為了追逐更高的超額回報，越來越多私募基金對數據的訴求日益“多元化”。

朝陽永續副總經理李智向記者透露，過去兩年，私募基金對數據的要求，正從普適化向定制化“延伸”。具體而言，私募基金不僅需要相對簡單的結構化數據（比如上市公司的每股盈利），更需要將大量另類、非結構化、事件驅動型數據納入投資模型，作為動態優化投資組合的重要依據。

這給金融科技平臺的數據收集處理分析能力構成新的挑戰。

記者了解到，部分私募基金會要求金融科技平臺提供能證明上市公司投資價值的諸多另類數據，包括投資稀缺性，但如何給稀缺性定義，如何整合大量數據證明上市公司是否具有投資稀缺性，都是新的考驗。

李智表示，隨著私募基金對Beta或Smart Beta(即一種主動+被動的混合式投資策略)的追求日益細化，朝陽永續正積極研發各類另類、非結構化、事件驅動型數據。

一位金融科技機構負責人也指出，隨著行業頭部私募基金對數據的要求日益“定制化”，他們專門組建了大數據分析與AI模型研發相結合的團隊，針對上市公司各類公開信息數據、分析師研究報告開展數據采集清洗梳理，盡可能通過AI模型找出私募基金客戶所需的“定制化數據”，協助他們提升投資決策效率與優化投資模型。

“我們也發現，一些專注指數增強投資策略的量化私募基金也在自主研發數據采集體系，通過捕捉大量另類、非結構化數據構建新的指數。”他指出。這也讓金融科技平臺看到新的業務拓展機會。

據悉，今年以來越來越多金融科技平臺正嘗試利用大數據分析技術，自主研發不同風格、不同策略、不同收益風險比的股票指數。

“以往，眾多主觀投資型私募基金主要基于業績因子選擇個股投資。如今，借助大量另類、非結構化數據，我們已將投資模型因子擴展到業績、估值、市場偏好三大維度，塑造新的股票指數，令私募基金的投資策略日益多元化。”這位金融科技平臺負責人表示，這無形間將解決當前私募基金投資策略同質化與投資賽道過度擁擠等問題，給投資者帶來更豐富的資產配置選擇。

為力追逐更高的超額回報，越來越多私募基金對數據的訴求日益“多元化”。資料圖片

私募基金數據定制化“征途”

李智向記者透露，去年以來，不少私募基金找到他們尋求數據定制化的合作。

以往，這些私募基金對基本面因子、Smart Beta投資策略的數據選取流程相對簡單，主要是在上市公司財報發布前，通過各種數據邏輯找出“業績超預期”上市公司，將它們納入一個股票池，再融合其他因子進行排序，擇優選擇上市公司投資配置。

如今，隨著這類投資策略日益普及且同質化程度較高，越來越多私募基金希望能將相關數據進一步“細化”——在業績超預期的基礎上，找出更多能證明上市公司高競爭壁壘與投資稀缺性的數據，持續優化投資組合。

“尤其是指數增強型私募基金的訴求相當強烈。”李智表示。究其原因，在上市公司每次發布業績財報前后，他們都要做一輪股票篩選——對滬深300或中證500指數的某些股票倉位進行調整，實現投資回報率跑贏相關指數的目標。因此，他們需要大量定制化數據，包括按照時間序列將上市公司財務預告、業績快報、財務報表公告、分析師投資研報進行“串聯”，將上市公司期間發生的各類經營事件與財報表現進行“融合”，更全面精準地反映上市公司業績增速超預期的原因，以及業績高成長可持續性。

中國銀河證券財富管理總部總經理劉冰表示，圍繞私募基金的多元化數據需求，銀河證券搭建了專業的生態平臺，比如基于全流程的交易監控與數據評價，為股票交易提供合適的算法，協助私募機構降低成本同時提高收益。此外，銀河證券還通過科技賦能提供智能拆單、日內回轉算法等，為不同私募基金提供不同場景的金融服務。

