另类数据在投资领域的应用_46页_3mb

智能投研与另类数据在投资领域的应用总结

核心内容

智能投研是利用大数据和人工智能技术，对数据进行获取、清洗、分析及决策的全过程，旨在提升投研效率与质量。智能投顾则是根据投资者需求，通过数字化程序构建投资组合，以智能化顾问服务替代传统人工投顾。

另类数据是指通过非传统方式获取的数据，如社交媒体、传感器、卫星图像、企业运营数据等，相较于传统数据，它能提供更广泛、更及时的交易思路和信号，是智能投研的重要组成部分。

主要观点

• 智能投研通过数据和信息的获取、处理、分析及决策流程，实现从搜索到投资观点的自动化跨越。
• 智能投顾与智能投研在功能和目标上有所区别，前者关注产品组合构建，后者关注数据与策略分析。
• 中国金融信息服务市场发展滞后于资本市场，而欧美市场则呈现多元化、精细化趋势。
• 另类数据的应用正在逐步扩展，其在投研领域的潜力巨大，尤其对量化交易、市场预测等有显著影响。
• 智能投研的发展依赖于数据获取、提取、分析和呈现四个核心环节的优化，以及技术的持续创新。

关键信息

智能投研行业现状

• 美国：智能投研行业已初具规模，Kensho、Eagle Alpha等公司成为市场领导者，提供实时数据处理、事件分析、定制数据集等服务。
• 中国：智能投研行业起步较晚，但2014年后逐步发展，文因互联、因果树等公司开始提供基于AI的投资研究服务。

智能投研的工作流程

1. 数据及信息获取：利用智能工具快速收集数据。
2. 数据预处理：通过知识图谱、机器学习等技术对数据进行清洗与结构化。
3. 数据分析：基于大数据和AI技术进行深度分析，识别交易信号。
4. 观点呈现：自动生成投资报告，提供可视化分析结果。

智能投研特点

• 强大的情绪控制与逻辑推理能力：通过AI算法，分析市场情绪与事件影响。
• 自我学习能力：基于海量数据，智能系统可不断优化模型，提高预测精度。
• 速度化、自动化、规模化：提升数据处理效率，降低人工成本，实现大规模数据分析。

另类数据分类

• 个人线上行为数据：包括社交媒体、新闻评论、网络搜索等。
• 商业/业务数据：包括交易数据、企业数据、政府数据等。
• 传感器数据：包括卫星图像、地理位置、物联网数据等。

另类数据投研市场

• 市场规模：预计到2021年，另类数据投研市场规模将达30亿元人民币，渗透率逐年提升。
• 市场结构：包括原始数据提供商、半加工数据提供商和交易信号及报告提供商三类中间商。
• 应用场景：传统金融数据已较为成熟，舆情分析、卫星图像分析等正在逐步应用，物联网和监管数据是未来发展的重点。

智能投研的发展模式

1. 扩展数据类型：结合传统与另类数据，构建更全面的投研模型。
2. 体验优化升级：通过提升搜索、提取与分析效率，实现智能化投研流程。

未来发展

• 需求分析：买方机构对另类数据有强烈需求，但面临数据成本高、审批流程复杂、数据价值评估困难等问题。
• 布局策略：R&D团队应组建Alternative Data Group，通过数据BD组、计算机技术组、分析师及数据科学家等团队协作，优化数据获取与分析流程。
• 技术驱动：通过AI和大数据技术，提升数据处理能力，构建高效的智能投研平台。

机构介绍

• TalkingData：成立于2011年，是中国领先的独立第三方数据服务提供商，专注于智能数据解决方案，客户涵盖互联网与传统行业。
• TalkingData金融创新研究院：依托TalkingData的大数据能力，提供科技金融领域的咨询与解决方案。
• 宜人贷：中国领先的在线金融服务平台，致力于为用户提供便捷、高效的信用借款和财富管理服务。
• 宜人智库：聚焦金融科技行业，关注监管与趋势，持续输出高质量研究报告与观点。

免责条款

本报告基于公开资料、行业访谈和市场调查，仅供参考。由于数据来源和调研方法的限制，对数据的准确性、完整性或可靠性不作任何保证，不构成投资建议。