作者：資管小生

來源：資管觀察（ID：xintuoguancha）

投資的重要基礎(chǔ)在于對市場態(tài)勢有更深刻的認(rèn)識或者深邃的洞見，從而捕捉更好的投資機(jī)會。這種投資的優(yōu)勢建立在很大程度上源于數(shù)據(jù)的支撐，要么基于現(xiàn)有數(shù)據(jù)進(jìn)行獲得更不一般的發(fā)現(xiàn)或者認(rèn)知，要么基于別人沒有的數(shù)據(jù)更先人一步知曉未來。對于前者來說，難上加難；對于后者，隨著監(jiān)管的嚴(yán)格和信息披露的規(guī)范，投資者之間的信息不對稱程度越來越低，市場越來越有效，所有近年來股票指數(shù)基金大行其道。不過，近年來另類數(shù)據(jù)的興起似乎可以幫助投資者強(qiáng)化數(shù)據(jù)優(yōu)勢，提升創(chuàng)造α的能力。

什么是另類數(shù)據(jù)？

另類數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)相區(qū)別，也就是說另類數(shù)據(jù)并不來源于政府部門公布的數(shù)據(jù)或者上市機(jī)構(gòu)的定期財務(wù)報告，從這個意義上看，投資者機(jī)構(gòu)現(xiàn)在所使用的絕大部分?jǐn)?shù)據(jù)都為傳統(tǒng)數(shù)據(jù)。另類數(shù)據(jù)本身是一個相對的概念，隨著另類數(shù)據(jù)的普及，其稀缺性不強(qiáng)后，就可能成為傳統(tǒng)數(shù)據(jù)；有些數(shù)據(jù)對于這家投資機(jī)構(gòu)可能是另類數(shù)據(jù)，但是對另一家投資機(jī)構(gòu)而言可能不是另類數(shù)據(jù)，因此是否為另類數(shù)據(jù)也要取決于數(shù)據(jù)的使用目的。從另類數(shù)據(jù)特征看，一是另類數(shù)據(jù)多是非結(jié)構(gòu)化的，在整合和處理方面存在難度。二是另類數(shù)據(jù)多是未經(jīng)過驗證，數(shù)據(jù)可靠性本身保證程度不高。三是另類數(shù)據(jù)所可能應(yīng)用的范圍較低，部分?jǐn)?shù)據(jù)僅可能反映了一部分個人或者企業(yè)活動。

目前，并沒有對于另類數(shù)據(jù)的權(quán)威定義或者分類，一般而言，另類數(shù)據(jù)主要包括社交網(wǎng)站信息、信用卡交易信息、定位信息、衛(wèi)星圖片等，所涵蓋的領(lǐng)域較為廣泛。根據(jù)摩根大通的分類，按照來源劃分，另類數(shù)據(jù)主要包括個人類數(shù)據(jù)、商業(yè)活動類數(shù)據(jù)、監(jiān)測類數(shù)據(jù)，個人類數(shù)據(jù)主要包括個人社交、網(wǎng)絡(luò)搜索、其他網(wǎng)絡(luò)活動數(shù)據(jù)；商業(yè)活動類數(shù)據(jù)主要包括商業(yè)交易數(shù)據(jù)、企業(yè)活動數(shù)據(jù)等；監(jiān)測類數(shù)據(jù)主要包括衛(wèi)星數(shù)據(jù)、定位數(shù)據(jù)等。

另類數(shù)據(jù)的興起主要與社會行為互聯(lián)網(wǎng)化、數(shù)據(jù)化以及數(shù)據(jù)分析技術(shù)成熟兩個因素具有很大關(guān)系。一方面現(xiàn)代社會信息技術(shù)日漸發(fā)展，諸如網(wǎng)民越來越多，智能手機(jī)使用更為普及，商業(yè)活動可檢測性越來越強(qiáng)，這些都會產(chǎn)生大量數(shù)據(jù)資源，IDC預(yù)測2020年全球數(shù)據(jù)量增速有望達(dá)到44%，我國數(shù)據(jù)量約占全球的20%，這些數(shù)據(jù)資產(chǎn)為洞見社會經(jīng)濟(jì)活動提供了有益的窗口，成為寶貴的社會財富。另一方面，數(shù)據(jù)本身并沒有什么特別意義，而需要工具從中開發(fā)寶藏?，F(xiàn)代數(shù)據(jù)分析技術(shù)日漸成熟，大數(shù)據(jù)模型、人工智能等日漸應(yīng)用廣泛，相當(dāng)于有了開發(fā)數(shù)據(jù)利器，幫助我們從而發(fā)現(xiàn)新的世界。

