按照数据来源分类，金融数据大致可分为基本面数据、价量数据、事件驱动数据和另类数据四类。基本面数据既包括宏观基本面、产业链上下游发展、行业发展趋势等，也包括上市公司的财务报表如资产负债表、利润表、现金流量表等。价量数据包括一切能从市场交易行为中提取的信息以及衍生的各项技术类指标。事件驱动数据大多源自预测市场对特定事件的反应不足或过度反应。另类数据包括所有投资研究中使用的非传统来源的新型数据，如ESG数据、社交媒体评论、卫星图像、移动设备数据、应用程序使用情况、互联网搜索记录和消费者交易数据等，其具体含义随时间推演不断更新。
时序单调性是金融数据的重要特征之一。在金融市场中，某一资产在给定时间段内的价格观测值就构成了一个时间序列。证券交易数据、市场指标数据、宏观经济数据等均为时间序列数据，具有时序性，即时间不可倒流。并且金融市场时刻存在博弈，市场规律具有时变特征。
低信噪比是金融数据的另一特征，信噪比是指一个电子设备或电子系统中信号与噪声的比例，其中，噪声是原信号中并不存在且无规则的额外信号或信息。在金融市场中，信号有助于投资者做出适合的投资决策，而噪声则无益于投资决策的形成，甚至会产生妨碍。金融数据中的噪声远多于信号，并且随着观测频率的增加，信噪比会进一步降低，投资者想要做出正确的决策也更加困难。
对于量化投资而言，数据的数量和质量将直接影响最终投资组合表现。基于金融数据的特征，明汯投资总经理裘慧明曾表示，金融数据有低信噪比的特点，而且数据量相对其他领域不算很多，量化投资在模型开发和调校时尤其强调避免过拟合，还要避免未来信息的引入并合理评估历史回测。需要注意的是，用大量数据训练简单模型可能导致高偏差或欠拟合，而用较少数据训练复杂模型则可能导致高方差或过拟合。因此，还需平衡模型复杂程度与对应模型训练数据量之间的匹配程度。
他还提到，一般来讲，数据点及结构化数据越多，就越有利于建模，如果历史上没有发生过或仅发生过几次，很难找到合适的数据来训练，基于过往总结出的“规律 ”在这个阶段则不一定有效。
裘慧明是美国宾夕法尼亚大学物理学博士，2001年起在华尔街从事量化投资，2014年创立上海明汯投资。作为国内资产管理规模最大的量化机构之一，明汯投资重视人才梯队培养和软硬件设施建设，持续对智力和算力的高投入，始终保持业内顶级配置。2022年底，明汯投资自有高性能计算集群位居世界超算排名TOP200榜单。（刘轩）
▲免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
