京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的智慧投教
在上海证券交易所“做理性的投资人”投资者教育与保护主题系列活动中,涌现出了一批优秀证券公司投教作品。在“投资者教育与保护宣传月”期间,我们将专栏选登获奖作品和业内投教投保工作的经验与思考。保护投资者合法权益是资本市场建设的永恒主题,投资者教育与保护是一项长期的工作。我们希望通过传递呼声、交流经验,能引起市场各方的进一步关注,激发各方的努力,共同将保护投资者权益这项工作做深做实,切实维护好投资者尤其是中小投资者的合法权益。
机器人AlphaGo战胜了顶尖棋手已成旧闻,近来证券业内又有某大投行研发出智能金融机器人高效代替专业金融人士工作的新闻传出。在基于大数据分析的“互联网+”以及智能机器蓬勃发展的时代,投资者教育如何更有效地开展,成为上海证券交易所“做理性的投资人”颁奖大会圆桌论坛上与会嘉宾共同关注的话题。
“目前市场上投资顾问与投资者的比例是1:3000,服务能力存在巨大瓶颈。”广发证券总裁助理兼零售业务管理总部总经理王新栋在圆桌论坛上介绍道。在这样的大背景下,广发证券推出了贝塔牛机器人投顾,通过相关应用,为投资者提供更为专业化的服务,成为有效的投资者教育抓手,大大缓解了投资顾问服务覆盖不足的缺陷。此外,“我们正在着手打造基于大数据与智能客服体系的智能客服,以文字或语音等多种方式实现人机互动服务。客户通过广发证券APP、微信、短信等各终端以文本或语音格式咨询信息时,系统返回与客户查询相关的数据、内容。”王新栋表示。同时,广发证券也率先在业内推出“有问必答”在线答疑系统,由近7000名理财顾问全天候7*24小时,10秒内响应投资者需求,对全市场免费开放,做到了及时高效的咨询答疑与服务,2016年全年答疑数超过450万条,有效地解答了投资者疑惑,及时服务投资者。
在证券公司的实践中,大数据不仅仅可用于投顾服务,还成为让投教工作有的放矢的重要手段。东北证券副总裁郭来生介绍说,2016年,东北证券通过iPad移动终端、微信平台等渠道,举办了“栀子花开”系列证券知识竞赛活动。活动采用线上线下结合的方式:线下竞赛采用“答题PK”模式,投资者通过激烈的角逐产生冠军;线上竞赛采用“有奖通关”模式,投资者通过答题,层层通关赢取奖品。郭来生表示:“在公司活动期间,公司充分运用大数据思维,对投资者的答题情况进行汇总和分析,定位投资者金融知识的薄弱环节,为今后精准开展投教工作提供了重要的依据。”这样的有益探索,也让东北证券获得了上交所颁发的“特色投教活动创新奖”。
华泰证券经纪业务总部总经理孟庆林在发言中说道:“90后年轻一代对智能投顾的需求也有一定比重。未来对这部分人的服务,要适应其需求,做好准备,为新一代投资者做好服务。”目前,华泰证券已通过移动终端“涨乐财富通”创新了投资者教育模式,打造涨乐FM、乐米游戏等结合新媒体的投教平台,运用新形式新工具提升公司投资者教育水平。“让投教‘润物无声式’地融入到投资者的日常化、碎片化的游戏、休闲之中。”孟庆林这样表示。
海通证券也同样看到了“互联网+”时代投教创新的巨大空间。海通证券零售与网络金融部总经理许锋介绍说,互联网时代给投教带来新的契机,以前投教采用的是传统方式,新一代的投资者涌入后,内容上逐渐以他们为中心,涵盖的内容更多元化,新的服务也会嵌入。海通也开始准备做移动互联网的投教平台,在“e海通财”APP上设置了“学堂”专区,把一系列投教产品放在上面,提供给投资者进行学习和参考。“我们下一步的计划是做大金融教育平台,投资者未来不仅仅能够在海通证券的投教平台上学到关于证券的基本知识,更能学习到融资租赁、投行业务、资产管理、债券融资等内容,由浅入深,丰富投资者教育内容。不同类别、不同知识层次的投资者都能够在我们的平台上获取相应的资源。”这是海通未来投教工作的愿景。
在上交所“做理性的投资人”活动评选过程中,上交所发现有越来越多的证券公司开始在投教工作中顺应时代发展趋势,积极尝试应用大数据分析服务投资者,并将其作为投教工作的重要抓手。与之对应的是,“互联网+”时代,在快速、多维度响应投资者需求的同时,如何更有效地将“树立理性投资理念、提升风险防范意识”巧妙融合进各种先进的投教工作和方式中,也是值得包括证券公司、交易所在内的市场各方进一步思考的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19