文/ 疯狂药师   来源：阿尔法工场（alpworks）　

　全球股票市场正在演化为一个数据战场。　

　如我们所知，在股票市场中，谁有数据信息优势，谁就具备收获超额收益的可能。　

　问题是，该如何提前获得数据呢？恐怕多数人首先想到的是内幕信息。　

　殊不知，通过对公开数据的收集和加工，并应用于投资，也是可以获得这种优势的。　

　迄今，在以华尔街为中心的全球股票市场中，机构投资者通过网络爬虫技术获取领先数据，进而赢得收益战争的现象已越来越普遍。　

　就中国市场而言，通过药师的走访调研得知，中国私募机构们运用爬虫技术的现象亦正日趋增多。其中主力，则多为那些此前率先涉事量化交易的私募机构们。　

　这类爬虫私募是如何运作的，药师这就为你揭示。 　

　爬虫：我只是信息的搬运工 　

　所谓爬虫，是一种能自动获取网页内容，并可以按照指定规则提取相应内容的程序。　

　用大白话来说，爬虫就是一个探测机器，它的基本操作就是模拟人的行为去各个网站溜达，点点按钮，查查数据，把看到的信息背回来。　

　作为一种常用的收集数据手段，爬虫往往会被数据采集公司，用来搜索出现在公共网站、社交媒体、在线社区、邮件插件上可能有价值的信息。　

　例如从应用程序和用户评论的下载，到航空公司和酒店通过票务网站接收预订的信息。　

　爬虫可以跟踪很多东西，从杂货到汽车销售的价格趋势。　

　分析师可以通过抓取消费者网站上产品的评论，来评估新产品的推出和产品生命周期。　

　下图展示的一家数据公司，不仅提供多家在美上市公司的领先数据，还提供相关的投资分析服务。　

　包括特斯拉(NASDAQ:TSLA)的库存数据，以及各社交网络上和用户的交互数据。　

　以及，不久前在香港上市的小米(HK:01810)的社交网站的数据。　

　当然，这是免费版的界面，相信付费版中提供的内容会更加丰富。　

　下面这家数据分析公司，更是覆盖多家已经上市的中概股，其中就包括刚刚登陆美股的拼多多(NASDAQ:PDD)的数据。　

　在一位匿名业内人士看来：“对于爬虫技术而言，难点主要在于反抓取上，被爬取方可能会针对IP、频次、请求习惯等方面做一些分析和限制，也会有图形验证码等人机验证手段防止爬取。”　

　他进一步表示：“其次的难点就不是爬虫的问题了，而在于庞大数据的分析和清洗上，怎么从看似杂乱的数据中分析出自己想要的内容，也是很需要技术含量的。”　

　比CEO更了解企业运营状况 　

　作为国内较早将爬虫技术应用于投资领域的保银投资，近年来的投资可谓稳扎稳打，收益方面也是节节攀升。　

　究竟是如何做到上述这些的？基金经理李墨给出了答案。　　

“为了有效紧密跟踪交易性机会，充分寻找上市公司各类蛛丝马迹，目的是做到比CEO更了解财务状况，也比CFO更了解运营情况。首先要做的，就是设置互联网爬虫系统紧密各类数据和信息。”保银投资基金经理李墨表示。　

　具体来看，观察产品价格背后的供需情况，以酒店为例，经济型酒店房价处于动态变化，经营者根据入住情况不断调整价格。因此，可以从线上预定网站或线下渠道，了解客源情况，并做进一步微观信息挖掘，深度了解运营能力。　

　通过类似这样的数据分析，就容易找到行业内公司间的差异性，通过运用股票多空策略，就可以实现较为稳健的获利。　　

“比如说做多招行(SH:600036)做空农行(SH:601288)，那么只要招行比农行跌的少，我就能赚钱。招行比工行农行涨得多也赚钱，招行比农行好这件事情大概率是比较确定的。”保银投资副总裁马肸珣表示。　

　类似的例子，还有做多吉利汽车(HK:00175)，做空长城汽车(HK:02333)。　

　超额收益的来源：政策和情绪 　　

“对于具有典型政策市特征的中国股市而言，通过对官媒信息的有效分析，有助于判断国家政策变化。”某量化私募人士透露。　　

“以计划生育政策为例，通过对独生子女政策关键词在官媒上出现频率的跟踪，有助于预测政策变化。”上述人士进一步表示。　　

“另外，个人投资者情绪的准确捕捉，对投资中国A股市场也至关重要。对社交媒体的有效分析，是获得中国A股超额收益的关键，因为个人投资者占据了A股市场很大一部分的交易量。”上述人士透露。　

　他进一步表示：“我们每月都会通过爬虫抓取超过 200 万篇的股评文章，从‘股吧’中每天读取约 10 万个帖子信息，用于观察个人投资者情绪。发现个人投资者在网络上所发布的相关股票信息，可用于对相关股票未来收益的预测。”　　

“具体来看，高度活跃的股票信息交流，通常预示着相反的市场走势；持续一致的积极观点，预示着潜在的市场高预期表现。”上述量化私募人士解释道。　

　爬虫：私募超额收益的下一个来源 　　

华尔街对于超额收益的追求从来没有停下过脚步，在过去的 150 年中，超额收益的来源平均每 10 至 20 年就要变化一次。在 20 世纪 50 年代，最初的对冲基金发明了股票多空策略；在 20 世纪 80 年代，数学和计算机比手持式计算器更具优势；在 21 世纪初，超额收益来源于高频交易。　

　这些策略或工具，一度让那些能够首先使用它们的人比其他人更有优势。　

　但随着它们变得越来越普遍，它们的优势消失了，投资者不得不寻找新的策略工具。　

　目前看来，“爬虫”当道的今天，使用那些由海量数据掩盖下的独特、领先信息，或将成为私募超额收益的下一个来源。