
经典证券技术分析痛点是不能预测趋势的大小。大盘和个股都会有波动的，对投资者有意义的是大的、确定性的、可理解预测的波动。如果不结合基本面的信息，技术分析往往会遇到丢西瓜捡芝麻的尴尬。而通过对信息影响力排序，会发现西瓜，在此基础上再结合一定的技术分析，会大幅降低机会成本，实现更好的效果。
基本面分析的“心”，与相关性分析的“力”相结合，才是证券分析的完整解决方案，不然只会经常感到力不从心。和氏璧若没有卞氏去发现，就还是块石头。没有被关注的信息，就像石头没啥影响力！不会触发股票波动。被关注、被发现价值是股票波动的必要条件之一、是导火索！
网友评论