欢迎您能点进来~

是不是好奇什么是另类数据？

我们先来看一则发生在华尔街的真实案例吧，或许能从中了解到什么是“另类数据”：

特斯拉，一家神奇的公司。上市以来，它谱写了一个又一个的神话。

然而，就是这样一家公司，也有着它的硬伤。

特斯拉的量产能力一直都是这家公司的增长瓶颈，也一直是华尔街分析师们诟病的地方。每次一出财报，如果财报显示公司量产能力出问题，股价往往就会下跌。反之则会上涨。

所以，量产能力就成了特斯拉股价涨跌的关键变量！

也就是说，如果我们能提前知道特斯拉下一季的量产能力，也许就能提前预测它的股价走势，并凭借信息优势提前布局，从而立于不败之地！

可是这真的能做到吗？传统数据根本做不到吧！

华尔街的分析师们做到了！

美国一家叫Thasos的数据公司，发现了一个新的数据，他们监控了特斯拉在加州弗里蒙特的工厂里员工手机的信号。

Thasos公司做了一个推测。他们认为，员工加班的时长，跟量产能力是成正比的。加班越多，量产越高。通过手机信号，他们可以监测员工加班的情况。

在2018第三季度，他们发现特斯拉员工工作时长大幅增加，在整个季度通宵轮班的比例增加了30%。由此他们判断，Q3的量产应该会有大幅增长。

事实证明他们的推测是对的！后来的Q3财报显示，Model 3 车型产量翻倍！

当日特斯拉的股价应声大涨9%！

而“手机信号”这类非传统数据，便是华尔街人口中的“另类数据”。

不得不说“另类数据”

简直神了！

看到这里，想来大家对另类数据也有了些了解，其实在我看来，另类数据就是由大数据驱动的，一些我们平时投资分析中不太会去使用，却又能比较及时、客观带来信息差优势的数据。

图片来源：摩根大通量化研究部

那么，我们是不是也能用到另类数据呢？

对此，小编满怀信心，毕竟我们身处在一个大数据的时代。

虽然，类似手机信号这类数据，对我们普通投资者来说还是遥远了些，毕竟这是投资巨巨们交锋的产物。作为“菜鸟”的小编，自然是要运用“菜鸟”的另类数据来预测涨跌啦~

可是，该寻找什么数据呢？

在分析师同事的提示下，我找到了一个突破口：

在短线中，一只股票的关注度或者说热度对它的涨跌起着关键性的作用。那么，关注度可以用什么来体现呢？

报告数和新闻数，即：机构研究报告量和主要媒体相关新闻数量。

巧的是，这两个数据，我都能获得

话不多说，开工！

打开数据采集工具，设计采集规则，规则主要以热门主题概念进行分类，抓取各热门主题下的相关股票池，以及各只股票的报告数和新闻数。（以7月4日数据为例）

我们选择至7月4日的数据为例，主要是因为7月4日并没有较为突出的热点，对于变量的干扰相对较小。（其实是因为快到截稿日期了...）

.

.

.

30分钟后

.

.

.

采集完成

差不多840页，约8400条数据。

这个数据的处理量对小编来说有些大了，为方便起见，本次我们选择热门主题概念前50的相关股票池作为样本进行后续步骤。

开始筛选

接下来就是使用报告数和新闻数来对样本股票池进行筛选，本次主要以报告数为主，原因是相较于新闻，报告更具权威性。

首先，从样本股票池中选出报告数大于等于10的股票，共105只。

对于所选出的股票，我们选择以7月5日收盘的涨跌幅作为涨跌评判依据。

得出：

结果发现，上涨69只，下跌33只，0%3家。

根据结果来看，下跌的家数还是太多了，难道我们选择的数据并不靠谱？对此我们还没有放弃，还有一个变量没有使用。

接下来从这105只股票中选出新闻数大于等于10的股票，共25只：

得出：

结果发现，上涨21只，下跌为4只。

从本次结果来看，我们选择的另类数据对我们当日的选股确实存在一定的帮助作用！

不过，精准短线选股，可不是一两个变量的筛选就能选出来的！以上只是在一个较理想的环境下测试的结果。

现实投资中要考虑更多的变量，不管是另类数据还是传统数据，并且还要结合及其丰厚的经验以及专业知识，这其中的工作量可就不是一次数据分析就能搞定的了！