本文共字，预计阅读时间。

随着信息技术的不断创新，以及互联网和移动终端的普及，个人数据、商业数据、传感器数据等另类数据得以积累和留存，并得到有效的利用。这类新型数据具有数据量大、实时性高、颗粒度精细和“原始”等特点，可降低信息获取成本和信息不对称，被越来越多的对冲基金、量化基金、资产管理机构等使用。

另类数据快速发展

另类数据（Alternative Data），即非传统数据，目前没有统一明确的定义，泛指区别于传统金融数据的、有价值的数据和信息。而传统金融数据是指通过常规渠道获得的数据，例如股票、债券等的交易数据、上市公司年报和财务数据、银行用户的借贷数据等，另类数据则是指由各类信息终端、平台或者系统产生的数据，这些数据也能够用来帮助进行金融决策。另类数据近年来发展迅速，应用也越来越广泛。

另类数据首先是典型的“大”数据，主要体现在三个方面。一是体量大，体现在数据规模与传输量巨大；二是流动速度大，因为数据的获取和传输往往是实时或者接近实时；三是种类多，数据结构形式很多样，或者已经存在自己的数据结构，或者是无数据结构。其次，另类数据之所以另类是因为数据获取的方式和渠道跟传统数据有很大不同。互联网的普及，特别是移动终端的普及，使得积累数据的基础设施不断加强，以前无法留存的数据现在可以积累，并得到有效利用。

现在，另类数据主要有三方面来源。一是个人产生的数据，如社交网络信息、产品评价、搜索记录、购物喜好等；二是商业过程数据，如物流数据、支付数据等，也有另类数据公司采集传统商业数据，如大型百货公司客流量、大型游乐场客流量等数据；三是传感器数据，如利用卫星数据通过光感和热感采集钢厂、化工厂、原油等的开工、采集、运输情况，另外还有来自GPS定位、车辆轨迹和个人穿戴设备的另类数据。

另类数据的快速积累和广泛应用的原因在于全球经济和社会生活的数字化趋势，互联网和移动终端的普及、物联网和传统行业的数字化转型、存储技术的提高和成本的大幅度下降都给另类数据的发展提供了广阔的空间。从数据积累方面看，根据IDC的一份报告，2018年全球有33ZB的数据（如下图所示），而这个数量预计在2025年会增长到175ZB。

此外，根据AlternativeData的统计，2018年全球另类数据公司已增长到近400家，国内另类数据公司大约占100家，近年来的发展非常迅速。

另类数据是否能提升资产价格信息含量？

21世纪以来信息技术的发展，尤其是另类数据的迅速发展，使得大数据分析被越来越广泛地运用于生产、营销、投资等经济活动中的各个方面。资本市场的投资者在大数据时代可以利用较低的成本获取大量的数据和信息，然后根据这类信息进行交易。以往研究发现，更多的数据和更准确的信息会提高资产价格的信息含量，因此提升价格有效性。那么另类数据的迅速发展是否会提升资产价格的信息含量呢？

Dugast & Foucault (2018)建立动态模型对以上问题进行分析，其基本假设是：海量数据的产生给投资者提供了大量原始信息或简单处理后的初等信息（Raw Signal），而要对海量信息进行深入分析或者从这些信息中筛选出更精确的信息（Processed Signal）是需要时间的。因为这个时间差的存在以及市场投机者的参与，在海量数据刚刚出现的时候就有大量投资者基于原始信息或初等信息进行交易，同时也有投资者选择等待，等数据被深入处理和分析后再购买这些更精确的信息进行投资。

在这篇论文的模型下，资产价格的信息含量有以下两种可能的结果：

（1）原始信息或初等信息的噪音太大，导致这类信息有效性较低，短期内资产价格的信息含量较低；而大量投资者愿意购买更精确的信息再进行交易和套利，因此资产价格的信息含量在长期内较高。

