鮮活另類數(shù)據(jù)賦能專業(yè)投研：另類數(shù)據(jù)逐成大勢引領(lǐng)投研新視角

1、CONTENTS目錄一窺另類數(shù)據(jù)的意義與優(yōu)勢海外市場應(yīng)用探索,商業(yè)經(jīng)營研究倍受青睞國內(nèi)市場分析實戰(zhàn)，數(shù)據(jù)科技洞察企業(yè)經(jīng)營趨勢風(fēng)險與優(yōu)勢并存，另類數(shù)據(jù)應(yīng)用時不可待11.1 一窺另類數(shù)據(jù)的定義與優(yōu)勢可以提供能多維 度的數(shù)據(jù)和信息相比于傳統(tǒng)數(shù)據(jù)，使用頻率較低價格昂貴，數(shù)據(jù)采購成本高 歷史數(shù)據(jù)較短，難以追溯 通常與金融市場不直接相關(guān)缺乏標(biāo)準(zhǔn)化應(yīng)用場景，使用更具挑戰(zhàn)性什么是另類數(shù)據(jù)？眾所周知，信息可以提供優(yōu)勢。因此，金融從業(yè)人員在歷史上一直試圖收集盡可 能多的數(shù)據(jù)。但是，隨著時間的流逝，這些信息的性質(zhì)發(fā)生了變化，特別是自大 數(shù)據(jù)革命開始以來。它從諸如市場價格和資產(chǎn)負(fù)債表信息之類的“標(biāo)準(zhǔn)”資源演 變?yōu)榘?/p>

2、其他資源，特別是那些從其他的維度可以揭示地區(qū)、企業(yè)經(jīng)濟(jì)狀況的數(shù) 據(jù)。這些包括衛(wèi)星圖像、社交媒體、銷售渠道、船舶航行、人員流動甚至物聯(lián)網(wǎng)（IoT）等。我們將這些“非標(biāo)準(zhǔn)”來源的數(shù)據(jù)稱為另類數(shù)據(jù)。擁有不可預(yù)見的 洞察力實時數(shù)據(jù)帶來的 競爭優(yōu)勢有助于提升投資 研究的分析效率21.2 另類數(shù)據(jù)應(yīng)用優(yōu)勢顯著資料來源：Greenwich Associates，Eagle Alpha，中信證券研究部根據(jù)Eagle Alpha的報告， 美國對沖基金中有78已 經(jīng)在使用替代數(shù)據(jù)。Greenwich associate的調(diào) 查顯示，70的投資者相信 實時數(shù)據(jù)給他們帶來競爭 優(yōu)勢將另類數(shù)據(jù)整合到投研分析流程中的優(yōu)勢

3、另類數(shù)據(jù)傳統(tǒng)數(shù)據(jù)可以提供能多維度 的數(shù)據(jù)和信息數(shù)據(jù)更新相對更加頻繁歷史數(shù)據(jù)長度往往較短 覆蓋領(lǐng)域一般更廣數(shù)據(jù)更新相對低頻歷史數(shù)據(jù)相對較長 覆蓋領(lǐng)域較為單一擁有不可預(yù)見的洞 察力覆蓋領(lǐng)域一般更廣對多種大類資產(chǎn)甚至行業(yè) 都有較強的揭示能力覆蓋領(lǐng)域較為單一提供的信息相對較為聚焦， 通常僅與少數(shù)資產(chǎn)直接相 關(guān)實時數(shù)據(jù)帶來的競 爭優(yōu)勢數(shù)據(jù)更新相對更加頻繁往往需要更強的投研分析 和數(shù)據(jù)能力數(shù)據(jù)更新相對低頻且基本對所有分析人員公開框架更加標(biāo)準(zhǔn)化，可以相 對容易地分析有助于提升投資研 究的分析效率提供更多更快速有效的研 究與分析工具覆蓋領(lǐng)域一般更廣，多維 度結(jié)合打開新的分析思路數(shù)據(jù)工具的缺乏導(dǎo)致更高 比例的手

