私募基金数据定制化需求旺盛 另类非结构化数据“吃香”

部分私募基金会要求金融科技平台提供能证明上市公司投资价值的诸多另类数据，包括投资稀缺性，但如何给稀缺性定义，如何整合大量数据证明上市公司是否具有投资稀缺性，都是新的考验。

为了追逐更高的超额回报，越来越多私募基金对数据的诉求日益“多元化”。

朝阳永续副总经理李智向记者透露，过去两年，私募基金对数据的要求，正从普适化向定制化“延伸”。具体而言，私募基金不仅需要相对简单的结构化数据（比如上市公司的每股盈利），更需要将大量另类、非结构化、事件驱动型数据纳入投资模型，作为动态优化投资组合的重要依据。

这给金融科技平台的数据收集处理分析能力构成新的挑战。

记者了解到，部分私募基金会要求金融科技平台提供能证明上市公司投资价值的诸多另类数据，包括投资稀缺性，但如何给稀缺性定义，如何整合大量数据证明上市公司是否具有投资稀缺性，都是新的考验。

李智表示，随着私募基金对Beta或Smart Beta(即一种主动+被动的混合式投资策略)的追求日益细化，朝阳永续正积极研发各类另类、非结构化、事件驱动型数据。

一位金融科技机构负责人也指出，随着行业头部私募基金对数据的要求日益“定制化”，他们专门组建了大数据分析与AI模型研发相结合的团队，针对上市公司各类公开信息数据、分析师研究报告开展数据采集清洗梳理，尽可能通过AI模型找出私募基金客户所需的“定制化数据”，协助他们提升投资决策效率与优化投资模型。

“我们也发现，一些专注指数增强投资策略的量化私募基金也在自主研发数据采集体系，通过捕捉大量另类、非结构化数据构建新的指数。”他指出。这也让金融科技平台看到新的业务拓展机会。

据悉，今年以来越来越多金融科技平台正尝试利用大数据分析技术，自主研发不同风格、不同策略、不同收益风险比的股票指数。

“以往，众多主观投资型私募基金主要基于业绩因子选择个股投资。如今，借助大量另类、非结构化数据，我们已将投资模型因子扩展到业绩、估值、市场偏好三大维度，塑造新的股票指数，令私募基金的投资策略日益多元化。”这位金融科技平台负责人表示，这无形间将解决当前私募基金投资策略同质化与投资赛道过度拥挤等问题，给投资者带来更丰富的资产配置选择。

为力追逐更高的超额回报，越来越多私募基金对数据的诉求日益“多元化”。资料图片

私募基金数据定制化“征途”

李智向记者透露，去年以来，不少私募基金找到他们寻求数据定制化的合作。

以往，这些私募基金对基本面因子、Smart Beta投资策略的数据选取流程相对简单，主要是在上市公司财报发布前，通过各种数据逻辑找出“业绩超预期”上市公司，将它们纳入一个股票池，再融合其他因子进行排序，择优选择上市公司投资配置。

如今，随着这类投资策略日益普及且同质化程度较高，越来越多私募基金希望能将相关数据进一步“细化”——在业绩超预期的基础上，找出更多能证明上市公司高竞争壁垒与投资稀缺性的数据，持续优化投资组合。

“尤其是指数增强型私募基金的诉求相当强烈。”李智表示。究其原因，在上市公司每次发布业绩财报前后，他们都要做一轮股票筛选——对沪深300或中证500指数的某些股票仓位进行调整，实现投资回报率跑赢相关指数的目标。因此，他们需要大量定制化数据，包括按照时间序列将上市公司财务预告、业绩快报、财务报表公告、分析师投资研报进行“串联”，将上市公司期间发生的各类经营事件与财报表现进行“融合”，更全面精准地反映上市公司业绩增速超预期的原因，以及业绩高成长可持续性。

中国银河证券财富管理总部总经理刘冰表示，围绕私募基金的多元化数据需求，银河证券搭建了专业的生态平台，比如基于全流程的交易监控与数据评价，为股票交易提供合适的算法，协助私募机构降低成本同时提高收益。此外，银河证券还通过科技赋能提供智能拆单、日内回转算法等，为不同私募基金提供不同场景的金融服务。

