量化要喂什么数据：行情、财务与另类

进入白银段位。做量化真正的起点不是写策略，而是搞清楚喂给它什么。原料的性质，决定了你能做出什么菜。

量化用到的数据大致分三类。

行情数据

每天（甚至每分钟）的价格、成交量、成交额、开盘收盘高低。它是动量、反转、波动率、流动性这类因子的原料。

特点是频率高、准确、及时、量大。价格数据基本不存在"不准"的问题，麻烦在于处理：复权、停牌、涨跌停、除权除息，每一项都会影响它。下一篇专门讲这个。

财务数据

三大报表——资产负债表、利润表、现金流量表——以及从里面算出来的各种比率。它是价值、质量、成长这类因子的原料。

特点是频率低（一个季度一次）、有披露滞后、会被追溯调整、口径还会变。可以说，量化里大半的坑都埋在这里。第 7 篇专门讲这些坑。

另类数据

不来自交易所和财报的那些数据：产业链的产销数据、招聘信息、舆情文本、龙虎榜、融资融券余额、甚至卫星图像和物流数据。

特点是覆盖窄、处理难、往往带有样本偏差——比如某类数据只覆盖大城市，用它推断全国就会偏。但它的价值在于可能提供别人没有的信息，也就是真正的增量。

用三个维度评估一份数据

• 频率：多久更新一次？日频数据能支撑日频策略，季频数据只能支撑季频调仓。错配会导致策略在等待数据的空窗期里无事可做。
• 可得性：能不能长期稳定地拿到？如果数据源随时可能断供，再好的策略也不值得上线。
• 可靠性：准不准、会不会变？财务数据会被重述，另类数据常有口径变化，都需要验证。

一条经验

数据不是越多越好。错误的数据比没有数据更糟——没有数据你会知道缺了什么，错误的数据会让你得出看似有依据的错误结论，而且很难发现。

所以拿到一份新数据，先别急着用它构造因子，先花时间搞清楚：它怎么来的、什么频率、什么时候能拿到、历史上有没有被改过。

一句人话：行情数据告诉你市场发生了什么，财务数据告诉你公司怎么样，另类数据试图告诉你别人还不知道的东西。三类数据的可信度依次递减，处理成本依次递增。

写在最后

三类数据里，财务数据坑最多、也最容易让回测结果失真。下一篇就来拆这些坑：披露滞后、追溯调整与口径变化。