4、動研究和分析覆蓋領(lǐng)域較為單一，很難 進(jìn)行多維度交叉驗證3Greenwich associate的調(diào) 查顯示，90使用另類數(shù)據(jù) 的資產(chǎn)管理公司取得了正 投資回報。您的對沖基金中,有多少比 例的投資過程是以靠另類數(shù) 據(jù)以及“大數(shù)據(jù)”分析/人 工智能來支持的？您期待這個比例在未來3年 有怎樣的變化？EY于2017年底發(fā)布了一項資產(chǎn)管理調(diào)查，結(jié)果顯示機構(gòu)投資者希望越來越多地使用另類數(shù)據(jù)。AlternativeData在2019年的一項調(diào)查顯示，到2020年，買方在另類 數(shù)據(jù)上的支出在2016年僅為2.32億美元，而這一數(shù)字預(yù)計在2020年增 加至20億美元。27272525242019社交媒體數(shù)據(jù)私人

5、公司資料信用卡資料供應(yīng)鏈分析網(wǎng)絡(luò)流量數(shù)據(jù)搜索趨勢銀行貸款信用數(shù)據(jù)您如何使用另類數(shù)據(jù)以及“大數(shù) 據(jù)”分析/人工智能來支持投資過 程？您當(dāng)前或計劃在未來6到12個月 內(nèi)使用以下哪種類型的另類數(shù) 據(jù)？46313221已經(jīng)在使用 另類數(shù)據(jù)現(xiàn)在還沒使 用另類數(shù)據(jù) 但是預(yù)期將 來會使用1,800數(shù)字足跡數(shù)據(jù)181,6001,400銷售點數(shù)據(jù)171,200現(xiàn)在還沒使48衛(wèi)星影像141,000用另類數(shù)據(jù)800以后也不打22天氣數(shù)據(jù)11600算使用智能手機應(yīng)用數(shù)據(jù)104002002016眾包數(shù)據(jù)90201620172018E2019E2020E2017傳感器/物聯(lián)網(wǎng)數(shù)據(jù)74EY在2017年對Hedge fund

6、的調(diào)查結(jié)果摘錄資料來源：EY，AlternativeData（含預(yù)測），Eagle Alpha，中信證券研究部 單位：百萬美元1.3 另類數(shù)據(jù)應(yīng)用范圍漸廣CONTENTS目錄一窺另類數(shù)據(jù)的意義與優(yōu)勢海外市場應(yīng)用探索,商業(yè)經(jīng)營研究倍受青睞國內(nèi)市場分析實戰(zhàn)，數(shù)據(jù)科技洞察企業(yè)經(jīng)營趨勢風(fēng)險與優(yōu)勢并存，另類數(shù)據(jù)應(yīng)用時不可待562.1 多樣化的買方客戶使用途徑資料來源：Greenwich Associates，Eagle Alpha，中信證券研究部各類另類數(shù)據(jù)需求占比另類數(shù)據(jù)類別2017 Q32017 Q42018 Q12018 Q22018 Q3商業(yè)見解6.910.815.120.715.8消費交易14

7、.08.07.05.15.3招聘就業(yè)2.12.85.56.73.8事件預(yù)警2.34.13.13.33.3貿(mào)易4.64.98.67.34.5B2B數(shù)據(jù)4.12.22.83.03.0衛(wèi)星與天氣2.87.93.42.56.1聚合數(shù)據(jù)3.97.33.54.68.4地理位置6.06.85.54.03.9APP使用和網(wǎng)絡(luò)流量7.44.13.82.34.0網(wǎng)絡(luò)抓取的數(shù)據(jù)4.83.86.18.75.9廣告3.22.62.61.62.1輿情4.63.73.55.75.1店鋪位置1.60.70.70.31.0物聯(lián)網(wǎng)0.91.20.90.20.9搜索趨勢5.32.32.00.81.2消費信貸1.61.81.30.5

8、0.8評論和評分1.82.42.72.01.8產(chǎn)品定價5.16.66.25.17.7公共部門3.02.72.11.53.2專家意見1.11.50.60.70.8開放性數(shù)據(jù)3.43.74.22.64.5社交媒體7.65.15.66.05.2ESG1.83.23.24.81.9626163485242524239485838324647242326識別潛在的機會 或風(fēng)險的信號從微觀層面識別 規(guī)律與模式了解市場輿情經(jīng)濟(jì)預(yù)測在宏觀層面識別 規(guī)律與模式輔助建模對沖基金資產(chǎn)管理 合計買方對另類數(shù)據(jù)的使用方式72.2 另類數(shù)據(jù)應(yīng)用場景微觀分析Eagle Alpha利用線上零售數(shù)據(jù)實時跟蹤Fitbit營收狀況

