在另類數據集中，我們可以找到一些很有意思的內容：商場的人流、停車場擁擠情況、手機 APP 的下載量，甚至某個地區出現不穩定的可能性。“我們的數據提供商之一 Apptopia 是個很有意思的公司，他們提供的數據可以告訴你所有 APP 在 Google Play 和 Apple Store 上的下載數量。”Francis 介紹道。

　　彭博展示的另一個例子是地緣政治風險數據，其來自 Predata 公司。數據供應商會收集很多預警和指標，對于政治風險、經濟增長、社會不穩定等進行評分，從而獲得一系列的數據。如果一個人正在做風險管理任務，他們可以在這里獲得有關國家潛在風險的提示。

　　這些數據本身來自于公開信息，被各家數據公司收集后進行處理。對于分析師來說，這可以幫助理解競爭對手的業務情況，也可以在某一次投資前做好背景調查。

　　在另類數據領域有很多垂直領域的公司，但彭博擁有一站式的數據服務平臺將大量另類數據整合在這一平臺上。“對于一些數據提供商來說，他們可能會面臨缺乏客戶的問題。”Francis 表示，“但是加入彭博平臺以后，他們的數據可以被更多投資者發現，也許很快會變成熱門產品了。”

　　情緒數據，一秒總結全文

　　彭博最為大眾所知的或許還是新聞報道，其提供的權威性新聞評論及觀點常常會成為市場的風向標。很多短線投資者會在新聞爆出后的數秒內進行判斷并發出交易指令。如果讓 AI 來直接判定一條新聞是否“值得交易”，或許可以為交易員爭奪一些寶貴時間。

　　彭博已經使用自然語言處理技術讀取自家新聞社記者們撰寫的新聞內容，隨后使用數學算法來計算情緒數據。另外，來自推特等社交媒體的信息也“盡在掌控中”。該數據產品稱為“Event Driven Feed”（事件驅動數據流）。

　　在這方面機器確實比人要快。彭博采用了機器學習算法，每當新聞寫好之后，我們就立即能夠獲得這個故事的評分。隨后，彭博終端就會發出推送，實時告知客戶。從記者寫好一篇文章再到客戶獲得評分，在這期間耗費的時間不到一秒鐘。

　　情緒數據是一種經過深度學習處理過的數據，如何解決“黑箱”問題呢？彭博認為可以通過使用數據樣本進行回溯測試等方式，從數學上獲得穩定的結果，解決人們的疑慮。

　　客戶們對于這種新鮮事物還在探索和適應的過程中。“一些人對這種分析的可靠性表示滿意——通過回溯測試以及不斷訓練新的數據進行投資；”Francis 表示，“有些時候客戶對此不會滿意，這取決于客戶的類型和他們的投資方式。我們發現很多中國客戶非常樂于嘗試機器學習這樣的新方法，以求獲得更好的回報。而另外一些國家的投資者會相對保守，或許對沖基金會接受，但基金經理不會接受。”

　　有關英偉達的推特消息發出后，股價的波動情況。市場會在短時間內作出反應。（圖片來自 Bloomberg）

　　在這其中最重要的是不同的交易策略，一些人走短線，一些人走長線。他們都可以通過數據獲得自己所需的信息。對于那些交易速度非常快的人，比如一些對沖基金，當他們獲得新聞報道的標題時，會很快將其轉換為交易動作。有時在看到標題的一秒鐘內，他們就會進行交易。

　　“目前全球 有 50 多家機構在使用 Event Driven Feed 產品，其中至少有五個客戶正在使用中文推送流，”Francis 介紹道，“其中一些是中國公司。這是一個新的趨勢，我們的業務重點正在從紐約和歐洲轉向亞洲。”

　　新數據帶來的收益

　　隨著彭博新數據服務的發展，越來越多的金融機構開始將目光轉向于數據平臺。“很多客戶會下載數據后進行測試，當找到信號之后將其轉化為收益，如果行之有效，他們就會購買數據集。已經有一些客戶開始購買這些數據了。”Francis 表示。

　　對于量化投資而言，使用最先進的技術才能帶來最大收益。很多彭博數據的客戶都在使用機器學習和人工智能技術來處理金融數據，以形成他們的投資策略。Gerard Francis 認為在彭博數據業務的客戶中已有 80% 正在使用 AI 算法，而 20% 仍在使用傳統的投資模型。

　　除了帶來更多預期收益之外，人工智能和機器學習對于金融市場的影響方式有很多種。在風險投資領域有很多人正在使用 AI 算法進行風險回測，尋找壓力區域。也有人在使用 AI 識別交易員的風險操作。人工智能會在金融領域里或許還有很多新類型的應用。