（2）原始信息或初等信息的噪音较小，使得这类信息有效性较高，短期内资产价格的信息含量较高；而因为此时资产价格比较有效，因此利用更精确的信息进行套利的动力降低，导致对数据进行深入处理和分析的需求下降，没有人愿意投资去生产更精确的信息，因此资产价格的信息含量在长期内下降。

Dugast & Foucault (2018)模型的主要结果发现，当大数据技术得到发展，使得获取原始信息或初等信息的成本下降时，市场更有可能出现第二种结果，即资产价格的信息含量在长期内下降。

相比于Dugast & Foucault (2018)建立理论模型论证大数据技术的发展对于资产价格信息含量的影响，Zhu (2019)则试图利用另类数据进行实证分析，研究另类数据是否能提升股价信息含量和公司治理水平。

Zhu (2019)在实证分析中使用了两种另类数据：一是消费者在线交易数据。该数据收集了消费者的在线浏览行为数据，包括用户搜索、点击、浏览、购买、支付等；二是识别汽车数量的卫星图像数据。该公司利用某家地理数据分析平台提供的卫星图像来计算零售店停车场的汽车数量，以反映商店中的消费者交易情况。在统计停车场的汽车数量时，会减去商场员工的汽车数，还会根据季节进行调整，这对了解和分析消费者的日常购物行为非常有用。

该文的实证分析发现，另类数据的可用性显著提高了短期股价信息含量，因此证实了另类数据可以有效预测未预期收入、未预期盈余及公告收益。同时，另类数据的可用性也显著提高了长期股价信息含量，因为另类数据的使用使得当前的资产价格包含了更多关于未来收益的信息。数据更丰富、颗粒度更细的另类数据包含的信息通常不是由公司管理层公开披露的，这种信息优势有助于投资者将与长期业绩相关的基本面信息纳入价格中。此外，当老练的投资者有很强动机去挖掘信息并进行投资决策时（比如，销售非必需消费品和服务的公司、市净率更高的公司以及流动性更强的公司），这种另类数据对于提升资产价格信息含量的短期和长期效应更强。

另类数据是否能提升公司治理水平？

基于已有研究，Zhu（2019）不仅验证了另类数据可以提高股票价格的信息含量，也对另类数据带来的股价信息含量的提高是否会对管理者行为产生影响进行了探索。

一方面，在另类数据缺乏的情况下，管理者可以利用资产未来收益的私有信息进行交易从而获得超额收益，而投资者对另类数据的广泛使用可以显著减少管理者的这种交易机会。该文发现，受到另类数据影响的公司，其内部人士在正面盈利消息公布前购买股票的可能性更低，并且管理者在负面业绩消息公布前没有抛售股票的倾向。此外，即使内部人士进行交易，另类数据的可用性也会减弱内部交易与未来超额收益之间的正相关关系。

另一方面，另类数据的使用可以约束管理者做出更好的真实投资决策和撤资决策，从而降低代理问题的负面影响。相对于未受到另类数据影响的对照组公司，在被另类数据覆盖的实验组公司中，管理者对不断恶化的投资机会更为敏感。不过，在投资机会扩张时，作者没有发现基于管理者的相应的对称效应。

结语

另类数据和大数据分析技术的结合，不仅可以提升资产价格的信息含量，也能减少公司管理者的投机交易、提高管理者的投资效率从而有效提升公司治理水平。未来，另类数据在金融业务中的角色将越来越重要，对金融生态的影响和金融创新的推动值得期待。

---

本文改写自：（1）《海量数据和资产价格有效性》（Data abundance and asset price informativeness），发表于《金融经济学期刊》（Journal of Financial Economics），2018年第2期，作者为Jérôme Dugast，来自卢森堡大学，和Thierry Foucault，来自法国巴黎高等商学院；

（2）《大数据的监管机制》（Big data as a governance mechanism），发表于《金融研究评论》（Review of Financial Studies），2019年第5期《金融科技专刊》，作者为Christina Zhu，来自宾夕法尼亚大学。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。