四年前，一篇宁波证券的内部报告被泄露；这篇报告被推到更广泛的读者面前后，内容所呈现的是宁波证券推崇的股票分析家：“他其实是行业知名人士的拜师学徒，这些人大多是国内著名的做空者；他们门下弟子已经笼罩股市风云数十年，甚至有的事业单子从80年代精细打法至今；有的则是跳入港股、美股等国际市场，胡乱乐观之中闷声赚得一大波钞票。”
就在几年之后，李彦宏创办的度小满也采取了同样的做法：邀请一众证券分析师吃饭，接着感觉比较合适的，就会被收入机器学习的模型库中去，在其基础上，扩展出多个定制化 K 线模型，而吃饭的资费，大部分则由分析师自己出。在这种情况中，被选中的股票分析师就成为了一种从业者，其受雇方向度小满公司支付机器学习的模型费用成为代表公司签订的一份合同。
股票交易的本质是什么？是流动性的变现。除此之外，市场也需要分析师、投资顾问、行情预测成功——这些人会帮助资产提供商和资产持有人之间形成信任，给市场提供一个数据层面的解决方案。
因此，各种股市神仙和分析大师就有了市场空间；借助于机器学习，证券分析家们的作用更加明显了。
股票分析家的角色是做出分析，提供建议（基本分析涵盖的还是相对宽泛的范围），并从动态的高频数据中发现投资机会。虽然分析师之间经常会产生共鸣，但其实他们通常是各自独立操作，以便形成互补的投资策略。而这些分析师的经验和知识，只有通过博客、 YouTube 直播和社交媒体才能分享给其他人。
这个领域的行业成熟度为什么那么低呢？也许是因为太多人对于股市的投资和股票行情都不太敢肯定；或许是因为没有一种像上述机器自动优化投资组合这样能够降低人为失误率的工具；但最重要的原因，可能是阻碍了人们风险投资的信心不足。
