市面預測行情APP有沒有效果？開發初衷是因為什麼

---

這個問題我來回答可能比較合適：

1. 本人CMU博士退學，在校期間和計算機/計算金融學，以及數學的朋友開發過期權量化策略。寫過一些關於期權的入門教程Feifei_Lu - 雪球

2. 目前在CMU孵化器Olympus創業，正在開發Outliers系統，這個系統的目標是挖掘更多高相關度的市場信息並且通過合適的途徑傳遞給大眾。創業導師之一是CMU數據科學前系主任(他本人對機器學習預測市場很感興趣)，團隊成員包括前瑞信的數據科學家，獨立開發過自動化交易系統的CMU博士等等。

--------------------------------------------愉快的分割線-------------------------------------------

先說說數據，信息和alpha(超額回報)之間的關係。

大家進入市場的目的都是為了賺錢，而且不論是短線投機客還是長線投資人，肯定都希望能夠長期穩定的獲取超額收益。如果說這個目標是「24k純金」，那麼「數據」僅僅只是純度極低的金礦石(沒錯，絕大部分數據僅僅只不過是無意義的噪音罷了)， 而信息則是經過一定程度提煉的金礦石, 距離「24k純金」還有相當的距離，但是已經比原始數據往前跨了一大步。好的信息不能保證你長期賺到錢，但是已經能夠讓你在交易/投資的時候擁有一個合理的預期偏差。

--------------------------------------------愉快的分割線-------------------------------------------

再聊聊歷史和未來之間的關係。

毋庸置疑的一個事實：沒有人擁有來自未來的信息。所有的預測和分析，無論是純粹基於數據的，還是基於經濟學邏輯的，亦或是基於經驗和常識，本質上都是對歷史的總結而已。

有些歷史會長期不斷的重複出現，比如科技類的行業/領域到最後很容易出現一家獨大的局面，新興科技產業一旦買對公司長期回報極為驚人，那什麼微軟思科谷歌etcetc；

有些只是階段性的重複，比如國家隊在3300托盤這個事情，比如之前兩三年美國市場上所謂的「跌5%」就抄底，這種玩兒一次兩次還好，期望太高就呵呵呵了；

有些則壓根就是一次性的，比如次貸危機(但是泡沫這個現象本身則會不斷出現，嗯，這個另說)。當然如果夠牛逼，一次性事件也能賺到沒朋友，比如當年的John Paulson╮(╯_╰)╭；

那麼通過研究歷史能不能預測未來呢？

舉個栗子 ----&>

擲色子10000次，有多少次會是1? 答案永遠是1667次左右。那麼下次擲色子是不是1？不知道。

為什麼？經驗和常識 ^^

那麼我告訴你這個色子做了點手腳，6那一面(1的對面)比較沉，那麼同樣擲色子10000次，有多少次是1？答案是大概率多於1667次。 下一次擲色子是不是1？還是不知道，但是1的可能性比較大。

金融市場和做了手腳的色子有一定相似性：

(1) 市場本身具有內在的不確定性，不可能知道明天漲還是跌(內幕交易也有虧錢的^^)；

(2) 信息足夠的時候(知道了色子哪一面做了手腳)，獲得概率上的優勢是可能的；

所以我認為好的金融數據/信息服務應該給用戶帶來概率上的優勢。

PS:

A. 必須強調的一點是，預測模型也都是基於歷史數據的，而且模型本身會引入模型風險(基本假設不正確或者壓根沒假設，不斷變遷的市場環境vs靜態的數學模型等等)。所以很多時候不如把(很可能有用的)歷史信息直觀的呈現給用戶更合適。

B. 再加上每個人的背景千差萬別，學歷，經濟狀況，性格，風險承受能力等等，這些因素決定了幾乎不可能有一套交易體系或者交易策略能夠適用於每個人。對於單一的個體，如果想要從市場長期獲利，最終還是要自己努力去找到合適自己的方法。

C. 雖然不同的「流派」(基本面，技術面，量化，事件驅動，甚至是內幕交易)喜歡互相掐架，但是本質上都是期望通過某種方法獲得信息上的優勢從而獲取收益罷了。好的交易體系往往又是綜合多種類別的信息而構建起來的，所以優質的信息渠道相當於給了用戶一個額外的維度來參考，從而增加勝率/降低風險。

--------------------------------------------愉快的分割線-------------------------------------------

數據挖掘的價值與風險。

數據挖掘能夠發現事物之間的相關性，但是沒法給出因果關係。

從我個人的角度看，數據挖掘的作用主要有兩點:

(1) 找出相關性 ---- 比如感恩節前Amazon這樣的股票容易漲，通常總是比標普漲的好。

(2) 給出定量/半定量的結論 ---- 比如標普和恐慌指數VIX之間的相關性係數是-0.8左右，也就是說，標普漲的時候VIX很大概率會跌，但不是必然會跌。

以上兩個例子都可以看到明顯的因果關係或者邏輯聯繫：

(1) 感恩節剁手黨集體行動，Amazon當然要漲漲漲 ^^

(2) 上漲的時候市場情緒趨於穩定(泡泡除外), 而市場下跌尤其是大跌的時候，恐慌情緒會導致市場波動大幅放大。

但是也有一些數據挖掘得出的結論很難找到因果關係：

比如過去15年WWDC那一周，蘋果股票80%+的時候是收跌的 ---- 媽蛋開個破會股價就跌，憑什麼啊啊啊啊啊啊啊(廚子已哭蝦), 這個現象很難說出因果關係，有可能只是巧合，有可能是別的因素作祟，有可能只是大家認為開會就該跌所以就跌了。這個沒有任何因果和邏輯支撐的結論不太可能讓你開開心心的撿錢，但是有這個信息在，最起碼不會在WWDC之前買了AAPL傻傻的等著開會的時候股價漲。如果你有自己的交易策略/系統，而且你的交易系統正好在WWDC前發出做空的信號，那麼這則數據挖掘出來的結論可以成為你自己的交易系統的強力參考；反之，則有可能是你交易系統發出的信號的證偽。

所以，數據挖掘的價值在於能夠幫你在巨量數據中找到相關性(相當於一個過濾器了)，風險在於沒法得到因果關係，所以純粹指望數據挖掘來賺錢是不太靠譜的，但是可以作為一個額外的參考依據。

--------------------------------------------愉快的分割線-------------------------------------------

大多數用戶想要的是非常直接的利潤，也就是「24K純金」(這完全是不切實際的，呵呵呵)，而各種證券相關的軟體提供的往往是「信息」和「數據」，也就是「礦石」(當然戰五渣軟體也可能只是提供一堆破石頭哈哈哈WoW) ---- 這是用戶產生心裡落差的主要原因。

另外同一則信息對不同的人的有用程度是不一樣的，所以，用戶對此類軟體的合理預期應該是: 我有自己的交易邏輯/體系/理念/策略/想法，我需要一款APP來給我很方便的提供我所需要的信息從而讓我的交易能夠更加方便和理性。(翻譯：我剛從藍翔挖掘機學校畢業，你能不能告訴我在哪兒有可能找到金礦並且給我一台挖掘機？？？)

-----------------------------------------不怎麼--愉快的分割線--------------------------------------

沒錯，我就是傳說中的廣告~(≧▽≦)/~

Outliers Finance 致力於通過大數據技術挖掘信息之間的相關性，並且把這部分歷史信息客觀地呈現給大眾 ---- 是的，我們只負責挖掘提供和股價高度相關的歷史信息，不輕易進行亂七八糟的預測以免誤導和不必要的額外風險。

團隊全員已經決定全職回國創業，無論您是潛在用戶，投資人，數據商，各種合作夥伴，或是有意加入我們團隊，請用熱情洋溢的郵件擠爆我們的郵箱: contact@outliersfinance.com

---

謝邀。

因為沒接觸過這樣的APP，所以結論有些武斷。

如果是對短期（比如一周、一月內的）股價做預測的，可以肯定的說：沒效果。

簡單點說吧，現在對於短期股價預測的所有假設都是不成立的：

1. 有效市場理論（哪怕是弱有效的）就說明了歷史信息已經完全反映在股價上了。

2. 所有的各種技術指標來預測股價，也是基於未來股價是部分決定於歷史數據的。通過第一條就完全否掉。
3. 如果是通過基本面預測，那麼短期的股價符合隨機遊走理論，符合某種不為人知的概率。長期股價部分受基本面影響，但散戶有幾個能拿長期呢？（而且基本面的估值方法就那麼幾個，裡面也有各種假設（比如假設未來的收益率、利率等），我不覺得什麼APP能做這個事兒）
4. 如果是通過消息面，那就更呵呵了。真假消息，消息的好壞影響（這個也是見仁見智的）。。。靠這些預測股價還不如擲硬幣。裝著彭博、路透終端的交易員，配上能隨時找上市公司聊天盡調的研究員，也不能靠消息能賺錢，一個APP就能？

總而言之，我覺得這樣的APP就是個算命APP。當然，如果這個APP後面實際是Google Brain這樣的黑科技，真的發現了什麼股市的秘密，請及時告訴我。謝謝！

---

沒有效果,

從邏輯上講，開發此類app的初衷可能有以下幾種：1.從用戶身上賺錢 2.賺廣告費 3.賺投資人的錢。可你仔細想想，要是開發團隊真有能預測行情的模型，直接用來指導交易應該賺的更多。

從技術上講，據我所知，用數學模型預測市場動態可行，但需要極高的研究水平，多年的努力，這意味著很大的投入，此類開發通常由高水平的科學家團隊來完成，手機app開發團隊做不出來的。

所以, 你看..........

---

推薦閱讀：