隨著另類數(shù)據(jù)需求的增大，另類數(shù)據(jù)行業(yè)蓬勃發(fā)展，全球另類數(shù)據(jù)提供商約為500家，自2005年后呈現(xiàn)快速增長態(tài)勢。這些數(shù)據(jù)商可提供原始另類數(shù)據(jù)，對于原始數(shù)據(jù)進(jìn)行加工處理，提供數(shù)據(jù)深度分析和策略咨詢等服務(wù)，幫助投資機(jī)構(gòu)成功利用另類數(shù)據(jù)捕捉投資機(jī)會。 

圖1：全球另類數(shù)據(jù)提供商數(shù)量增長趨勢

自本世紀(jì)開始，有關(guān)另類數(shù)據(jù)與資產(chǎn)管理的相關(guān)文獻(xiàn)逐步增多，諸如關(guān)注資產(chǎn)價格與社交網(wǎng)站情緒的相關(guān)性等文獻(xiàn)的出現(xiàn)，為對沖基金提供了探尋市場投資的新機(jī)遇。對沖基金以市場套利、尋求錯誤定價等為交易策略，獲取超額回報。尤其是近年來，對沖基金投資業(yè)績?nèi)諠u平淡，投資者滿意度下降，資金流入壓力增多，另類數(shù)據(jù)為對沖基金提升α提供了新思路，根據(jù)LS調(diào)查，約80%的對沖基金已經(jīng)使用了另類數(shù)據(jù)，約42%的對沖基金已經(jīng)深度使用了另類數(shù)據(jù)，不僅如此，近年來公募基金、PE機(jī)構(gòu)都在開始使用另類數(shù)據(jù)，早在2015年貝萊德就曾指出，若想獲得可持續(xù)的α，資管機(jī)構(gòu)必須不斷使用包括另類數(shù)據(jù)的在內(nèi)的大數(shù)據(jù)。

那么另類數(shù)據(jù)到底能夠為資管機(jī)構(gòu)創(chuàng)造哪些價值呢？其價值最主要體現(xiàn)在發(fā)現(xiàn)市場新機(jī)遇、強(qiáng)化投研能力。一方面，另類數(shù)據(jù)提供了資管機(jī)構(gòu)掌握市場動向的機(jī)會，可以領(lǐng)先一步，形成市場競爭優(yōu)勢，提前布局，提高創(chuàng)造α的能力。諸如，超市類上市公司一般披露業(yè)績較晚，之前都是根據(jù)超市停車場車輛判斷購物人群數(shù)量，進(jìn)而推測超市業(yè)績，現(xiàn)在更多使用衛(wèi)星圖像進(jìn)行分析。再如，美國某機(jī)構(gòu)根據(jù)特斯拉工廠的手機(jī)信號推斷汽車生產(chǎn)數(shù)量，提早預(yù)判其汽車產(chǎn)量。有利這些另類數(shù)據(jù)，在可以提早制定投資策略。不過，隨著另類數(shù)據(jù)的更廣泛應(yīng)用，另類數(shù)據(jù)所能夠賦予資管機(jī)構(gòu)的這種領(lǐng)先優(yōu)勢持續(xù)時間存在問題，而且有時候另類數(shù)據(jù)質(zhì)量可能存在問題，也無法幫助資管機(jī)構(gòu)獲取超額收益。另一方面，另類數(shù)據(jù)能夠幫助資管機(jī)構(gòu)更加深入地了解企業(yè)、行業(yè)和市場，提供了基本面研究的交叉驗證和佐證。諸如渾水作為知名做空機(jī)構(gòu)，其在盡調(diào)過程中，通常會使用另類數(shù)據(jù)，進(jìn)一步驗證上市企業(yè)對外披露的業(yè)績數(shù)據(jù)。根據(jù)調(diào)查，90%以上的對沖基金機(jī)構(gòu)都是將另類數(shù)據(jù)與原有的研究相結(jié)合，提高投研能力，夯實投資策略，提高獲取可持續(xù)α的能力。

