另类数据在量化投资中的价值挖掘：以卫星图像数据为例.docxVIP

另类数据在量化投资中的价值挖掘：以卫星图像数据为例

一、量化投资的数据范式转型：从传统数据到另类数据

（一）传统量化数据源的收益衰减困境

量化投资的核心逻辑是通过对海量数据的系统化分析，捕捉资产价格与内在价值的偏差，构建能够持续获得超额收益的投资组合，而数据来源的广度、深度与时效性，从根本上决定了量化策略的收益上限。在行业发展早期，量化投资依赖的数据主要分为两大类：一类是交易层面的量价数据，包括各类资产的成交价格、成交量、盘口挂单、资金流向等，这类数据获取难度低、更新频率高，但仅能反映市场交易的结果，不直接关联资产的基本面价值，容易受情绪扰动、交易结构变化的影响产生虚假信号；另一类是基本面数据，包括上市公司定期披露的财务报告、官方统计部门发布的宏观经济指标、券商分析师出具的盈利预测等，这类数据能够反映资产的长期内在价值，但普遍存在一到三个月的披露滞后，且在数据生成与传递过程中，可能受到企业盈余管理、统计口径调整、分析师主观偏差等因素干扰，包含大量噪声。

随着量化行业的整体规模扩张，基于传统数据构建的量化策略拥挤度持续提升，超额收益呈现明显的衰减趋势。有学者对过去近半个世纪全球主要资本市场的因子收益进行系统性回测发现，基于传统量价与基本面数据构建的经典量化因子，在样本外的超额收益呈现持续下行趋势，相比因子刚被学术研究提出的时期，近年传统因子的平均超额收益衰减幅度超过六成，大量曾经有效