量化投资中“另类因子”（舆情、卫星数据）挖掘.docxVIP

量化投资中“另类因子”（舆情、卫星数据）挖掘

引言

在量化投资领域，因子挖掘始终是策略研发的核心环节。传统因子体系以财务数据、交易数据为主，如市盈率、换手率、动量指标等，这些因子通过长期验证被证明能有效捕捉市场规律。然而，随着市场有效性提升与投资者认知趋同，传统因子的超额收益空间逐渐收窄（FamaFrench，2015）。在此背景下，“另类因子”——即区别于传统结构化数据的非标准化、多源化信息——因其独特的信息维度和预测价值，成为近年来量化投资研究的焦点。其中，舆情数据与卫星数据作为两类典型的另类因子，前者通过捕捉市场情绪波动，后者通过还原物理世界运行轨迹，为投资决策提供了全新的观测视角。本文将围绕这两类因子的挖掘逻辑、应用场景及实践挑战展开系统探讨，以期为量化投资策略创新提供参考。

一、传统因子的局限性与另类因子的崛起

（一）传统因子的有效性衰减

传统量化因子主要依赖财务报表、交易记录等结构化数据，其优势在于数据可追溯性强、处理逻辑成熟。例如，价值因子（如市净率）通过比较股价与账面价值，筛选被低估的资产；动量因子则基于“涨者恒涨”的市场惯性，捕捉短期趋势。但随着算法交易普及与信息传播效率提升，这些因子的超额收益呈现显著衰减趋势（Chordiaetal.，2014）。以A股市场为例，某头部量化机构研究显示，2010年前动量因子的年化超额收益约为15%，而近五年已降至5%以下