唐骏随车吊程力2吨霸龙吊实行三包服务一年或三万公里

采用唐骏国五T3底盘，云内95马力（国五），7.00钢丝胎。ABS。原厂方向助力，200双层大梁，5档工程大梁，后桥1069.

厢体采用：货箱长度3450长×2050宽×400高（mm）,箱体材料采用国标碳钢，底板采用3毫米厚度平板。

大数据告诉你背后的规律　　通过文本信息可以分析出难得到的情绪。在数字世界里，通过建立关联关系、因果关系等，可以基于海量数据和不停更新的算法，通过读懂“情绪”，理解人们行为背后的驱动力，进而对投资或抛售的行为做出解释。　　本报记者 张佳星　　特朗普胜了大选，川大智胜涨6%以上；希拉里输了，西仪股份跌9%；文章出轨，伊利股份却因为文章的妻子是马伊琍而上涨……中国股市的“奇葩”表现让人直呼“看不懂”。　　这些看似不符常理的事件是不是就出离了经济学规律？北京大学国家发展研究院（以下简称“北大国发院”）经济学教授沈艳认为“并不是”。　　近日，北大国发院发布中国投资者情绪指数。沈艳说：“通过网络大数据、模型和算法等复杂运算得出的投资者情绪指数，可以帮助研判宏观经济形势、理解金融市场。”也就是说，掌握了足够的数据，进行深度分析，“奇葩”事件是可以找到缘由、并作出研判的。　　有了大数据的手段，北京大学的经济学家们和大数据企业正在共同探寻“不符常理”背后的经济学规律。“这仅仅是开始，团队后续还会利用网络大数据和的人工智能方法进行系列指数研究，对于我们理解本土金融市场，特别是股票市场提供帮助。”北大国发院院长姚洋表示，指数用了很多大数据深度学习和机器学习上的方法，研究获得了大数据公司百分点公司在技术上的支持，这也是一次很好的产研合作研究的探索。　　大数据“看脸色” 情绪里“暗藏”股价线索　　“伊利上涨的部分原因是由于舆论和伦理站在了马伊琍这边。”沈艳说，在一些网站上，可以看到马伊琍的声援者表述：我们都在声援马伊琍，如果你也痛恨小三，请支持伊利股份。　　买股票不是因为看好企业本身，此类投资者被研究者们称为“噪音交易者”。“他们的情绪显然是非理性的，但一定会对股价造成影响。”沈艳说，为了对这样的影响因素做出度量，研究团队收集了网络上能够反映投资者情绪的上亿条数据，采用深度学习的方法，来度量投资者的情绪。　　投资者情绪并不是个案，一些事件对于股价的影响，在初几天经常是由情绪带入。百分点董事长兼CEO苏萌举例道，13日美联储大幅升息以及此前几天的暴跌，都引起了相关论坛或网站上的情绪反应，也引起了道琼斯指数的下跌。　　“恐慌情绪会蔓延。”苏萌指出，一些情绪如果拥有了“群众基础”，将变成可以进行分析的数据，并“暗藏”股价线索。他解释：“比如说大跌、美联储加息，我们在微博、论坛里都能看到大量情绪信息，我们用自然语言处理技术处理这些杂乱无章的信息，让算法能够识别和分析。”　　苏萌介绍，判断的基础包括对分词的准确率和实体的识别率。百分点的分词准确率做到了98.97%，在实体识别的准确率上做到了91.45%。　　“通过文本信息可以分析出难得到的情绪。”苏萌说，在数字世界里，通过建立关联关系、因果关系等，可以基于海量数据和不停更新的算法，通过读懂“情绪”，理解人们行为背后的驱动力，进而对投资或抛售的行为做出解释。　　算法“同传”不解渴 用中国金融情绪词典注解　　从海量信息里读懂情绪，的挑战是准确。　　“‘这可真是好啊’，这句话在中国的大部分语境中，是一句有讽刺意思的话。”