來源：IPO早知道
作者：羅賓
信息和認知對投資來說哪一個更重要？我們認為這是有分類和適用場景的。
此前，我們提到過去幾年Buy and Hold策略是比較主流的，我們認為在此策略下認知更重要。但認知在不同公司的表達又是不同的，像對於可口可樂這樣的穿越周期的好公司，我們的認知不太需要高頻信息和數據去證實。而我們還認為，信息、數據在一些場景下跟認知同樣重要，甚至是認知本身。
那麽信息與數據是否真的會造成機構和機構之間的核心差異呢？
本期「WhatIf早知道」是IPO早知道和WhatIf聯合推出的專欄。「Whatlf」致力於打造信息協同網絡，提供充分閉環研究的商業信息和內容，其背後支持者包括家族辦公室、資產管理機構、企業家、投資人、行業組織、CXO等。
本期主題為「信噪比的另一種解讀」。今天的敘事者是服務於國內一二級市場的另類數據頭部企業百觀科技的創始人兼CEO陳沐，這位CEO原來也是投資行業的從業者。今天，百觀科技將分享他們看到的信息和信噪比的變遷。
我們認為，所有的結構性變化，不是只是說和討論的，而是持續地運營、模擬，靜下心來認知這個世界，不是發一個朋友圈就好了，真正的結構化是在於我們怎麽提高我們的大腦，不要只是交易、熱鬧。
以下為本文目錄,建議結合要點進行針對性閱讀
01:為什麽在當下我們更要討論信噪比？
02:面對信噪比下降，要改變信息吸收、處理的方式
03:怎麽用技術的方式提高信噪比？
04:現在大環境的情況和信噪比的工作
05:未來解決信噪比的方式的發展和影響
Q1：為什麽在當下我們更要討論信噪比？
1、以往一二級投資機構的認知框架是尋找原始信息，去掉噪音，獲取信號，再去做投資決策。因為以前的信息量少，市場參與者也少，大家的工作流是看新聞、分析財報，人工處理這些信息。
2、數字化的進程使信息量膨脹，超過了現有的處理能力，很多機構自然地做了減法，但這又會導致信噪比下降。那麽如果要維持像以往一樣的信噪比水準，要花更多的精力去分辨有效信息。
1）信息量膨脹，來源包括：基礎數據、政策動向、新聞媒體、公司溝通、專家訪談、市場調研、賣方信息、宏觀環境、社交媒體、另類數據。
另類數據是一種新的信息來源，現在各行各業的經濟活動逐漸被數據捕捉到，有很大的數據挖掘價值。在另類數據服務使用上，美國比中國早了大概六七年。據我們看到的統計，美國有500多家另類數據廠商，覆蓋了近二十種數據類型，中國有100家左右的另類數據廠商，但中國另類數據的類型多達三四十種。
2）基金AUM變大、投資標的變多，所以要做的投資決策更多，基金對信息挖掘的要求變多。
3）信息之間口徑、時間點、角度都不一樣，也增加了處理難度。
4）收集信息的時間變長，要處理的不同來源信息之間對齊工作變多，而人的記憶容量也是有限的，如果按照現有的筆記、Excel、機構協作系統等處理方式，會讓專業投資者沒時間思考。
Q2：面對信噪比下降，要改變信息吸收、處理的方式
信噪比下降，解決辦法不是給信息做減法，因為很多有價值的信息確實蘊含在了新信息源里，如美團訂單量、Bilibili的付費會員數等另類數據，可以提前兩個月給到我們重要信號，這是我們必須去獲取的。另一個例子是教培行業，如果我們更早地去讀教育行業政策相關的文章，會發現教培行業很早以前就有逐步被監管的可能。
所以，我們應該改變方法論，改變技術，提高信噪比。一些機構里有自己數據科學團隊，在國外這里的一個里程碑事件是Citadel曾招了前微軟COO成為Citadel Security的CEO。此外，BlackRock的阿拉丁系統現在已經是它的核心業務線之一。
Q3：怎麽用技術的方式提高信噪比呢？
1、信息采集層面
1）場景化。投資機構自己決策在哪些環節擴大自己的信息來源，增加信噪比的效率。這些新信息的適用場景主要包括二級市場的idea generation和跟蹤研究、一級市場的deal sourcing、盡調、投後管理。
2）自動化。機構有自己的IT部門去自動化采集新的信息，或自己搭建數據中台，或對接服務商，要求自動化推送信息。
3）以終為始&以始為終。以始為終是要開放性地了解各種信息的來源、數據特點。而以終為始，是指要場景化建立自己的決策和認知框架，否則會被帶偏。在此基礎上，數據采集還要有迭代機製。
2、信息整理需要有結構化的思維。結構化處理是降噪的關鍵步驟，基金首先應有數據庫化思維，對研究的行業與公司做好標準化目錄索引，甚至以雲端數據庫去為規模化的數據存儲、處理做準備。在此基礎上就可以用自動化工具找到投資時需要的信號。
3、認知框架的自動化。從數據中找到信號最關鍵是要找到關鍵指標。信號的提煉可以實現自動化，但基金在認知框架中要確立哪些指標來服務於自己的研究，包括：
1）標準化的微觀指標；2）中觀指標；3）根據基金的策略建立的自己的宏觀北極星，如Ray Dalio宏觀指標分析框架、二級市場基金的大盤指標、一級市場的社會指標。
根據各個基金的投資主題，他們關注的數據有差異。有了主觀認知框架，加上自動化，在數據決策系統中加減指標通過幾行代碼就可以達成了。
