【导读】一是体量大，体现在规模和传输量；二是流动速度大，数据实时或接近实时获取和传输；三是种类多，数据结构形式多样。
5月21日，由中国银行业协会、北京市海淀区人民政府主办，北京银行承办的“2019北京金融科技协同创新论坛暨金融科技协同创新平台发布会”在北京举办。清华大学五道口金融学院常务副院长、清华大学金融科技研究院院长廖理在会上做了题为《另类数据的崛起》的主旨演讲。
廖理表示，在过去十年，金融科技在国内得到迅速发展，传统金融机构积极拥抱新技术和模式，金融科技协同创新的趋势显著。其中，另类数据异军突起，在全球市场快速发展和应用，并借助于互联网渗透到金融领域的各个方面，特别是为信用评级和辅助决策的痛点问题打开新思路。
以下是廖理演讲的观点整理：
另类数据，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信息。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。另类数据不同于传统数据，是典型的“大”数据，主要体现在三个方面。一是体量大，体现在规模和传输量；二是流动速度大，数据实时或接近实时获取和传输；三是种类多，数据结构形式多样。
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。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。
另类数据市场快速发展
另类数据市场快速发展表现在，另类数据以极快的速度积累，另类数据公司数量迅速增加和另类数据市场空间巨大。
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，而这个数量预计在2025年会增长到175ZB，这依赖于计算机算力的提升和存储设备技术的提高。
从另类数据公司数量上看，据Alternative Data的统计数据，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，国内发展迅速。根据出售数据的处理程度，另类数据公司主要分为三类。
一是原始数据提供者，这类供应商只收集最原始的另类数据，对于数据的处理程度最小；
二是轻处理数据提供者，提供与金融资产相关的可视化数据；
三是信号提供者，一般关注于某个特定行业，向资产管理公司提供打包好的量化投资信号。
从市场空间上看，Alternative Data统计表明截止2017年全球已有约800支基金利用另类数据做投资决策，2017年投资机构对另类数据的投入规模约为4亿美金，行业正处于快速发展期，预计2020年可达17亿美金，CAGR约为45%。
促进金融模式改变，解决行业痛点
目前，另类数据主要解决的行业痛点有两个方面。
一是信用评级领域痛点。例如美国信贷机构基于主流信用机构如Experian、Equifax和TransUnion给出的信用档案评级进行借贷，但存在大量消费者处于信用盲区，无法获得信用评级。另外目前信用评级的精度虽然已经较高但仍限制了潜在优质借贷者，从而放贷者无法更精准的控制风险，放贷的数量也受到了限制。
另类数据这种新型数据的获取、分析和应用正在少数金融机构先动者向全部金融机构和全体企业普及。有研究指出信贷机构利用这些通常与钱没有直接关系的另类数据，可以增强其传统承销机制，另类数据与分析技术结合可以评估之前没有被标记过的客户以及规模较小的客户，通过使用另类数据帮助更多的人获得或者提升信用评级。在我国这种新的模式被广泛利用于P2P网贷中，帮助借贷者证明自己的信用质量。
二是辅助决策，包括投资决策和公司战略决策。我们知道，投资机构为了获得超额收益，不断寻找新的市场阿尔法（阿尔法Alpha，一种投资回报系数，用于反映在证券投资中超越市场预期的额外收益），但主动型基金在寻找市场阿尔法这个核心竞争力上的优势越来越弱，一是因为市场有效性不断增强，基金经理很难找到被错误定价的资产；二是因为大部分基金经理能得到的信息同质化，导致很难找到独特的信息优势和额外信息；三是因为调研高度人工化导致人才的费用越来越高。
目前国内使用另类数据的多为对冲基金、二级市场基金及部分一级市场基金。另类数据可以给基金经理带来五点优势，即更大体量的数据和信息、新的洞察力、竞争优势、可靠性以及效率。
更好应用另类数据的风险和挑战
虽然基金经理使用另类数据寻找到新的阿尔法只是时间问题，但并不是所有另类数据都有潜力可以帮助基金公司获取市场阿尔法，因此另类数据公司在收集、清洗数据的同时，需要基金经理来评判数据是否有价值，同时高效的处理和应用将是降低成本和提升效率的关键，因此另类数据公司应当具备机器学习等技术开发能力和高效的产品策略。
应用另类数据应该注意以下五类风险，一是无效的应用或者错误的指导；二是较高的不确定性导致早期接受者的高成本；三是数据隐私问题；四是随着另类数据的传播，阿尔法再次难以寻找，不再有额外信息，另类数据是一个不断开发的构成；五是监管风险，如何监管另类数据大规模使用和传播有待探讨。这几类风险中传播风险和监管风险是基金经理控制力相对最弱的，因此需要引起更高的关注。
目前另类数据正在全面崛起，国内外出现了一批创新型的另类数据公司，为传统金融机构提供新的创新动能。未来，另类数据在金融服务中的角色将越来越重要，所释放的能量值得期待。
(审核编辑: 林静)