沈艳说，团队面对的上亿、零散、杂乱的用爬虫技术归拢来的网爬信息，而让计算机对如此海量、如此不同（来自不同说话习惯的人）的词句都进行理解，　　并能够与说话人想表达的意思“没有偏差”，是其中艰难的部分。　　很显然，已经成熟的国外文本分析算法仅能用于参考，用它们来“算”出中国话的特定含义很难不偏差，甚至可能“算晕”。“大多数算法是在英文语境中开发的，我们做了实验，表明把它们拿到中国金融市场上来用，准确度很难让人满意。”沈艳说。和教小孩子一样，团队先给完成特定任务的机器一本准确的“词典”。“针对中国股市的情绪，我们做了一个可以应用的产品，叫做中国金融情绪词典。”　　北大国发院经济学博士陈赟表示，英文单词是有限的，中文的词语却是无限的。同为金融领域的英文词典可以迁移过来，但词典法之外，团队还采用了同义词技术等帮助机器理解词典之外的词，以及它们与哪些词语拥有情绪上的相似特征。　　此外，为了让机器对情绪的把握更准确，团队还通过人力找出部分词语交给机器学习，通过小样本（相较于网爬样本，人工标注样本量小）标注集，完善机器对整个大数据的理解。“例如‘庄家’在经济学领域是特定含义，但经常会被网友写作‘庄稼’，也可能被错写成‘押家’。”沈艳举例道，“根据上下语境，一些和庄家没有任何关系的词，我们的算法也可以判断出来，这也是我们能有所突破的原因。”　　“人工标注的质量是非常重要的，有一些词典之所以不太好用，就是因为标注的质量不能。”百分点集团科学家杜晓梦评价，算法获得结果的准确与机器对所学数据的理解关系密切。　　语言的时代特点也是团队需要考量的一个因素。陈赟说：“近些年，我们的语言变化非常迅速，现在00后用的语言和我们似乎不是一套语言，他表述正面情绪和负面情绪的方式与传统词语也大相径庭。”　　为此机器也做了相应的学习。陈赟解释，“算法会利用句子结构去推测着理解，在学习了一段时间之后，机器会通过位置等信息判断，但不会看词语。例如‘割韭菜’这个词，随后变成‘香菇’‘西红柿’……只要结构相仿，也可以识别出语句中的情绪。”　　AI能指导投资 预测力仍在“修炼”　　通过与历史事件的匹配，研究团队检测了投资者情绪指数的可用性。算法构建的模型将2008年到2018年的网上信息作为数据库，进行指数分析，用一个折线图反映。其所绘制的转折点与历史事件时间点相一致。　　沈艳展示的比对图显示，2015年6月中旬到7月初的投资者情绪指数负值，对照股市记录，这个月的股指下跌三成。此外，对其他标志性事件，情绪指数也能够做出准确的推断。人工智能（AI）的模型能计算出投资者情绪，除了对已发生情况有所反应，还会揭示对未来市场信息的预测。沈艳说：“能在一定程度上反映投资意愿和投资者对市场预期，进而对于收益率，对于波动，对于交易量都有一定的预测能力，并能够判断发生的程度。”　　“投资者情绪指数的预测准确率和国外同款相比还是不错的。”沈艳介绍，团队将通过机器深度学习训练出的模型用以预测（数据采集时）还没出现过的股票行情，准确率超过80%。　　目前，研究团队已收集了全网A股所有上市公司的相关文本数据，可以针对不同企业、不同行业给出情绪的数据度量。沈艳表示，该指数预期将持续发布，至于能不能为投资者指导投资，预测能力到底有多少，还需要进一步量化，进一步研究。　　沈艳强调，无论应用上能发挥多大效能，在学术研究方面，给学界理解中国股市的所谓“奇葩”提供了新视角，可以为金融机构和资产管理部门提供参考。