背景知识：另类数据（NLP 与卫星）

"当所有人都在看同样的价量数据时，Alpha 在别处。"

什么是另类数据？

传统数据：价格、成交量、财务报表——所有人都能轻易获取

另类数据：从非传统来源提取的、具有预测价值的信息

文本数据与 NLP

情绪分析基础

将文本转化为数值信号：

新闻标题："Apple 季度营收创新高，超出分析师预期"
情绪分数：+0.8（正面）

新闻标题："Tesla 被曝存在安全隐患，面临监管调查"
情绪分数：-0.7（负面）

情绪信号的构建

简单方法：词典计数

正面词汇：{"增长", "超预期", "创新高", "突破"...}
负面词汇：{"下跌", "亏损", "调查", "召回"...}

情绪分数 = (正面词数 - 负面词数) / 总词数

进阶方法：预训练语言模型

使用 BERT/GPT 类模型：
1. 输入：新闻全文
2. 输出：情绪类别（正/中/负）或连续分数
3. 优势：理解上下文和讽刺

文本数据源对比

文本信号的时效衰减

新闻发布后情绪信号强度：

   强度
    │
 100│ ████
  80│ ████ ████
  60│ ████ ████ ████
  40│ ████ ████ ████ ████
  20│ ████ ████ ████ ████ ████
    └────────────────────────────→ 时间
        5分  30分  1小时  4小时  1天

结论：情绪信号主要在发布后几小时内有效

卫星数据应用

典型应用场景

零售业：停车场车辆计数

监测：Walmart、Target 停车场
指标：车辆数量变化
预测：季度同店销售增长
领先时间：季报公布前 1-2 周

能源：油罐储量监测

监测：全球原油储存设施
方法：根据浮顶油罐阴影计算储量
预测：原油库存变化
数据频率：每周更新

农业：作物健康监测

监测：美国中西部农田
指标：植被指数（NDVI）
预测：玉米、大豆产量
影响：农产品期货定价

航运：港口活动追踪

监测：全球主要港口
指标：集装箱数量、船舶停留时间
预测：进出口活动、供应链瓶颈
应用：航运股、零售库存

卫星数据处理流程

1. 图像获取
   ├─ 卫星过境频率：每 1-7 天
   ├─ 分辨率：0.3-10 米
   └─ 云层遮挡：需要多日平均

2. 图像处理
   ├─ 大气校正
   ├─ 几何配准
   └─ 目标检测（停车场边界、油罐位置）

3. 特征提取
   ├─ 车辆计数（目标检测模型）
   ├─ 面积计算（像素分析）
   └─ 时间序列构建

4. 信号生成
   ├─ 与历史数据对比
   ├─ 季节性调整
   └─ 标准化（Z-Score）

另类数据的 Alpha 衰减

核心问题：一旦数据被广泛使用，Alpha 消失

另类数据生命周期：

发现期   │ 少数机构使用，Alpha 显著
        │
扩散期   │ 更多人获取，Alpha 下降
        │
成熟期   │ 成为主流，Alpha ≈ 0
        │
        └──────────────────────→ 时间

典型周期：2-5 年

实例：卫星停车场数据

• 2015 年：少数对冲基金使用，超额收益明显
• 2018 年：多家数据商提供，竞争加剧
• 2022 年：已成标配，需要更精细的分析才能获取 Alpha

成本与收益分析

经济逻辑：

假设：
- 数据成本：$100,000/年
- 覆盖 50 只股票
- IC 提升：0.05

需要的资金规模：
- 每只股票平仓 $1,000,000
- 总规模 $50,000,000
- 年化提升 0.05 × 12% ≈ 0.6%
- 收益提升 $300,000

结论：至少需要 $50M 规模才划算

自建 vs 购买

小型团队建议：

• 免费数据起步（SEC 文件、Reddit、Twitter）
• 验证信号有效后再购买付费数据
• 专注于数据处理差异化，而非数据获取

多智能体视角

另类数据在多智能体架构中的角色：

常见误区

误区一：另类数据一定有 Alpha

不一定。很多另类数据：

• 与价格已经同步反应（没有领先性）
• 噪音太大无法提取信号
• 样本太少无法验证统计显著性

误区二：LLM 可以轻松提取情绪

需要谨慎。LLM 的挑战：

• 金融领域术语理解
• 讽刺和双关语识别
• 一致性和可复现性
• 推理成本

误区三：卫星数据很准确

现实更复杂：

• 云层遮挡导致数据缺失
• 车辆检测有误差（±10-20%）
• 季节性和特殊事件需要调整
• 不同停车场布局影响检测

实用建议

1. 从免费数据开始

推荐起步数据源：
- SEC EDGAR（财报、8-K 文件）
- Twitter API（需要开发者账号）
- Reddit API
- 免费新闻 API

2. 关注信号独特性

问自己：
- 这个信号和价量信号相关吗？
- 多少人已经在用这个数据？
- 我的处理方法有什么独特之处？

3. 小心数据窥探

验证流程：
1. 在样本内发现信号
2. 在样本外测试（必须是未见过的数据）
3. 计算多重检验校正后的 p 值
4. 理解信号背后的经济逻辑

总结