烯牛数据创始人兼CEO李锦香：大数据助力一级市场量化投资

数据猿导读

 

目前人工智能投顾主要集中在二级市场，因为一级市场数据不透明，大量企业信息以文本形式存在，数据抓取难，数据甄别难，所以一级市场很难用量化方式利用机器自动投资。

作者：李锦香

如今，随着社会不断发展，技术不断进步，国内外各大金融机构已经在大数据、人工智能、区块链等新技术上有很多尝试，智能客服、智能投顾等新金融形式也早已不新鲜。那么，这些前沿新科技遇到严肃谨慎的金融业，究竟是“黑科技”般的存在，还是技术宅们的另一场狂欢呢？

4月25日，由数据猿主办的《当金融遇上黑科技》线下主题沙龙活动在上海腾讯众创空间顺利举行。活动上，来自传统金融机构、金融科技领域新秀、大数据与人工智能专家等一众大咖汇聚一堂，畅聊了大数据、人工智能、区块链等“黑科技”与金融业的那些事！

以下是由数据猿精编整理发布的 烯牛数据创始人兼CEO李锦香 的精彩分享：

分享长度为1700字，建议阅读3分钟

今天要跟大家分享我们在一级市场中量化、投资的探索。刚才主持人说到量化投资，大家第一反应都是二级市场。一级市场到底能不能用量化的方式让机器自动投资，我觉得答案肯定是不行的。

主要是因为一级市场的数据极不透明，而且公司大量的信息是存在文本当中的，本身对信息提取就很困难，甄别就更难了。

我们希望通过大数据的方法，帮助一级市场的创业公司或投资人，进一步提升工作效率。这是我们的定位，或者说是在探索一级市场的量化投资。

我们公司2016年6月份成立，现在快一年了了。我以前做过VC，也做过管理咨询和百度的产品。我们技术团队有多年经验的CTO，也有数据科学家。

为什么我们想做这样的事？说实话，我在创业的时候没有想太多，主要是因为我2012年开始做投资，当时VC还是一个让很多人觉得陌生的事情。包括很多创业者找我融资的时候，我要给他讲天使轮和A轮有什么区别，当时很纯粹的大家从天使轮做起，然后A轮、B轮、C轮，之后该上市上市该倒闭倒闭了。现在融资也很复杂。天使轮之后有Pre­A，B轮之前有一个Pre­B。

在市场发生巨变的过程中，投资人以及投资机构的工作效率变得越来越低。但是他们的工作方式是一沉不变的，甚至越来越懒。因为围绕投资人的业态开始纷繁复杂起来，媒体也越来越多。

这个时候我就在想为什么不能用机器提升效率，比让投资经理做的常规任务：每天更新表格，筛选符合我们的项目。这个工作就可以让机器来做，所以我就有了烯牛数据。我们7月上线，11月拿到了天使轮，然后开放注册。

首先我们需要一个数据库。2015年你之前，是IT桔子独霸天下。但是从下半年开始，出现了大量和我们类似定位在一级市场的公司。有这样的变化，我认为很大程度是因为数据源增加了。2014~2015创业火了，大量的业态生产，随之而来的就是和创投有关的数据源增加。

我们底层数据库大概有20万家左右的创业公司。从新增量的角度来说，每天新增公司两三百家；从新闻角度说，每天新增的新闻条数大概六七百条。存量和增量上，2015、2016年探索数据库的公司大家做的是差不多的，有很多爬虫扒完做聚合，区别是应用场景不一样。

我们的核心技术是投前发现领域。我不鼓励用户只是把数据库用来搜公司名。我们希望将数据库应用在投资人早期找案子的过程中。大多数人在看项目的时候都会有自己关注的领域。比如现在大家关注的人工智能，能不能有产品可以提供这个领域的公司，多少家团队比较好，最好还可以看到业绩比较。

所以，我们在数据库的基础上做了一些所谓的量化分析，量化投资的探索。我们用标签体系做探索，共有两大类标签：一类是灰色的描述性标签；一类是评价性标签。这是我们烯牛的特点。

通过描述性标签可以知道这家公司的业态，同样可以看到类似业态的公司。通过评价性标签，我们可以知道这家公司团队是否优秀。

另外我们还有一个探索。有的人希望设定好关注的领域，机器可以直接搜索符合条件的公司，理论上不会错过任何一个好的项目。这是我们做的非常好的功能­­私人订制。当然这也是基于标签的。

我们还会对整个行业进行追踪。我们抓取了市面上近百个媒体源做了一个根据行业的自动分类。选择行业后，相关的新闻都能够及时的看到，有点像创业版的今日头条。

关于我们投前投资人找项目这块的产品设计，不光投资人在用这个产品，包括很多创业者也在用。很多人通过私人订制的功能监测自己的竞争对手。因此，应用市场不仅仅局限于投资人。

而投中推进就只局限于投资人，这是我们做的一个面向投资机构的项目管理功能。它最大的亮点就是一键录入。我们还有投后管理，它最大的特色就是追踪。往往很多投资人把钱投出去后就不太管这个项目了，这是很危险的。我们会有机器帮助追踪你投资的公司是不是有异动。这个功能未来会开放成一个更广泛适用于更多的人功能，这可以认为是类似创业版情报的东西。

另外还会有我们内部管理的模块。这个其实是统计，但又不仅仅是统计，因为核心还是基于大数据。来去对早期的非上市的公司，基于文本做各种各样的处理，表现的形式，很大的核心是标签。我们去评价它、描述它，我们在上面叠加一些功能，帮助大家做基于数据的发现和追踪。

数据猿《超声波》大型季度

主题策划活动

【金融+大数据】征文、征案例正在进中......

（快戳图片查看活动详情）

本文编辑：文璟

推荐阅读：