WhatIf信息官補充
認知的框架應該相對主動和靈活，正如芒格所說，在不同的場景中應該有不同模型去應用和迭代，比如在市場上升通道或者資金流動性較好時，各種另類數據和信息的處理是非常有效的，因為市場的映射會很有效，這些另類數據除了百觀上述的各種業務數據外，還有很多其他的定義和來源，比如美國部分量化基金會跟蹤部分投資人的13A披露，並加以處理，或者會關注一級市場的投資人的組合來形成一部分信息來源。
而在下行市場或者動蕩市場中，多維度的信息會顯得非常重要，尤其對於風控而言，比如最近1-2年，對政策和宏觀信息的系統化處理尤為重要。
政策：
- 國家級媒體包括包括人民網、新華網、央視網、中國日報等，各級部委也有自己的媒體
- 國際政策等可查看Bloomberg等聚合Portal
宏觀：
- 除Fed、PBoC政策外，還有ISM製造業數據、CPI數據等
- 此外部分資金方面數據可看投行PB交易數據、債券市場數據、期貨市場數據、空頭回補數據、國內南下北上資金數據等
行業自身主要包括：
- 數據庫、行業協會
- 金融類：投行信息、Bloomberg等金融信息聚合平台、金融類信息分發平台
通常我們看到做得好的Hedge fund，都會針對一些策略沉澱信息和數據的workflow，過程中包括上述公開信息、另類數據、非結構化信息文本、內部協作信息等。
專業的投資人是有自己的表達的，對行業的看法、對公司的偏好、對風險的理解、對成長的理解等都是需要很好的表達，這種表達遠遠不僅局限為我喜歡一個公司我要長期持有，而是背後的原因得表達更為重要。
簡單說一個公司是好公司已經不足以表達了，更重要的是它在什麽情況下、什麽價格下是好公司。
4、如何用技術團隊實現降噪？基金會通過in-house招人、外包、用第三方產品這幾種方式結合來完成。
我們發現大平台的對衝基金管理規模在100億美元以上，更適合有一個健全的in-house數據科學團隊，並且跟第三方數據服務商合作；10億到100億美元規模的中型基金，需要一兩個內部人員對接數據服務商，再使用外包團隊使自己的數據系統能運轉起來；更小的基金可以直接使用第三方服務商的服務。
服務商的能力也在變強，未來也是可以實現內部數據科學家的職能的。美國基金在使用另類數據服務商方面的滲透率較高，但中國目前只有頭部機構在嚐試使用。
5、行業案例與趨勢：一級市場在投後資產管理方面會比二級市場更加積極地運用數據去賦能它的被投公司。一級市場投後場景中，機構在控股被投公司後，需要用數據賦能公司的戰略決策。Blackstone曾向美國SEC報備，它會將被投公司的數據進行共享。再看國內，高瓴控股百麗後也用數據去指導投後的數字化運營。
我們看到一些基金把自己的認知框架指標做了系統化評分標準。Iconic在對於SaaS的決策中，就將十幾個公司的關鍵指標做成benchmark，遇到新的公司就以benchmark作為參照，用關鍵指標的比對系統來做降噪處理。做這些比對時，將盡調標的的data pack放進系統里，幾個關鍵指標可以自動化地生成出來。
WhatIf信息官補充
在我們盡調基金的過程中，很多基金強調數據benchmark是沒有實際用處的，究其核心原因是「市場並非這麽定價」；這里我們發現有兩類情況：嚴格遵守Benchmarking的機構，反向去不斷要求自己找到合適的投資方向和標的的，通常風險收益和穩健度都比較好；堅持認知無法框架和benchmark化的機構，也有部分機構賺取了超額收益，同時，部分機構也因為追高損失了節奏，付出了「停滯期」。
在這個層面上，我們覺得投資以及類似的商業決策，確實是科學+藝術的結合，知道自己更偏科學，還是更偏藝術，輔助以適應自己系統的認知、決策設施，是更為重要的。
Q4：現在大環境的情況和信噪比的工作
1、市場環境的變化。中國走到了經濟百年不遇的變局，政府在引導投資從to C走向to B、從線上走向線下。信息的大幅增加是不可逆的，決策的變量增多也越來越將大家拉回同一起跑線。
2、修內功的好時機。過去幾年，投資資金流動性很強，大家搶項目的時候根本沒時間去消化和沉澱。目前經濟增速放緩，基金募資難更普遍，而且下決策做多、做空都比以往更難，我們還看到很多基金過去在運行的估值框架現在失效。但它們可以利用這個時候練好內功，借助數字化轉型把投資流程重新梳理，復盤、建立新機製和方法論。
Q5：未來解決信噪比的方式的發展和影響
信息的膨脹是不可逆趨勢。中國的統一要素市場中，數據是生產要素之一。從國外的NFT、區塊鏈、Web3看，很多物質世界的事物也被數字化了。今後要降低投資研究的信噪比：
1、未來形態是人類與AI的結合。信息采集、處理甚至初步判斷都能由機器完成，但人的感性部分沒辦法被機器取代。
2、分布式決策與賦能。信噪比降低的終局是使每個分析師的產能更強，並且由於技術賦能，某個行業領域會出現更多小的團隊或平台進行專業的資管；大平台可以管理好更大的AUM，例如Bridgewater和Citadel都是系統性地管理更大的規模，單體的輸出效率也很高。
編輯/phoebe