本章沒有代碼環(huán)節(jié)，全靠我這些年的積累分享一些經(jīng)驗。

隨著這幾年國內(nèi)量化投資的興起，純價量的因子表現(xiàn)已經(jīng)越來越差，如果你能看到國內(nèi)頂級量化私募這幾年的產(chǎn)品年報，你會發(fā)現(xiàn)他們現(xiàn)在的收益率不如從前，而且很多產(chǎn)品的規(guī)?？刂频谋容^死，不愿意募更多錢。

比如下圖，收益斜率沒有以前大了，而且波動也在變大。

市場不好是一方面原因，另一方面就是行業(yè)已經(jīng)不是最開始那樣很容易就能找到賺錢的因子的時代了。最開始吃到螃蟹的一批基金帶動了更多人入行，算力的提升導致挖掘因子的速度越來越快，模型迭代也需要越來越快，

之前可能一個簡單的動量因子或者反轉(zhuǎn)因子就很容易賺錢，隨著挖掘到這個因子的人越來越多，交易也越來越擁擠，因子就會慢慢失效，也可以稱這個市場正在被慢慢變成熟。

為了維持高收益，接下來就有三條主要線路可以選擇：?
1.使用更強的算力，大規(guī)模挖掘更多的因子?
2.使用更多的數(shù)據(jù)，不局限于傳統(tǒng)價量數(shù)據(jù)?
3.交易的比別人更快，更好

其實這里的前兩條更多的時候是交叉進行的，可以相輔相成并不沖突。第三種算是另辟蹊徑，使用高頻交易的方法挖掘超額收益或者套利，這種收益一般非常穩(wěn)定，但是規(guī)模較小。

一般來說，數(shù)據(jù)應該是這里面最便宜的東西了，而且來源廣泛，現(xiàn)在國內(nèi)的另類數(shù)據(jù)提供商也越來越多，并且越來越成體系。

另類數(shù)據(jù)的定義多種多樣，我這里認為不是價量和普通財務數(shù)據(jù)的都可以叫做另類數(shù)據(jù)，比如產(chǎn)品銷量，港口船運數(shù)量，或者社交媒體和市場情緒等。

一個經(jīng)典的例子就是美國的另類數(shù)據(jù)公司Thasos在特斯拉工廠周圍檢測手機信號的數(shù)量，用以判斷工廠工人的工作時間，從而推測特斯拉的銷量數(shù)據(jù)。最終取得非常好的收益。

很多朋友是因為我是用gpt訓練研報而關注我，這個也是一個另類數(shù)據(jù)的例子，我使用研報的數(shù)量、質(zhì)量和情感來判斷股票價格預期，嘗試發(fā)掘和價量因子相關性較小的因子補充我的模型。

雖然一般來說獲取高質(zhì)量的另類數(shù)據(jù)需要花費一些錢，但是這應該是最適合個人玩，或者小基金的一條路了。使用強算力大規(guī)模的挖掘和結(jié)合因子需要大量的GPU服務器，非常燒錢。構(gòu)建高頻交易系統(tǒng)需要高速的通道，并且監(jiān)管合規(guī)要求很多，個人基本不可能實現(xiàn)。而一些境外資產(chǎn)，在國內(nèi)做高頻就是純純扯淡，光互聯(lián)網(wǎng)的延遲就夠人家交易無數(shù)個來回了。

而且之前也聽說過一些網(wǎng)上的大神，通過長期努力的統(tǒng)計某公司在各個平臺產(chǎn)品的銷量趨勢，最后賺了一些錢的。這也算是另類數(shù)據(jù)的一個使用的全流程了：收集數(shù)據(jù)->分析數(shù)據(jù)->使用分析結(jié)果投資-> 獲利了結(jié)。

現(xiàn)在國內(nèi)外關于另類數(shù)據(jù)的研究也比較多，下面這張圖是境外的一些另類數(shù)據(jù)的供應商，國內(nèi)的起步晚一點，但也有一些公司這幾年發(fā)展的非?？?，可以說另類數(shù)據(jù)這一塊在國內(nèi)還是藍海，也許是一個創(chuàng)業(yè)的方向。