調(diào)查數(shù)據(jù)顯示，75%的對沖基金應(yīng)用另類數(shù)據(jù)更加深入地分析特定行業(yè)或者領(lǐng)域，68%的對沖基金希望另類數(shù)據(jù)能夠為現(xiàn)有研究提供支撐，57%的對沖基金希望通過另類數(shù)據(jù)形成獨(dú)特的投資策略。不過，不同規(guī)模資管機(jī)構(gòu)對于另類數(shù)據(jù)的應(yīng)用側(cè)重點(diǎn)有所區(qū)別，諸如管理規(guī)模為50億美元以下的對沖基金更多希望借助另類數(shù)據(jù)加強(qiáng)行業(yè)和投資對象研究，而管理規(guī)模為50億元美元以上的對沖基金則更多希望利用另類數(shù)據(jù)形成獨(dú)特的投資策略。

雖然另類數(shù)據(jù)的廣泛應(yīng)用，對沖基金相關(guān)投入在不斷增大，統(tǒng)計數(shù)據(jù)顯示資管機(jī)構(gòu)另類數(shù)據(jù)采購相關(guān)支出到2020年可能達(dá)到17億美元。不同資管機(jī)構(gòu)支出規(guī)模有所差異，管理規(guī)模小于10億美元的資管機(jī)構(gòu)2020年支出規(guī)模預(yù)計約為16萬美元，管理規(guī)模在10-100億美元的資管機(jī)構(gòu)支出規(guī)模預(yù)計約為76萬美元，管理股民大于100億美元的資管機(jī)構(gòu)相關(guān)支出預(yù)計約為400萬美元。對沖基金未來另類數(shù)據(jù)支出增速在10%以上的占比達(dá)到89%?？梢?，雖然對沖基金當(dāng)前仍面臨較大的業(yè)績壓力和營收壓力，但是對于另類數(shù)據(jù)的支出依然保持較快增長，也是隱含了對于另類數(shù)據(jù)價值的認(rèn)可和期許。

圖2：資管機(jī)構(gòu)另類數(shù)據(jù)采購支出

另類數(shù)據(jù)具有較大價值，但是用好另類數(shù)據(jù)，加強(qiáng)相關(guān)風(fēng)險管理并沒有達(dá)成一致，這也是資管機(jī)構(gòu)最為擔(dān)憂之處。

如何選擇另類數(shù)據(jù)？一般而言，資管機(jī)構(gòu)的數(shù)據(jù)既可以自行累積，也可以通過外采實現(xiàn)，二者各有利弊，調(diào)查顯示，管理規(guī)模越小的對沖基金機(jī)構(gòu)自行累積的占比越高，這可能在于節(jié)省支出的考慮，不過自行累積和外部采購相結(jié)合仍是當(dāng)下資管機(jī)構(gòu)首先采取的策略。解決了數(shù)據(jù)來源的問題，那么接下來就是看下在多種多樣的另類數(shù)據(jù)分類中，該使用何種另類數(shù)據(jù)了。目前，對沖基金使用頻率最高的是信用卡交易等個人交易數(shù)據(jù)，占比為78%，其次為社交信息，占比為67%，云平臺信息和APP使用信息占比分別為59%和56%，定位信息和衛(wèi)星圖片使用量并不高，占比分別為43%和21%，是所有另類數(shù)據(jù)中應(yīng)用頻率較低的。另類數(shù)據(jù)使用廣泛度與數(shù)據(jù)質(zhì)量和應(yīng)用場景有很大關(guān)系，調(diào)查數(shù)據(jù)顯示，最精確的另類數(shù)據(jù)排名前兩位的是信用卡數(shù)據(jù)和網(wǎng)頁抓取信息，而最不精確的另類數(shù)據(jù)排名前兩位的是定位信息和衛(wèi)星信息。

