电商销售数据：另类数据中的投资价值探索

"叶鑫在2021年11月14日的论文展示中探讨了利用电商销售数据作为另类数据在金融投资中的信息含量和预测能力。研究背景指出，随着金融市场成熟和市场效率提高，传统的公开信息已大部分反映在股票价格中，因此投资者开始寻求新的数据源，如另类数据，以获取超额收益。另类数据包括非传统来源的新型数据，例如餐厅评价、商品评论等，尽管单个数据点可能无规律，但大量汇聚后可揭示市场趋势。 论文中提到，Da等（2011）的研究发现，公司的谷歌搜索量可以预测营业收入和股票收益，但无法区分情绪和交易活动；Tang（2018）和Bartov等（2018）通过分析Twitter观点预测营业收入和盈余，但可能存在用户评价偏差；而Katona等（2018）利用卫星图像预测零售店表现，但可能不准确反映公司现金流。这些研究显示另类数据的潜力，但也暴露出噪声和信息不完全的问题。 叶鑫的研究特别选择了中国电商销售数据，因为这类数据实时性强、粒度细且噪声较小，更接近实际交易。通过收集所有主要电商平台的消费记录，可以更全面地了解消费者对公司产品的购买行为，减少品牌类别、群体消费特征和偏好等因素的影响。 研究动机在于，电商销售数据作为数字信息，其信息含量可能更高，更利于预测股票收益。这一研究为金融市场提供了新的视角，探索如何从海量的电商销售数据中提取有价值的信息，以辅助投资决策，同时，也试图解答关于另类数据信息含量的争议，即是否真的能带来超额收益，以及如何有效处理其中的噪声和偏差。"