另类数据（舆情、卫星）在量化选股中的应用.docxVIP

另类数据（舆情、卫星）在量化选股中的应用

引言

在量化投资领域，数据始终是驱动模型迭代的核心动力。传统量化选股模型主要依赖财务报表、交易价格、成交量等结构化数据，但随着市场有效性提升，这些数据的信息增量逐渐收窄，模型超额收益面临瓶颈。在此背景下，以舆情数据、卫星数据为代表的“另类数据”进入投资者视野。它们突破了传统数据的时间滞后性与维度单一性，通过捕捉市场情绪波动、实体场景变化等非结构化信息，为量化选股提供了全新的分析视角。本文将围绕舆情与卫星两类另类数据，探讨其在量化选股中的具体应用逻辑、技术路径及实践价值。

一、传统量化选股的局限与另类数据的价值突破

（一）传统数据的信息边界与应用瓶颈

传统量化选股模型的构建，通常基于三大类数据：一是企业财务数据（如营收、净利润、毛利率），二是市场交易数据（如股价、成交量、波动率），三是宏观经济数据（如GDP、利率、CPI）。这些数据虽具备高度结构化、可追溯性强的优势，但在实际应用中存在显著局限：

其一，财务数据的滞后性。企业财报按季度或年度发布，数据反映的是历史经营成果，而市场对企业未来价值的定价往往提前于财报披露，导致传统模型难以捕捉短期预期变化。

其二，交易数据的同质化。所有市场参与者均可获取实时交易数据，基于此类数据构建的因子（如动量、市盈率）易被广泛复制，超额收益随时间衰减明显。

其三，宏观数据的间接性。宏观指标与个股表现的传导路径复