▷是新朋友吗？记得先点关注「探普学堂」

在阅读尽调报告或者观看量化资管人路演时，你很可能会听到他们说自己会使用大量的另类数据。

你也应该听到过这样的观点：「减少研究人员在获取数据与数据可用性之间的时间成本，已成为竞争优势的关键来源。」

「在量化基金在分析来自社交媒体的实时数据时，处理庞大的非结构化数据集变得越来越重要。」

量化投资者们提到的另类数据，到底是什么？（内容由AI量化投资社区BigQuant发布于其他三方平台）

我们把另类数据换成另外一种说法：除传统量价数据之外的大数据，是不是就很好理解，对冲基金使用这些数据的成因？也能理解另类数据就是未来？

这些另类数据与传统的基本面、财务、历史行情等金融数据相比，具备实时性高、数据量大、「原始」等特点，可以为投资者提供更广泛的交易思路、更多维的分析角度，因而用另类数据更为准确。

我们发现当前各家券商研究所已经默默组建了另类数据团队，当然这与买方的需求紧密相关，也与整个行业发展趋势相关，如九坤投资创始人王琛说，随着信息来源的扩大，信息提取能力的提升，是量化投资行业发展的核心引擎。

01：三类另类数据已成体系

另类数据主要包含以下三种：

个人产生的数据：社交媒体帖子、产品评论、互联网搜索趋势、信用卡数据等，这部分通常是非结构化的数据，需要大量的数据清洗。

由业务流程产生的数据：公司工商数据、专利数据、尾气数据、招聘数据、商业交易、事件数据、招标数据、阿里巴巴、京东、美团等电商平台数据、app排行榜、直播和搜索指数数据等，这部分通常是高度结构化的数据。

传感器产生的数据：卫星图像数据、行人和车辆流量、船舶位置等，地图数据。生成的数据通常是非结构化的，数据会比较大。

第三方数据：分析师研报情感数据、一致性预期。

02：主观、量化都在采用

可以为投资者提供更广泛的交易思路、更多维的分析角度，因而用另类数据更为准确。

另类数据不会替代传统金融数据，但随着大数据技术和人工智能技术的发展，另类数据的价值会越来越大。

不同的投资类型，对于另类的数据使用不太一致。

对于主观投资来说：销售数据不管是停车场卫星还是类似yipitdata这些创建出来的，都是他们感兴趣的。（注：yipidata是另类数据提供商）

量化的投资人会更关注可以在产生日内信号的，比如舆情，严重延迟的不大会是他们的菜。

03：另类数据4个关注点及3大挑战

选择另类数据的时候，可以关注以下一些关键点：

数据频率：可日内、每日、每周，甚至更低的频率。

延迟：数据提供程序通常批量提供数据，可能会出现延迟。

格式：必须以合适的格式提取数据，最好是CSV或JSON用于静态数据。

API(应用程序编程接口)应该最好不要导致额外的延迟，最好能够灵活地适应不同的编程语言。

九坤投资创始人王琛认为未来AI大数据量化面临的挑战有：

多模态化挑战：模态化的数据需要多模态的算法来解决；信噪比低,覆盖股票数量要求高。

数据质量的挑战：数据源本身的错误或噪音；数据提取、更新的异常；数据在时间序列要求

处理速度挑战：低时延+海量数据+7X24

04：适用于AI量化

如果我们把量化投资分为三个阶段：

阶段1：量价数据+人工挖掘

阶段2：量价数据+AI算法挖掘

阶段3：大数据+AI算法挖掘

另类数据（大数据）的复杂性和体量，比如图像、社交媒体和新闻稿这样的数据，用分析师的标准工具是不可能的，使用简单的线性回归往往也会导致过拟合或不一致的结果。

同时，深度智能的发展，可以在数据清洗、数据关联、数据推导、建模都建立在智能化基础上，通过深度学习归纳知识图谱，生成交易策略。

所以另类数据因为量大比较适用于机器学习，这些模型包括：

监督机器学习：回归、分类；

无监督机器学习：聚类、因子分析;

以及深度学习和强化学习方法。

05：量化产生的信号方向

个股择时：比如对消费行业的上市公司业绩作出前瞻性预测，或者通过地图、点评等渠道的POI数据，获取线下店铺的扩张和关停情况。更多针对部分行业及个股，高低频不一。

全市场选股：比如互联网舆情数据，针对的是全市场上市公司，每天都会产生，比较适应于全市场选股。

因子构建：这些另类数据夏普比率也许不够高，难以产生独立的投资策略，但数据本身非常有价值，可以与其他信号结合，以产生一个新的可行的投资组合水平策略。类似市盈率PE可能有相当低的α含量，不可行作为一个独立的战略，但它可能仍然是有用的多元化风险溢价投资组合。

最后，我们想说的是不管正常数据也好另类数据也罢，最关键还是数据的权威性和有效性。不明所以的数据，就算短期通过拟合看似能产生正向收益，却难保日后依然有效。