跳到主要內容區塊
產業新聞
數據2.0時代:另類資料大數據分析
2020-07-30
在當今金融市場,如何找到獨特的資料是致勝關鍵。其中,透過大數據分析所產出的另類資料是一個愈來愈受歡迎的選項。另類資料來自非傳統資料來源,可為投資者提供資訊和獨特見解,為投資者更全面的評估合適的投資機會。另類資料涵蓋各種資訊來源,包括本地數位資訊(如網路流量、線上購買習慣和社交媒體活動),以及更精細的財務績效指標(如遠洋貨物和汽車註冊資訊)等,在未來幾年內,預計將達到17億美元的市場規模!

在資本市場領域,另類資料的重要性逐漸被認可。根據Greenwich Associates 2019年一項調查顯示,95%交易專業人員認為另類資料將為交易過程提供較高的價值,85%的銀行、投資者和資本市場服務提供者,則計畫增加在資料管理方面的支出。

個人認為,另類資料來自非傳統資料來源,未被充分發掘但可為投資者提供資訊和獨特見解,為投資者更全面的評估合適的投資機會。

這些新資料正是在尋找超額收益時的有力差異化因素,有愈來愈多的買方公司也正把這些資料用於定量和基本投資模型,以期超越市場表現。

舉例來說,納斯達克的平臺Quandl可將本地公司的資料集,透過分析後,用於建立投資模型。例如,Quandl正與美國的大型保險公司合作,獲取有關購買新車的保險單。此舉將有助於用戶搶先在取得汽車製造商報告之前,即能準確地評估汽車銷量。而此類型的資料,對於很多需要汽車行業洞察的投資者(如對沖基金經理等)而言具有相當重要的價值。

在亞洲,納斯達克正在開發客製化的資料產品,並與本地金融技術公司和其他創新的本地供應商,建立合作夥伴關係,將這些供應商既有的核心資料和另類資料移轉到Quandl平臺。

●「找到資料」還不夠

也因為投入更複雜的技術,我們的資料既可以支援短期交易策略,也可以為諸如機構投資者等提供長期建議。Greenwich Associates的另一份報告顯示,74%的受訪公司認為,另類資料正對機構投資產生重要影響,有大約30%的量化基金認為另類資料帶來了至少20%的超額收益。但是,「找到」資料並不是全部。只有對資料進行合理解讀、分析,這些資料才有意義。另類資料缺乏結構、沒有固定模式、快速產出,本質上就比財務資料更難消化。所以,投資者對於能協助做資料管理的分析平臺、測試工具、高流動資料架構以及資料科學團隊等人才與技術的需求也在增長。

先進分析技術與機器學習、自然語義處理等人工智慧技術,對資料分析至關重要。機器的處理速度是人的大約2,000倍,可以不眠不休地消化大量資料。在投資過程中,人工智慧加持下的資料處理,可以加快策略的產出速度與品質,幫助投資經理建立長期競爭優勢。

個人認為,只有對資料進行合理解讀、分析,這些資料才有意義。另類資料缺乏結構,沒有定式,快速產出,本質上就比財務資料更難消化。

雖然有一些組織已經開始引入人工智慧的模型,但資料產生的洞察與預測能力的專業性,也可能會帶來一些運營、監管和技術風險。現在,整個行業還處在發展中的階段,風險管理是否高效,將是未來人工智慧應用成功與否的關鍵。

另類資料與人工智慧正驅動著投資研究的未來,而資料提供商們也有機會幫助資產管理行業。我們未來可能會發現,很多投資組合經理將不那麼依賴賣方資料進行研究,而會開始自己的研究,加大對資料專家與技術的投入,並與供應商合作開發需要的資訊與分析工具。
點閱次數:58
頁首