技术 | 8种方式利用另类数据做交易

大家好,我是Lucy@FinTech社区。

如今另类数据不仅能用于对冲基金和技术精英,也越来越广泛的被许多公司应用,提供给私人投资者甚至提高决策效率。尤其在美国市场, 越来越多公司已经充分的在运用另类数据做金融交易。本篇文章将会研究8个另类数据在金融交易中的应用。

 

1. An Eye in the Chinese Sky

SpaceKnow成立于2013年,通过使用卫星图像实现“超大规模行星分析”。该工具的实用性体现在如卫星制造指数(SMI)之类的例子中,据说该指数是对中国采购经理指数(PMI)的升级(PMI是由中国国家统计局编制的指数,该指数汇总了对企业采购经理的每月调查结果)。SpaceKnow的SMI使用一种算法,可以比较6,000多个工业设施的卫星图像,并得出与中国生产的指数显着相关的结果。


 


 

2. Following Jets and CEOs

Jettrack成立于2017年,用于为超过25,000个机场的1,700架不同飞机提供十年的飞行跟踪信息。这些不是普通的飞机,更是有罗素所有公司、最大的对冲基金和最大的私募股权基金运营的飞机。 该数据已在许多情况下用于预测公司事件,例如Constellation Brands不断以更高的频率飞往渥太华,然后对Canopy Growth Corp.投资38亿美元。


 

3. Counting Teslas

RS Metrics成立于2013年,用于为企业和投资者开发地理空间分析平台,以及在ESG投资领域寻找“地面真理”。我们最近访问了位于康涅狄格州的RS Metrics总部,以了解他们如何使用特斯拉生产批次的卫星图像来衡量生产和运输了多少辆汽车。机器学习算法不仅可以区分各种特斯拉汽车型号,而且还可以分辨哪些汽车仍停在相同的空间中,而没有在图像之间移动。


 


 

在上面的图片中,我们可以看到特斯拉在加利福尼亚州弗里蒙特的工厂的北部生产地在短短四天内发生了变化。如果您是研究特斯拉的分析师,那么对于微调这些Excel评估模型来说,此类信息非常重要。

 

4. 10 Years of Google Trends

Eagle Alpha成立于2012年,已筹集了800万美元用于向大众传播1000多个另类数据集。其中包括Eagle Alpha自己的专有数据集,其中一个为Google Trends,这是一个基于Google搜索的公共网络工具,它显示了在世界各个地区相对于总搜索量输入特定搜索词的频率。此搜索数据是人们正常日常活动的副产品,因此,是拥有10多年历史的经济活动的绝佳决定因素。

 

Eagle Alpha专注于分析听起来并不简单的Google搜索数据。那是因为Google “根据请求的时间跨度以不同的频率提供趋势数据。” 这意味着您在运行相同的查询时可能会得到不同的结果。Eagle Alpha通过使用“相同术语的相同时间跨度的多样本平均”开发了一种处理这些采样问题的方法。最终结果是产生了具有出色预测能力的准确数据集。例如,Eagle Alpha研究出的美国失业指数与美国失业率的5年相关性为0.9。

 

对于接下来要介绍的四个示例,我们将看到Eagle Alpha上可用的但未公开的另类数据集。

 

5. Following People

我们之前已经讨论过地理位置数据如何为我们提供有趣的观点,例如美国脆弱的社会群体喜欢在哪里用餐。现在有足够的数据,我们可以观察各个零售店的客流量变化。举个例子,地理位置数据提供者能够响应降价事件来监视Whole Foods位置的人流量,同时还可以控制季节性因素和劳动节周末的影响。

 

一家供应商正在使用 “来自9亿多手机用户(主要在中国)的数据” 来 “跟踪中国特定行业,例如钢铁生产和消费以及消费者趋势,将数据应用于投资方法。


 


 

6. Hiring Freezes and Hiring Sprees

在许多公司中,公司高管会为诸如培训和人员编制之类的事务分配预算。当公司局势变得紧张时,首席执行官可能会开始“冻结招聘”,这意味着所有招聘都会立即停止。在此之后可能会进行一轮裁员,在此期间人才库会在情况恢复正常之前进行合并。这些招聘冻结是钱包紧缩的信号,这与“招聘狂潮”将表明已分配一些新预算来发展特定业务领域的信号类似。甚至被招聘的员工类型都可以暗示隐藏的消息。

 

Eagle Alpha的一家供应商提供的工作清单另类数据集在业内独一无二,可直接从雇主网站索引工作。该平台每天更新,拥有来自30,000多家雇主的400万个工作岗位,消除了重复和过期的工作清单。测试表明,数据中包含alpha,“ Jobs Active”变量(当前处于活动状态和处于打开状态的职位发布数)产生了最高的回报(每年6-8%)。

 

7. Email Receipt Data

一家供应商从电子邮件购买收据中扫描了大约200万活跃购物者的匿名购买数据,该数据集涵盖了来自25个行业的600多家商家。非结构化的电子邮件收据数据被转换为标准化的消费者交易数据集,该数据集包括项目和SKU级别的交易数据,这些数据被过滤为53个产品类别。JP Morgan对数据进行了横断面分析,并使用其创建了一种交易策略,产生了16.2%的年化收益率和1.13的夏普比率”。


 


 

8. Only One Room Left

如果您花了很多时间在线预订酒店,您可能会熟悉类似“其他4个人正在看这个房间”的信息,有些人可能会认为这是聪明的营销策略,对于“仅剩一个房间”消息,情况也是如此。一家数据供应商访问了Expedia Group(EXPE)拥有的旅行网站,例如Travelocity,Orbitz和Hotels.com,以查找所有活动的物业,然后记录每个物业的关键事实,包括位置、物业类型和预订信息。自2015年中以来,他们一直在收集这些数据,并且能够准确地预测Expedia各个品牌的优缺点。尽管此用例可能只限于一只股票,但没有理由不能将这种方法扩展到其他连锁酒店,甚至在Airbnb决定公开上市时。

 

总结

我们无法像那些ESG公司一样,通过精心挑选来证明另类数据集会生成alpha。证明另类数据有用性的方法是——要有一些可以验证的事实,例如SpaceKnow的中国制造业指数,该指数复制了现有数据指数,但更为及时。我们还应注意一些非常特定于公司的另类数据集的示例,例如对特斯拉生产批次中的汽车进行计数或通过细读在线旅行网站来确定预订了多少酒店房间。可用大数据的爆炸式增长意味着我们所有人都可以以不同的方式使用它来获取洞察力,从而做出更好的投资决策。

 

Fintech 社区组建了数据交流群, 欢迎数据相关小伙们加入! 

那么如何加入呢? 

请扫描下面的二维码, 备注: “数据”