9、Eagle Alpha認(rèn)為，線上零售數(shù)據(jù)可以洞察長期 趨勢以及最新的交易表現(xiàn)，并且基于諸如平均售 價和類別中最暢銷產(chǎn)品的份額之類的指標(biāo)。Eagle Alpha從零售數(shù)據(jù)中發(fā)現(xiàn)，F(xiàn)itbit的銷售趨 勢在2017年上半年有所改善。2017年8月2日， Fitbit報告的業(yè)績好于預(yù)期，調(diào)整后的收入為 3.533億美元，而市場普遍預(yù)期為3.392億美元。2017年7月4日，Eagle Alpha發(fā)布了一份研究報 告，其中使用了在線零售定價數(shù)據(jù)來分析Fitbit 的2017年第二季度。他們發(fā)現(xiàn)，F(xiàn)itbit上半年銷 售率趨勢有明顯改善。Eagle Alpha的結(jié)論與該公司先前對改善庫存的 態(tài)度一致，在

10、2017年2季度財報取得超預(yù)期的營 收后，F(xiàn)itbit CEO說道，客戶需求的超預(yù)期使得 Fitbit能夠降低存貨，創(chuàng)造更好的銷售成績。資料來源：Eagle Alpha，中信證券研究部82.2 另類數(shù)據(jù)應(yīng)用場景輿情分析資料來源：Eagle Alpha，中信證券研究部投資組合累計回報率最大回撤SharpSortinoAlphaFund Benchmark347.3379.9957.4456.880.650.370.860.452.640Eagle Alpha 披露的另類數(shù)據(jù)應(yīng)用案例顯示，一 種基于企業(yè)財報電話會輿情信號的股票策略表現(xiàn) 優(yōu)于羅素1000指數(shù)（RUI）輿情數(shù)據(jù)可以基于多種來源獲得：新

11、聞、評論、點評文章、電話會議等等情緒得分通過特有的機器學(xué)習(xí)算法分析來自每家 公司的財報電話會信息得出，包括初始演示和分 析師的問答環(huán)節(jié)。多頭股票策略在財報電話會輿情得分大于1時買 入Russell 1000指數(shù)中的股票，并在買入21天后 賣出，測試期間實現(xiàn)了明顯的超額收益。Eagle Alpha的輿情股票多頭策略證明輿情數(shù)據(jù)帶來超額投資收益 的能力2.2 另類數(shù)據(jù)應(yīng)用場景宏觀分析資料來源：SpaceKnow，中信證券研究部SpaceKnow基于衛(wèi)星圖像開發(fā)的SMI指數(shù)可以對中國PMI指數(shù)進(jìn)行長 期有效跟蹤SpaceKnow利用地面上水泥和鋼鐵反射的不同波 長的光，在調(diào)整了大氣和氣象影響后，計算

12、它們 的表面覆蓋率。綜合6,000多個站點的衛(wèi)星圖 像，生成SMI指數(shù)。衛(wèi)星圖像，作為一種客觀、高頻的數(shù)據(jù)源，為實 時跟蹤宏觀經(jīng)濟(jì)走勢提供了一種可靠的解決方 案。SMI的發(fā)布頻率不僅高于PMI，而且與其他關(guān)鍵經(jīng) 濟(jì)統(tǒng)計數(shù)據(jù)（如黑色金屬生產(chǎn)、貨運量等）的相 關(guān)性也高于PMI。貿(mào)易統(tǒng)計數(shù)據(jù)雖然滯后，但仍被認(rèn)為是中國經(jīng)濟(jì) 增長的可靠指標(biāo)。在對當(dāng)前和未來貿(mào)易量增長進(jìn) 行建模時，SMI與貿(mào)易數(shù)據(jù)的相關(guān)性也優(yōu)于PMI。92.2 另類數(shù)據(jù)應(yīng)用場景輔助建模Eagle Alpha利用線上檢索數(shù)據(jù)結(jié)合ARIMA模型構(gòu)建美國失業(yè)率指數(shù)資料來源：Eagle Alpha，中信證券研究部模型基于Google trends

