引言#
另类数据（Alternative Data）是指传统金融数据（如价格、财务数据）之外的数据，包括卫星图像、社交媒体、信用卡交易、物流数据等。随着量化 competition 加剧，另类数据成为获取 alpha 的关键差异化来源。
主流另类数据类型#
1. 卫星图像数据#
通过卫星拍摄的停车场车辆数、工厂烟雾浓度、港口船舶数量等，预测零售、能源、物流等行业的营收。例如，某量化机构通过卫星图像预测沃尔玛季度营收，准确率达82%。
2. 社交媒体数据#
抓取微博、股吧、Twitter等平台的帖子，用NLP技术分析情绪。例如，某策略通过微博情绪因子，在A股获得年化19.2%的收益（2021-2025）。
3. 信用卡交易数据#
通过信用卡公司的匿名交易数据，跟踪消费者支出趋势。例如，某对冲基金通过信用卡数据提前2周预测亚马逊季度销售额，准确率超90%。
另类数据因子构建#
以卫星图像数据为例，构建“停车场饱和度因子”：
- 采集全国500个沃尔玛停车场的卫星图像；
- 用CNN模型计算停车场车辆数占容量比例；
- 将饱和度变化率作为因子值，高饱和度预示营收增长。
回测结果（2022-2025）#
另类数据因子组合（卫星+社交+信用卡）的回测表现：
- 年化收益：27.5%
- 夏普比率：2.01
- 最大回撤：14.3%
- 与传统因子相关性：0.32（低相关性，分散化效果好）
挑战与风险#
- 数据获取成本高：卫星图像数据年费可达百万级；
- 数据处理复杂：需机器学习、NLP等技术处理非结构化数据；
- 监管风险：部分另类数据涉及隐私（如信用卡数据），需合规使用。
