另类数据：理论与实践

所谓另类数据，就其本意，就是非传统数据。目前业内对于另类数据并没有统一的定义，大体上可以理解为有别于传统数据同时有价值的数据和信息。当下越来越多的数据渗入我们的生活中，但是数据本身具有洞见的时候才会有用。随着人工智能和机器学习的发展，我们可以从看似杂乱无章的海量数据中提取特征，云计算的发展也可以有效管理此类数据流，并且高效地训练模型。从国际范围来看，诸多不同类型的另类数据已经应用到与经济相关的很多领域，包括太空中卫星传来的图像，社交媒体上的帖文，大型商场中的客流量等，不一而足，但是中文图书市场尚未有书籍对另类数据进行系统性地讨论和分析，而本书就弥补了图书市场的这个空白。 本书共有8章。第1章到第6章详细介绍了另类数据的概念、分类、挑战和风险、应用流程和价值等方面的内容。第7章和第8章则分别介绍了不同类型的另类数据。

王闻，南开大学经济学硕士，清华大学数量经济学博士，曾在金融业界和智库中工作，现任哈尔滨工业大学副教授。 孙佰清，哈尔滨工业大学硕士和博士，现任哈尔滨工业大学教授和博士生导师，金融研究所所长，金融系主任，发表SCI/SSCI检索等论文60余篇，荣获第一届全国优秀金融硕士学位论文指导教师等奖项，出版专著2部。

第一章 地震和闲聊 001 一、宽客地震 002 二、闲聊公司 005 第二章 另类数据：投资的新水源 011 一、什么是另类数据 012 二、另类数据是大数据吗 015 三、为什么要使用另类数据 020 从主动转向被动/ 业绩不佳的原因/ 解决方案：成本竞争对比另寻 他途/ 另类数据：替代性对比补充性/Alpha 以外的因素 四、另类数据生态圈 031 数据初建商/ 数据中介/ 数据服务商/ 数据使用者 五、数据市场 038 六、创新到哪里了 041 创新者/ 早期接受者/ 早期多数跟进者/ 后期多数跟进者和落后者 第三章 另类数据的分类 047 一、基于数据供应商的角度 048 二、两家数据服务商的分类 050 Neudata/Eagle Alpha/ 一些另类数据的优点和缺点 三、基于数据使用者的角度 062 资产类型 / 投资关联性 / 价值属性 / 成本属性 / 处理阶段 / 数据质 量 / 技术细节 第四章 另类数据的挑战和风险 071 一、另类数据来源的法律问题 072 个人数据 / 网页抓取 / 重大非公开信息 二、处理另类数据中的挑战 075 实体匹配 / 数据匹配 / 缺失数据 / 缺失数据处理 / 异常值 / 结构化数 据 / 面板结构稳定化 / 去偏 / 汇总数据 三、如何评估另类数据的价值 089 直接和间接预测 / 金三角事件研究方法 / 评分卡 / 评分卡：一些案例 四、使用另类数据的风险 099 早期使用者面临的风险 / 落后者面临的风险 第五章 使用另类数据的流程 105 一、获取数据之前的流程 107 制定相关战略和策略 / 确定适当的另类数据集 / 供应商尽职调查 / 事前评估风险 / 事前评估信号 二、获取数据之后的流程 111 载入数据 / 数据预处理 / 提取投资信号 / 业务部署 / 运营维护 三、搭建另类数据团队 118 四、数据产业供应链 125 第六章 另类数据的价值 129 一、价值变化 130 价值衰减 / 价值维持 二、数据的估值方法 133 成本价值（Cost Value） / 市场价值（Market Value） / 经济价值 （Economic Value） 三、投资中的回测 139 量化投资者 / 主观投资者 / 风险经理 四、回到卖方 143 垄断 / 收益分享 / 免费和软美元 第七章 一些另类数据的介绍 151 一、文本数据 152 网页数据 / 新闻 / 社交媒体 / 联储沟通 / 应用场景 二、图像数据 177 卫星图像 / 个人图像 三、位置数据 196 手机位置 / 商船位置 / 商务飞行位置 / 出租车乘坐数据 / 其他传感器 数据 四、调查和众包数据 210 调查数据 / 众包数据 五、投资者关注 225 间接指标 / 直接指标 六、消费者交易和商业交易 231 银行卡交易数据 / 电邮收据数据 七、其他另类数据 242 国际组织、政府、行业和企业数据 / 市场数据 第八章 环境- 社会- 治理 245 一、历史回顾 246 二、行业概览 250 投资光谱 / 整合和融入 / 市场规模和驱动因素 /ESG 生态系统 / ESG 基金 /ESG 投资绩效 三、评级和指数 268 ESG 评级：关键指标 / 重要性因素 / 评级结果的差异 / 从评级到指 数 四、ESG 数据特征体系 277 ESG 数据的性质 / 投资决策因素 / 数据—决策矩阵 参考文献 286