上述金融科技平臺負責人向記者表示，要滿足私募基金的數據定制化要求，難度實則不小。其中最大的挑戰，是如何做好非結構化數據的收集應用。比如私募基金都希望投資具有“稀缺性”的股票，但如何給“稀缺性”定義，一度難倒眾多金融科技機構。

究其原因，稀缺性是一個非結構化的標簽——技術獨特性、業務牌照屈指可數、行業準入門檻極高、具有獨特資源儲備優勢，都可以納入“稀缺性”范疇。但這些稀缺性因素能否與上市公司業績增速持續超預期“劃上等號”，需要金融科技機構繼續尋找大量非結構化或另類數據進行“印證”。

“我們搭建了一個研報系統，將上市公司各類公開信息進行文字切分，找出那些能證明稀缺性的內容信息，提供給私募基金參考。”這位金融科技平臺負責人指出，但他們很快發現，類似操作的準入門檻較低導致參與者日益增多，觸發市場競爭日益激烈。因此他們決定引入AI技術，契合私募基金所需的“稀缺性”內涵精準捕捉相關內容信息并打上標簽，協助私募基金持續提升數據分析與投資決策效率。

他承認，要讓AI模型達到理想的定制化數據抓取分析效果，還需對AI技術進行大量訓練，讓AI技術持續提升深度學習能力，這需要不少時間訓練，反復檢驗實踐效果。

李智告訴記者，朝陽永續依托大數據分析等技術，為各類定制化數據貼上標簽，構建一系列指數助力私募基金投資策略多元化與個性化。比如他們在構建“偉大公司組合策略”，希望能將業績好、行業好、處于行業龍頭的上市公司納入。但是，傳統的建模方式未必能全面遴選符合上述要求的上市公司。朝陽永續正嘗試將結構化數據與非結構化數據混合，通過量化選股模式搭建這類投資組合，并持續跟蹤其業績表現優化選股策略。

證券分析師能力被“納入”另類非結構化數據

值得注意的是，隨著私募基金對數據定制化的訴求日益提升，證券分析師的研究報告準確性與研究水準高低，也被納入另類非結構化數據的采集分析范疇。

記者多方了解到，去年以來，多家私募基金提出數據定制化需求同時，還希望金融科技平臺能通過大數據分析技術，對證券分析師研究報告準確性與研究能力提供多維度的量化比較數據，協助他們判斷證券分析師能力強弱，作為他們精選證券分析師研報的一項參考依據。

“這一度讓我們頗感為難。”前述金融科技平臺負責人回憶說。因為這類非結構化數據的比較可能充滿爭議。首先，證券分析師對行業景氣度的判斷，可能因不同行業關注視角形成截然不同的結論，但缺乏一個權威的判斷標準衡量其研究能力高低；其次，證券分析師對同一個上市公司業績預期ROE（凈資產收益率）的預判準確性，也可能因為上市公司遭遇突然事件而出現偏差，但這不能表明證券分析師的研究能力不夠好。

他透露，對此他們反復研究，決定采取折衷方案，即將證券分析師市場影響力、研究經驗、研報信息量等因素納入，根據不同行業對證券分析師投研能力進行粗略的“分層”；此外，他們還嘗試給證券分析師貼上某些特定專長的“標簽”，比如判斷他對相關產業發展前景是否具有全面深入的洞察，考察他對相關板塊個股業績增長的預測是否精準，最終給出相應的“標簽”（比如行業專家、個股調研專家等），協助私募基金更好地選取證券分析師研究報告。

一位量化策略私募基金經理向記者透露，目前他們正將這些圍繞證券分析師開展的非結構化數據分析納入投資決策的輔助工具，測試它能否給基本面量化投資策略帶來更高的Alpha回報。

“我們希望這些另類定制化數據能創造獨特的超額投資回報，促進私募基金的投資策略差異化，逐步改變當前量化私募投資策略同質化與個別熱門交易賽道擁擠化的現狀。”他直言。只有投資策略持續差異化，才能滿足不同投資者的個性化資產配置需求，令私募行業在實現規模快速擴張同時，迎來投資策略的高質量迭代升級。