大数据投资决策入华记 风靡华尔街的舶来品遭遇“水土不服”？

“近期我们正在做一件挺奇妙的事。”一家国内私募基金负责人薛强（化名）透露，所谓的奇妙，就是这家私募机构正尝试采购收集大量白酒、快消品等在电商渠道的销售数据，与中国居民消费需求与实际消费能力等因素进行比较分析。由此判断这些行业上市公司销售增长速度是否“真实”，有没有存在向经销商压货以美化短期业绩表现的迹象。

他坦言，这项工作的灵感，主要来自欧美国家对冲基金同行。比如他们会在特斯拉发布新一期财报前，关注特斯拉创始人马斯克是去海外度假，还是前往工厂监督生产。前者意味着特斯拉最新财报可能超过市场预期，买涨特斯拉股票容易获利。后者则意味着特斯拉最新财报不尽如人意，沽空特斯拉股票的胜算更高。

在薛强看来，这背后，是大数据分析技术与智能化投资模型正悄然改变海外对冲基金的投资决策机制。

以往，海外对冲基金主要依靠基金经理个人经验与财报分析，判断上市公司未来业绩增长潜力，但这种基于“过去预测未来”的做法往往存在诸多主观性与片面性，往往导致基金经理投资出错；如今通过大数据分析技术，对冲基金就能掌握上市公司最新的销售状况，洞察它们在经济环境变化压力下的最新业绩波动，从而避免投资踩雷。

21世纪经济报道记者多方了解到，如今基于大数据分析的智能化投资模型，俨然成为华尔街众多投资机构日益青睐的新宠儿。不少华尔街大型对冲基金与资管机构每年在各类数据信息采购收集的开销，高达千万美元级别。

一位华尔街对冲基金经理向记者直言，相比传统人工为主的投资决策机制，基于大数据分析的智能化投资决策存在三大方面的改进，一是通过大数据分析，可以了解不同类别资产在不同宏观经济变化场景下的关联性，从而针对不同宏观经济环境变化实现不同底层资产权重的自动调节，提升整个投资组合的抗风险性。二是行之有效的大数据分析技术可以解决信息过多问题，让基金经理接触到更有价值的数据信息（过滤掉大量无效信息），从而更好地落实投资策略。三是大数据分析技术能帮助投研人员更简单地进行策略构建、策略分析与策略回溯，提升整个投资流程操作效率。

“目前，不少国内大型私募也开始尝试构建基于大数据分析的智能化投资模型，逐步替代传统人工为主的投资决策。”薛强向记者透露。不过，如何让“人”的经验与大数据分析成果进行有效融合，实现1+1大于2的效果，依然是境内外私募对冲基金面临的挑战。毕竟，很多基于大数据分析的投资决策缺乏逻辑性，需要人的逻辑推演能力进行“解读”，但这很大程度考验境内外私募对冲基金的“整合能力”。

“试水”中国私募圈

“在借助大数据分析技术预测上市公司未来业绩增长前景方面，海外大型对冲基金已经颇有心得。”上述华尔基对冲基金经理向记者直言。以特斯拉为例，海外大型对冲基金通过采购收集特斯拉汽车工厂用电数据与工厂热能值，零部件提供商发货等数据进行交叉验证分析，就能预判特斯拉当季产量是否高于市场预期。

为了准确捕捉真实的特斯拉汽车销售数据，他们还会采购很多国家海关数据，以此了解特斯拉汽车出口各国的实际数量，并依托所采购的保险公司承保数据（特斯拉车主购买的汽车保险），从而验证特斯拉汽车在这些国家是否畅销，以及是否存在向经销商压货的迹象。

“当众多数据融合在一起，这些对冲基金就能赶在财报发布前，通过智能化投资模型基本判断特斯拉当季汽车产销量是否超过市场预期，从而提前布局买涨（沽空）特斯拉股票获利。”他向记者指出。

