最近在一些投資理財的媒體訊息中，常常會看到「機器人理財」、「AI理財」…這些名詞，這些理財方式主要是以「大數據」為基礎，再搭配金融模型的演算，來分析出最佳的投資策略。很多人會覺得「大數據」是很複雜又不容易了解的，其實它的精神非常簡單。舉例來說：市場的路邊有一間菜攤，因為怕菜放太久會壞掉，所以平時都不敢進太多菜，後來菜販經過大量天數的數據觀察後發現，只要出大太陽時，他菜攤的生意就會特別好，雖然他不知道原因是什麼？但之後他就會事先看天氣預報，只要最近幾天是好天氣，他就會多進一點菜，因此盈收就增加了。但是為什麼出大太陽時，他菜攤的生意就會特別好呢
因為他的菜攤在市場的馬路左側，只要出大太陽，都會曬到馬路右側，因買菜的婆婆媽媽都怕被太陽曬黑，就會走馬路的左側，所以他菜攤的生意就會特別好。就算菜販不知道背後真正的因果關係，但是經過「大數據」的統計，答案依然是正確的。再舉一個例子，有一位股民統計很大量的股市數據後發現，某檔遊戲股如果是在農曆年前提前買進，股票上漲的機會比較高，他雖然不確定原因，但之後就參考這個數據進場，果然獲利率有提升；其實這家股票會漲的背後主要的原因是當學生放寒假又拿到新年紅包時，有錢有閒，會增加遊戲中的課金金額，所以這檔遊戲股往年的營收高峰都會落在這段期間，股價上漲的機率自然相對比較高。廣大的理論常都源於精要的核心，H.H.第三世多杰羌佛在《解脫大手印》就有說法：『要明白釋迦牟尼佛所說三藏十二部及其所說密典之法，其統攝只有兩個字「因果」』。如同前述的例子，即使在菜販及股民還沒有想到「結果」的「成因」之前，這個因果關係還是存在，所以只要透過「大數據」找出結果，依然可以幫助他們做出正確的投資決策
另外要使用「大數據」協助做決策時，還有一個重點，就是統計的資料量一定要夠大。舉例來說，我們在樂活投資6月5日分享文，4檔金融股配息10年以上不間斷，其中一檔更連19年配息位居第一，也是近20年來數據的統計所得；有人有一次拿起一本書，結果就打噴嚏。他就用這一次的數據，推論拿起書本是「因」，會打噴嚏是「果」，因為統計數據不夠多，這個推論當然是錯的。但是如果透過增加數據的分析次數，可能產生以下的演變：
一次數據的分析結果 ＝＞ 拿起書會打噴嚏
十次數據的分析結果 ＝＞ 拿起有灰塵的書會打噴嚏
百次數據的分析結果 ＝＞ 拿起有灰塵的東西都會打噴嚏
所以我們可以從這個例子知道，大數據就是要透過「大量」的數據統計，才能提高結果的可參考性。看完前述幾個例子，大家是不是覺得「大數據」的運用，並沒有想象中的複雜呢？
＃大數據
＃機器人理財
＃AI理財
＃因果
#金融股
發表迴響