如何建立另類數(shù)據(jù)管理流程？使用另類數(shù)據(jù)的難度要大于傳統(tǒng)數(shù)據(jù)，因此資管機(jī)構(gòu)首先需要明確另類數(shù)據(jù)戰(zhàn)略目標(biāo)。首先是要明確另類數(shù)據(jù)應(yīng)用范圍，如何配合現(xiàn)有投研體系，而不是眉毛胡子一把抓，另類數(shù)據(jù)也只是工具，配合做好投資決策，這也是使用另類數(shù)據(jù)的重要前提。其次是建立另類數(shù)據(jù)的管理流程，包括數(shù)據(jù)清洗、數(shù)據(jù)挖掘和分析、數(shù)據(jù)可視化、基于另類數(shù)據(jù)的投資信號和投資策略，從而實現(xiàn)完成的管理流程鏈條，如果沒有可靠的內(nèi)部管理，另類數(shù)據(jù)的價值和發(fā)揮作用可能大打折扣，甚至可能適得其反。最后，就是做好使用另類數(shù)據(jù)的人才儲備和資源投入。另類數(shù)據(jù)的復(fù)雜性，需要配備專業(yè)的數(shù)據(jù)分析師、數(shù)據(jù)挖掘師，這部分投入是繼數(shù)據(jù)采購?fù)度胫獾?，另外很大一塊投入。隨著另類數(shù)據(jù)的廣泛使用，數(shù)據(jù)分析師、數(shù)據(jù)工程師數(shù)量呈現(xiàn)爆發(fā)式上漲，相關(guān)人才缺口不斷增大。

圖3：另類數(shù)據(jù)崗位人才數(shù)量趨勢圖

如何管理好另類數(shù)據(jù)使用風(fēng)險？另類數(shù)據(jù)應(yīng)用還不成熟，不僅體現(xiàn)在技術(shù)方法上，還體現(xiàn)在監(jiān)管和法律法規(guī)上。根據(jù)對沖基金調(diào)研反饋，普遍對于數(shù)據(jù)保護(hù)和數(shù)據(jù)管理風(fēng)險感到憂慮。數(shù)據(jù)保護(hù)方面，目前大量另類數(shù)據(jù)涉及個人信息數(shù)據(jù)，目前美國、歐盟都在加強(qiáng)對于個人隱私數(shù)據(jù)的保護(hù)，相對另類數(shù)據(jù)的使用構(gòu)成抑制。2019年，我國多個公司涉及利用爬蟲技術(shù)獲取個人信息而觸及法律底線，充分值得重視，未來資管機(jī)構(gòu)需要充分保障所使用的數(shù)據(jù)來源依法合規(guī)。另一方面，另類數(shù)據(jù)需要借助復(fù)雜的信息科技技術(shù)進(jìn)行處理和建模，這其中存在較高的操作風(fēng)險和模型風(fēng)險，操作風(fēng)險來源于相關(guān)人員能力不足或者故意竊取商業(yè)數(shù)據(jù)；而模型風(fēng)險來源于在數(shù)據(jù)挖掘、數(shù)據(jù)建模過程中導(dǎo)致的錯誤，進(jìn)而可能形成最終投資決策的偏差。

注：文章為作者獨(dú)立觀點(diǎn)，不代表資產(chǎn)界立場。

題圖來自 Pexels，基于 CC0 協(xié)議

本文由“資管觀察”投稿資產(chǎn)界，并經(jīng)資產(chǎn)界編輯發(fā)布。版權(quán)歸原作者所有，未經(jīng)授權(quán)，請勿轉(zhuǎn)載，謝謝！

原標(biāo)題： 【資產(chǎn)管理】資管機(jī)構(gòu)如何利用另類數(shù)據(jù)提升投資業(yè)績？