对另类数据有洁癖的 Vanguard QEG

2003年，小翰哥（John Ameriks）加入了 Vanguard 领航投资 。从那个时候开始，他就一路稳稳的观察着数据以及另类数据这个领域的发展。

20年过去了，小翰哥现在已经是 Vanguard 里那个有名的 QEG 负责人。业内的人都知道，Vanguard 的 QEG （Quantitative Equity Group）是驱动领航投资的一个核心部门。

这个部门大概有30个人，包含有投资经理，分析师，还有自己的量化和创新团队。量化（Quant Dev）和创新（Innovation）团队的主要KPI，就是把一些最新的科技和数据带入到投资和交易流程中。

他们其中一项任务，就是深究哪些另类数据库有投资价值，可以进一步深挖Alpha。或是说哪些数据库值得采购。比如对于医药行业，他们会去研究一些很小众但价值又较高的数据库，例如药物临床阶段的测试结果……

另类数据对于买方机构来说，就犹如 Alpha 里面的 A。如果你找到了，有了，而且还是第一个有，那么恭喜，抓住Alpha的概率提高了。

但是对于领航这样的机构来说，无论是数据或是另类数据，他们都是有极度洁癖的。

既要有质量，又要够另类，而且还要有足够的历史。

在伦敦有一家叫 Neudata 的另类数据咨询公司。他们接触过大量的另类数据库。但是要进入像领航这样的头部机构，并不容易。传统的那种网页爬下来的数据，或是推特的推文，一般都不能被采用。

小翰哥和他的 QEG 部门，从七年前就开始在这个领域深挖。除非有名的公司，而且能对自己数据付法律责任的公司，不然他们一概都不考虑。道理就有点像大部分公众号自媒体的数据，这些都不能拿来作为量化或是自动化交易的素材。

非常简单的道理：那些站着说话不腰疼的话，不能吸收。

Alpha Decay

这个词最近在另类数据采购中听说过。

Decay，一般我在牙科听过。就是蛀牙。

Alpha Decay，是形容一个投资策略的 Alpha 逐渐地被侵蚀掉。当然，它在化学里还有另外一个意思。

当一个数据或是另类数据被几家投资机构慢慢用上了之后，它的 Alpha 价值就慢慢地消失。

Neudata 的 Darly Smith

Neudata 的负责人 Darly Smith 曾说过，有些量化基金为了能得到优势，除了比较优质的数据库之外，他们还会采购一些比较新但又很小众的数据。

这种像 Vanguard 这种老派和老牌的，可能不会。 不过在 Hedge Fund 这个行业里，也是弱肉强食的行业，Be First 是生存法则。

Josef Schmalfuss 是另外一家另类数据供应商的 CEO 。名字比较长，暂时叫他JS。

在 JS 创自己的公司 Oxford Data Plan 之前，他曾经任职 Portsea Asset Management，做了七年的PM。期间还曾经担任牛津的客座讲师。2022年，他决定自己创业，开了 Oxford Data Plan。在 JS 眼里，当对冲基金开始看另类数据的那几年，创 Alpha 是可能的。但，不是每个人都能找到 Alpha。

这个道理就类似你有一台彭博终端 Bloomberg Terminal。在华尔街或是格林威治，你怎么都要有一台，就类似身份证。

但是，有，并不代表你能赚钱。

另类数据对于对冲基金来说，道理一样。

对于 AI 和金融数据，还是得留点心

顺便说一下Vanguard的小翰哥对AI的看法。很多人都在拥抱AI。的确，大部分金融机构也没有再逃避。

但一旦进入金融领域，很多人都还是非常之小心的。

小翰哥对于AI智能的见解和业内技术人士一样：

AI 的强项是用来填充历史。历史数据大部分是确定的。但明天的未知才是值得我们去思考的。算法可以快速地把历史填充进去，但算法能够多准确地预测未来？ – John Ameriks

虽然保守，但 Vanguard QEG 还是投入不少时间去进行深入研究。他们日常会花一半精力去钻研 AI 的自动化智能度，另外一半项目会去评估完全“去人化”之后的研究质量。为此，他们还自研了一套叫做「interpretability engine」（解译引擎），专门用来判断智能投资释放出来的信号准确度。

小翰哥在多次项目中的思考是，对于量化策略来说，这些智能工具最终带来的价值是否只是数据挖掘（Data Mining）或是把曲线给平滑填满（Curve fitting）？

对于很多金融自动化项目，人类的角色还是至关重要的。

再智能的机器，也需要人类盯着。