13、的線上搜索數(shù)據(jù)構(gòu)建檢 索指數(shù)，這些指數(shù)并非直接用于宏觀經(jīng)濟(jì)數(shù)據(jù)的 點估計，而是用于提高客戶估算模型的預(yù)測能 力。Eagle Alpha利用線上檢索數(shù)據(jù)和ARIMA模型模擬 美國失業(yè)率指數(shù)。Eagle Alpha的失業(yè)指數(shù)與美國 失業(yè)率的相關(guān)系數(shù)高達(dá)0.9。2017年1月，該指數(shù)上升了1.8點。 這是自2016 年8月以來最大的環(huán)比變化。3個月和12個月移動 平均線彼此之間非常相似，這與美國經(jīng)濟(jì)接近充 分就業(yè)的狀況相吻合。該指數(shù)由Eagle Alpha的數(shù)據(jù)科學(xué)家花費了三年 的時間來構(gòu)建。是數(shù)據(jù)創(chuàng)新與數(shù)據(jù)策略創(chuàng)新相結(jié) 合的典型案例。10CONTENTS目錄一窺另類數(shù)據(jù)的意義與優(yōu)勢海外市場應(yīng)用探索

14、,商業(yè)經(jīng)營研究倍受青睞國內(nèi)市場分析實戰(zhàn)，數(shù)據(jù)科技洞察企業(yè)經(jīng)營趨勢風(fēng)險與優(yōu)勢并存，另類數(shù)據(jù)應(yīng)用時不可待11123.1 另類數(shù)據(jù)分析實戰(zhàn)實時觀測以線上經(jīng)營為主的企業(yè)營收線上零售數(shù)據(jù)揭示企業(yè)營收我們以線上零售數(shù)據(jù)與企業(yè)營收數(shù)據(jù)的相 關(guān)性高于0.5為判斷依據(jù)，發(fā)現(xiàn)線上數(shù)據(jù)更 適用于分析線上業(yè)務(wù)占比較高的公司，主 要為食品飲料、紡織服飾和家電行業(yè)，分 別占可有效跟蹤公司數(shù)的31.3、18.2和 16.2。在考察的全部15個行業(yè)，99家公司中，有 50家公司的線上零售數(shù)據(jù)與營收數(shù)據(jù)的相 關(guān)性高于0.7。我們的研究結(jié)果與海外應(yīng)用 案例結(jié)論一致，線上零售數(shù)據(jù)對企業(yè)營收 有較強的實時跟蹤能力。以淘寶京東平臺的零

15、售數(shù)據(jù)與企業(yè)營收數(shù)據(jù)的相關(guān)性高于0.5為判斷依據(jù)，線上零售數(shù)據(jù)可有效揭示15個行業(yè)99家公司的營收狀況311816885331111111010000002000000300000040000001,800,000.001,600,000.001,400,000.001,200,000.001,000,000.00800,000.00600,000.00400,000.00200,000.000.002015.3.312015.6.302015.9.302015.12.312016.3.312016.6.302016.9.302016.12.312017.3.312017.6.302017.9

16、.302017.12.312018.3.312018.6.302018.9.302018.12.312019.3.312019.6.302019.9.302019.12.312020.3.310.0020,000.0040,000.0060,000.0080,000.005000000100,000.000.0010,000.0030,000.0020,000.0040,000.0060,000.0050,000.0070,000.00600000080,000.00120,000.002015.3.312015.6.302015.9.302015.12.312016.3.312016.6.3

17、02016.9.302016.12.312017.3.312017.6.302017.9.302017.12.312018.3.312018.6.302018.9.302018.12.312019.3.312019.6.302019.9.302019.12.312020.3.31以小米集團(tuán)和湯臣倍健為例，淘寶京東平臺的零售數(shù)據(jù)在較長周期內(nèi)（分別起始于2015年3月和2017年3月），都與企業(yè)營收保持著高相關(guān)性，分別為0.92和0.88。小米集團(tuán)線上銷售(萬)小米集團(tuán)總營業(yè)收入(萬)湯臣倍健線上銷售(萬)湯臣倍健總營業(yè)收入(萬)資料來源：淘寶，京東，Wind，中信證券研究部133.2 另類數(shù)據(jù)分