这也吸引部分国内大型私募基金开始效仿海外对冲基金，构建基于大数据分析的智能化投资模型。

“我们之所以首先在白酒、快消品行业进行试水，主要原因是这类商品的电商渠道销售数据相对公开且容易获得。”薛强向记者坦言，为了确保这些电商销售数据的真实性，他们还专门聘请了第三方调查机构，分析相关电商平台在白酒、快消品领域是否存在刷单行为。

但他承认，目前基于大数据分析的智能化投资模型，仍然无法替代人工为主的投资决策机制，只能起到辅助作用。究其原因，一是中国股市以散户为主，股价变化未必如实反映上市公司业绩波动，导致以业绩预测为主的智能化投资模型实际运营效果不如预期；二是上市公司也会通过各种关联交易美化业绩，导致智能化投资模型也可能做出错误的投资决策。

值得注意的是，不少投资A股的海外对冲基金因此花费大量资金采购各类行业、企业、竞争对手的经营数据，通过多方交叉验证评估上市公司是否存在美化财报行为，作为他们逢高抛售A股的主要依据。

然而，不少数据提供商存在数据收集不全以及在不同语境下对上市公司财务数据解读出现歧义等问题，导致海外对冲基金往往面临较高的“误导”风险。

信息数据过多“待解”

记者多方了解到，尽管国内大型私募基金正在积极尝试构建基于大数据分析的智能化投资模型，但他们很快发现，自己正遭遇与海外对冲基金类似的“窘境”。

“目前很多数据提供商所提供的数据，在真实性与准确性方面存在较多问题。”薛强告诉记者。去年他们曾向一家数据分析机构“采购”一系列A股上市公司样本的营收预测，发现他们提供的营收预测数据与这些上市公司财报相比，平均误差值高达15%以上，无法对投资决策优化产生任何有益的帮助。

所幸的是，近期他遇到一些大数据分析公司，通过一系列数据获取分析模型的改良，他们的平均误差值降至8%左右，超过多数分析师的人工预估值。

“不过，信息数据过多的行业问题依然难解。”薛强强调说。如今数家数据提供商每天向他提供海量数据，其中逾50%数据信息对他而言基本是“无效的”，原因是这些数据与他们当前投资策略与投资组合缺乏“关联性”。

其间他尝试向数据提供商“定制”基于投资组合的相关数据信息推送服务，但实际效果喜忧参半——偶尔他获得的数据信息相当不错，但多数时候不如人意。

他认为，这背后，是不少数据提供商都是技术研发“出身”，对金融市场投资规律缺乏足够的了解。

“事实上，国内私募基金需要构建大数据分析的智能化投资模型，需要解决三大紧要问题。”多位私募基金人士向记者指出。一是当行业景气度（机构涉足投资的行业）发生变化时，数据提供商能否第一时间梳理出相关数据提供“预警”；二是当行业景气度持续恶化时，是否会对行业上市公司股票造成冲击，这需要从舆情与投资者情绪变化等新闻信息里寻找相关线索；三是行业景气度持续恶化，是否会造成相关上市公司债券遭遇违约风险，相关上市公司上下游企业的收付款账期拉长、行业利润出现超预期下滑、企业不惜成本发行产品募资等信息数据，都可以提供相关的预判信号。

“这也是当前国内私募基金与海外大型对冲基金存在的差距——后者已经构建相对成熟的数据获取采集分析技术，能通过捕捉一些不受关注的细小数据，对相关上市公司业绩与股价波动做出准确判断，从而产生阿尔法超额收益；前者更多将大数据分析技术作为辅助工具，实际的投资决策还是依赖基金经理的投资经验。”一家国内大型私募基金投资总监坦言。

21世纪经济报道及其客户端所刊载内容的知识产权均属广东二十一世纪环球经济报社所有。未经书面授权，任何人不得以任何方式使用。详情或获取授权信息请点击此处。