上述金融科技平台负责人向记者表示，要满足私募基金的数据定制化要求，难度实则不小。其中最大的挑战，是如何做好非结构化数据的收集应用。比如私募基金都希望投资具有“稀缺性”的股票，但如何给“稀缺性”定义，一度难倒众多金融科技机构。

究其原因，稀缺性是一个非结构化的标签——技术独特性、业务牌照屈指可数、行业准入门槛极高、具有独特资源储备优势，都可以纳入“稀缺性”范畴。但这些稀缺性因素能否与上市公司业绩增速持续超预期“划上等号”，需要金融科技机构继续寻找大量非结构化或另类数据进行“印证”。

“我们搭建了一个研报系统，将上市公司各类公开信息进行文字切分，找出那些能证明稀缺性的内容信息，提供给私募基金参考。”这位金融科技平台负责人指出，但他们很快发现，类似操作的准入门槛较低导致参与者日益增多，触发市场竞争日益激烈。因此他们决定引入AI技术，契合私募基金所需的“稀缺性”内涵精准捕捉相关内容信息并打上标签，协助私募基金持续提升数据分析与投资决策效率。

他承认，要让AI模型达到理想的定制化数据抓取分析效果，还需对AI技术进行大量训练，让AI技术持续提升深度学习能力，这需要不少时间训练，反复检验实践效果。

李智告诉记者，朝阳永续依托大数据分析等技术，为各类定制化数据贴上标签，构建一系列指数助力私募基金投资策略多元化与个性化。比如他们在构建“伟大公司组合策略”，希望能将业绩好、行业好、处于行业龙头的上市公司纳入。但是，传统的建模方式未必能全面遴选符合上述要求的上市公司。朝阳永续正尝试将结构化数据与非结构化数据混合，通过量化选股模式搭建这类投资组合，并持续跟踪其业绩表现优化选股策略。

证券分析师能力被“纳入”另类非结构化数据

值得注意的是，随着私募基金对数据定制化的诉求日益提升，证券分析师的研究报告准确性与研究水准高低，也被纳入另类非结构化数据的采集分析范畴。

记者多方了解到，去年以来，多家私募基金提出数据定制化需求同时，还希望金融科技平台能通过大数据分析技术，对证券分析师研究报告准确性与研究能力提供多维度的量化比较数据，协助他们判断证券分析师能力强弱，作为他们精选证券分析师研报的一项参考依据。

“这一度让我们颇感为难。”前述金融科技平台负责人回忆说。因为这类非结构化数据的比较可能充满争议。首先，证券分析师对行业景气度的判断，可能因不同行业关注视角形成截然不同的结论，但缺乏一个权威的判断标准衡量其研究能力高低；其次，证券分析师对同一个上市公司业绩预期ROE（净资产收益率）的预判准确性，也可能因为上市公司遭遇突然事件而出现偏差，但这不能表明证券分析师的研究能力不够好。

他透露，对此他们反复研究，决定采取折衷方案，即将证券分析师市场影响力、研究经验、研报信息量等因素纳入，根据不同行业对证券分析师投研能力进行粗略的“分层”；此外，他们还尝试给证券分析师贴上某些特定专长的“标签”，比如判断他对相关产业发展前景是否具有全面深入的洞察，考察他对相关板块个股业绩增长的预测是否精准，最终给出相应的“标签”（比如行业专家、个股调研专家等），协助私募基金更好地选取证券分析师研究报告。

一位量化策略私募基金经理向记者透露，目前他们正将这些围绕证券分析师开展的非结构化数据分析纳入投资决策的辅助工具，测试它能否给基本面量化投资策略带来更高的Alpha回报。

“我们希望这些另类定制化数据能创造独特的超额投资回报，促进私募基金的投资策略差异化，逐步改变当前量化私募投资策略同质化与个别热门交易赛道拥挤化的现状。”他直言。只有投资策略持续差异化，才能满足不同投资者的个性化资产配置需求，令私募行业在实现规模快速扩张同时，迎来投资策略的高质量迭代升级。