18、析實戰(zhàn)招聘數(shù)據(jù)揭示企業(yè)人力成本人力招聘數(shù)據(jù)揭示企業(yè)成本我們以在招崗位的崗位數(shù)、總薪酬、平 均薪酬與企業(yè)人力成本的相關(guān)性高于 0.5為判斷依據(jù)，發(fā)現(xiàn)電子、醫(yī)藥和傳 媒行業(yè)更適合使用人力招聘數(shù)據(jù)實時追 蹤企業(yè)人力成本，分別占可有效跟蹤公 司數(shù)的12.7、12.7和7.3。其中， 在招崗位的平均薪酬數(shù)據(jù)與企業(yè)人力成 本之間具有更強的相關(guān)性，跟蹤效果優(yōu) 于在招崗位數(shù)和在招崗位總薪酬。以南方航空和德邦股份為例，智聯(lián)、58的招聘數(shù)據(jù)在過去1年中，都與企業(yè)的人力成本保持著高相關(guān)性，分別為0.96和0.99。以智聯(lián)、58的招聘數(shù)據(jù)在招崗位的崗位數(shù)、總薪酬、平均薪酬與企業(yè)人力成本的相關(guān)性高于0.5為判斷依據(jù)，人

19、力招聘數(shù)據(jù)可有效實時揭示25個行業(yè)55家公司的人力成本情況。77433332222222111111111118,00010,0009,00080.00100.0090.0070.007,00060.006,00050.005,00040.004,00030.003,00020.002,00010.001,0000.0002019.6.302019.9.302019.12.312020.3.31中國南方航空股份人力成本(億)中國南方航空股份平均工資4,3004,4004,5004,6004,7004,8004,9005,0005,1000.005.0010.0015.0020.0025.003

20、0.002019.6.302019.9.302019.12.312020.3.31德邦股份人力成本(億)德邦股份平均工資資料來源：智聯(lián)招聘，58招聘， Wind，中信證券研究部143.3 另類數(shù)據(jù)分析實戰(zhàn)招投標(biāo)數(shù)據(jù)揭示企業(yè)營收招投標(biāo)數(shù)據(jù)揭示企業(yè)營收招投標(biāo)數(shù)據(jù)比較適合應(yīng)用于需要參與大量 投標(biāo)的公司。我們以中標(biāo)金額數(shù)據(jù)與企業(yè) 營收的相關(guān)性高于0.5或中標(biāo)額占營收的 30以上為判斷依據(jù)，發(fā)現(xiàn)招投標(biāo)數(shù)據(jù)對計 算機、醫(yī)藥和機械行業(yè)的實時揭示能力更 強，以上行業(yè)分別占可有效跟蹤公司數(shù)的 20.6、7.4和7.2。在考察的全部29個行業(yè)，461家公司中，有 257家公司的招投標(biāo)數(shù)據(jù)與營收的相關(guān)性高 于0.7

21、。因此我們認(rèn)為招投標(biāo)數(shù)據(jù)對企業(yè)營 收有較強的實時跟蹤能力。以先河環(huán)保和華宇軟件為例，中國政府采購網(wǎng)的中標(biāo)數(shù)據(jù)在過去1年中與企業(yè)營收保持著高相關(guān)性，分別為0.94和0.81。我們以中國政府采購網(wǎng)的中標(biāo)數(shù)據(jù)與企業(yè)營收的相關(guān)性高于0.5或中標(biāo)額占營收的30以上為判斷依據(jù)，招投標(biāo)數(shù)據(jù)可有效實時揭示29個行業(yè)的461家公司的營收情況。9534 33 322822 211817 17 1715 1514 138887775553221110.000.501.001.502.002.503.003.504.004.500.000.501.001.502.002.502019.3.312019.6.30201

22、9.9.302019.12.31先河環(huán)保中標(biāo)額(億)先河環(huán)?？偁I業(yè)收入(億)0.002.004.006.008.0010.0012.0014.000.000.501.001.502.002.503.003.504.002019.3.312019.6.302019.9.302019.12.31華宇軟件中標(biāo)額(億)華宇軟件總營業(yè)收入(億)資料來源：中國政府采購網(wǎng)， Wind，中信證券研究部153.4 另類數(shù)據(jù)分析實戰(zhàn)地理位置數(shù)據(jù)揭示企業(yè)戰(zhàn)略與成本地理位置數(shù)據(jù)揭示企業(yè)戰(zhàn)略與成本對于線下網(wǎng)點規(guī)模大，經(jīng)營業(yè)績對線下運 營依賴程度高的企業(yè)，其線下網(wǎng)點的數(shù) 量、選址及其他運營活動往往是其發(fā)展戰(zhàn) 略的一部分。

