如何評價 Kensho (Warren) ？在國內複製是否可以成功？

01-13

準備複製Kensho，是否具備可行性?

先總結：玩數據與錢的活兒，自然是一擁而上

姑且將題主的問題理解為KENSHO這樣的產品在中國是否可行？

簡單分析下需求的現狀：

行業內人都知道金融終端，Wind資訊金融終端，彭博終端_百度百科。

在Wind資訊--中國領先的金融數據和分析工具服務商

可以申請試用賬號，不知道終端是啥的可以進去感受下
學生黨福利在下面，不謝
Wind資訊-財經學子陽光計劃

感受完這些數據後後。你發現金融終端數據全面、強大、及時。可是臣妾看不懂？

patpat，因為終端不是給你做的，是給專門的金融分析師或研究員等專業人員提供的。

他們負責加工分析終端提供的數據，並為機構或個人投資決策者提供決策依據。

至於這些數據和分析的價值？！！！你有兩個參考：

· 專業版終端的價格（WIND根據使用的模塊不同幾萬到幾十萬一年，BLOOMBERG是全球最專業的，價格也是頂級的，氮素對於能賺到的錢來說，這算個pi……）
· 分析師的薪水（聽說華爾街頂級分析師年薪都是usd million單位）

打聽完這兩個數據，你就知道KENSHO有多大價值了……

當然人類是不服輸的，覺得很多事情機器幹不了，

也許是那些事情根本不需要存在

在圍棋這個問題上，

阿法狗今天第二次扇我們巴掌了

你懂的……

KENSHO差不多是要把這些事都幹了，

· 高效整理數據

· 智能分析數據

雖然目前還停留在數據整理的初級階段：

根據自然語言提問提供相應的歷史數據和決策建議

投資是真正的driven by data，以前data偏number，現在則更寬泛

再說做個類KENSHO的東西

比較技術，我大致說下我的理解，不對的地方請技術大牛指正

整理數據需要首先解決數據源的問題

去哪裡找數據？

有交易的地方就有資產，

有資產的地方就可以投資，

能投資就可以納入金融研究。

so，金融數據幾乎等同於人類所有行業的數據。

此時，我的內心是崩潰的……

數據是越全面越好，數據獲取就是一件很專業的活

如何快速有效從地球的每一個角落採集數據？

未來估計得依靠完善的物聯網和其他信息採集手段

而做KENSHO肯定不是主要干這個的，

所以數據還得依靠傳統的金融終端作為數據提供商，現成的數據

但也會利用現有的技術和資源，

· 優化現有數據的獲取方式，更快更準確

· 引入一些其他的數據源，比如社交網路的市場情緒數據

市場情緒監測跟網路輿情監測有點像，

這些數據是傳統的數據提供商難以量化提供的，但其實在市場形勢中有較為重要的影響

有數據源了，那問題就變成了

如何有效將數據清洗後並結構化？

我也不知道怎麼清洗和結構化，哭……

這個需要找爬蟲大牛+NLP+DBA大神

如何準確理解提問者的自然語言？

這是個SIRI問題，請找NLP大牛，注意中文處理和英文處理有別

先假如你解決了這些問題，那麼問題變成了

如何有效分析海量數據給出有效的建議？

這是個金融工程問題，因為這些數據服務於金融決策

不過KENSHO肯定需要依靠DL觸及更高的智能才能做成簡單的問答形態產品

說直白一點就是讓KENSHO像現在的分析師一樣思考

而這個問題，需要AI專家來解決

好，到此，你需要

· 數據終端介面

· 爬蟲大牛

· NLP大牛

· AI大牛

在你去找各路神仙之前

你需要了解下市場上的對手，

再根據你能找到的神仙級別

盤算一下自己的勝率

你的對手可能存在於：

· 做金融終端的，有數據，有積累。找個磚家就可以開搞，具體請搜索

· 做人工智慧或大數據的，往金融領域湊一湊。具體請搜索

· 做量化交易的，將投資品種延展延展。具體請搜索，搜不到就去打聽

· 相關創業項目，有前景，先做個PPT，有一些已經動手的，避免廣告嫌疑就不說了

熱，有前景

難，慎創業

有一個做風投的人的一句話對我的啟發很深：當你有一個想法的時候，你認為很先進，但是實際上很多和你接觸到同類信息的人也有這個想法了，20%的人已經在開始做了，10%的人已經做過了，1%的人已經成功了，而你還只是出於一個想法中，現在kensho就是已經成功的那個，相信國內已經很多在做了！！

金融大數據分析，對於整個金融行業來說，必然產生顛覆性的結果，就像現在的打車軟體對計程車行業的顛覆一樣。

目前那些所謂金融家投資家說白了就是賺信息時間差以及信息不對稱的錢，當這種信息不對稱和信息傳遞時間差不存在的時候，不管是華爾街還是中國，都要做出相對應的應對措施，否則必死無疑。

當每一個投資者都能通過智能數據處理系統很快獲得投資信息、做投資分析的時候，有多少讓現在人們羨慕的金領階層的人要失業？

國內目前還沒有發現相關行業特別出眾的公司，目前知道有點關聯的只有一個開發語音交互的上市公司科大訊飛還有點潛力，希望很快能見到該領域的實力派公司能夠嶄露頭角。

拭目以待！！！

匿名用戶講到了各個環節的難點了. 也可以參考文因互聯的鮑捷的這篇"智能金融變魔術的6個步驟

", 裡面對人工智慧金融的各個環節, 以及哪些公司做到哪個環節了, 都有很清晰的梳理.

我覺得不必完全複製kenson吧, 這個工程太大了. 文因互聯也有很長遠的目標, 但它的切入口卻是新三版這個小領域, 因為裡面公司小而多, 人工分析師不划算, 正是機器智能大顯身手的地方. 文因互聯的搜索, 以及自動化報告清晰而夠精準. 如果新三版吸引了足夠的關注度和交易量, 文因互聯可以為機構提供信息服務.

另外幾家值得關注的:

1. smartxt. 原光大金工團隊的馮劍的產品, 前身是中文雲(已開源), 做金融文本研究, 面對的是證券二級市場. 現在有一個產品的大框架, 但功能還不太全.

2. 通聯數據. 做到了圖譜數據這一層, 但還沒上升到業務邏輯這一塊.

市場這一塊的一些想法. 把裡面的功能集成到wind或者證券軟體中, 輔助決策.

國內我見的都不下10個類似產品了，你還在知乎問人

微量網已經在做了。