金融数据

金融数据 (Financial Data)

金融数据是描述金融市场中资产价格、交易量、财务指标、宏观经济变量及其他相关信息的定量记录，是金融分析、风险管理、资产定价和监管决策的实证基础。金融数据区别于一般经济数据的核心特征在于其高频性（可精确到逐笔成交）、高维性（横截面涵盖数千只证券）和复杂相依结构（波动率聚集、厚尾分布、时变相关性）。

数据分类

金融数据按结构和来源可分为四大类：

• 市场数据 (Market Data)：包括股票价格、债券收益率、汇率、衍生品报价及交易量。典型来源为交易所（NYSE、上海证券交易所）、做市商和电子交易平台（Bloomberg、Refinitiv）。市场数据最核心的属性是频率——从日频、小时频到高频数据（tick-level）。
• 基本面数据 (Fundamental Data)：企业的财务报表数据（资产负债表、利润表、现金流量表），以及宏观经济指标（GDP、CPI、失业率、货币供应量）。Compustat、Wind和CSMAR是主要的学术数据库。
• 另类数据 (Alternative Data)：非传统来源的金融相关信息，包括卫星图像（监测零售停车场、油轮轨迹）、信用卡交易聚合数据、新闻情绪文本（通过自然语言处理提取）、社交媒体讨论和网络搜索量。另类数据在量化投资中日益重要，但面临信噪比低和回测过拟合的挑战。
• 参考数据 (Reference Data)：证券标识码（ISIN、CUSIP、ticker）、公司行动（分红、拆股）、行业分类（GICS、申万行业分类）和信用评级（标普、穆迪、惠誉）。

数据质量问题

金融数据的质量直接影响实证结论的可靠性，常见问题包括：

• 幸存者偏差 (Survivorship Bias)：数据库中仅保留现存公司/基金的历史记录，退市或清盘的实体被剔除，导致历史收益被高估。例如，仅用当前存活的共同基金样本估计超额收益会产生显著上行偏误。
• 前视偏差 (Look-Ahead Bias)：在回测中使用了在当时时间点尚未可得的信息（如使用了财报修正后的数据替代最初公布的数值，或使用了事后修订的宏观经济序列）。
• 数据窥探偏差 (Data Snooping)：同一数据集被反复用于搜索交易策略，即便在统计上不显著的规律也可能因多重检验而"显著"。Lo与MacKinlay对此提出了严谨的计量经济学警告。
• 异步交易与微观结构噪声：不同证券的收盘价记录时间不一致会扭曲相关系数估计；买卖价差的跳动在高频数据中引入负一阶自相关。

计量处理特殊性

金融数据的统计特性对传统计量方法构成挑战。金融时间序列普遍呈现波动率聚集（大波动后倾向于跟随大波动），促使ARCH/GARCH族模型的广泛应用。资产收益分布较正态分布具有明显的厚尾特征，因此在风险价值计算中需要极值理论或Copula方法。面板数据在金融中同时面临截面相关性和时序相依性，Petersen提出的双重聚类标准误是应对之道。机器学习方法（随机森林、梯度提升、神经网络）在处理高维金融数据方面展现出优于传统线性模型的能力，但可解释性与过拟合是核心权衡。