23、在我們的“數(shù)據(jù)蒼穹系列報 告地理位置數(shù)據(jù)行業(yè)分析專題：消費+ 物流穩(wěn)步加大線下布局，Q2重點地區(qū)經(jīng)營 活躍度持續(xù)提升”中，我們挑選了6個線下 網(wǎng)點規(guī)模較大的行業(yè)板塊，旨在從企業(yè)線 下網(wǎng)點的布局切入，為分析企業(yè)發(fā)展戰(zhàn) 略、成本因素和主營地區(qū)活躍度提供一種 嶄新的思路。大參林周大福以企業(yè)線下網(wǎng)點的布局為切入口，結(jié)合企業(yè)所在地的房租、人力招聘、夜光數(shù)據(jù)、移動人流數(shù)據(jù)等情況，我們可以跟蹤6個行業(yè)26家公司的企業(yè)人力戰(zhàn)略、人力成本、租賃成本以及經(jīng)營活躍度情況。1044431商貿(mào)零售醫(yī)藥消費者服務(wù)交通運輸食品飲料餐飲旅游資料來源：高德地圖，百度地圖，騰訊地圖， Wind，中信證券研究部163.5 另類數(shù)據(jù)

24、分析實戰(zhàn)天眼洞察，衛(wèi)星數(shù)據(jù)揭示核心地區(qū)活躍度（1）衛(wèi)星數(shù)據(jù)揭示宏觀活躍度衛(wèi)星傳感器可以捕捉地球上不同地理位置 所發(fā)出的燈光，包括商業(yè)區(qū)、工廠、居民 區(qū)、港口、森林火災(zāi)等等。夜光遙感數(shù)據(jù) 基于衛(wèi)星圖像，客觀性強。通過機器學(xué)習(xí) 技術(shù)對圖像中的燈光信息進(jìn)行提取，形成 夜光數(shù)據(jù)。在我們的“瞻星”系列報告（1）夜光數(shù)據(jù)透視全國經(jīng)濟(jì)：夜光指 數(shù)環(huán)比快速提升，二季度經(jīng)濟(jì)有望加速向 好”報告中，我們以全國和重點地區(qū)的夜 光數(shù)據(jù)為入口，通過另類數(shù)據(jù)解讀中國經(jīng)濟(jì)的復(fù)蘇情況，并保持對重點地區(qū)的穩(wěn)定 跟蹤。05000010000015000020000025000020000000400000060000001000

25、000080000001200000014000000我們通過對2014年至今的季度數(shù)據(jù)的測試發(fā)現(xiàn)，夜光數(shù)據(jù)與整體GDP的相關(guān)性高達(dá)0.84。除少數(shù)行業(yè)以外，絕大多數(shù)行業(yè)的當(dāng)季GDP與夜光總值之間存在高度的相關(guān)性。GDP(億)夜光總值160000003000002019-012019-022019-032019-042019-052019-062019-072019-082019-092019-102019-112019-122020-012020-022020-032020-042020-052020-062020-072020-082019-012019-022019-032019-042

26、019-052019-062019-072019-082019-092019-102019-112019-122020-012020-022020-032020-042020-052020-062020-072020-08以長三角和粵港澳地區(qū)為例，長三角經(jīng)濟(jì)區(qū)8月份夜光活躍度有所上升，環(huán)比上升7.4，粵港澳大灣區(qū)8月份夜光活躍度有所下降，環(huán)比降幅3.7。長三角地區(qū)8月活躍度稍強于全國水平，而粵港澳地區(qū)則相對較弱。長三角夜光總值粵港澳夜光總值資料來源：望眼科技， Wind，中信證券研究部173.5 另類數(shù)據(jù)分析實戰(zhàn)天眼洞察，衛(wèi)星數(shù)據(jù)揭示多行業(yè)經(jīng)營狀況（2）基礎(chǔ)化工行業(yè)下各公司與衛(wèi)星數(shù)據(jù)表現(xiàn)出極高

27、的相關(guān)性。在所跟蹤的13家公司中，10家公司的營收相關(guān)性高于0.7，12家高于0.5。衛(wèi)星數(shù)據(jù)揭示企業(yè)經(jīng)營狀況衛(wèi)星數(shù)據(jù)在個股公司的經(jīng)營分析中，也能 發(fā)揮重大的作用。在我們“瞻星”系列報 告的第2-4篇中，我們將衛(wèi)星數(shù)據(jù)從夜光數(shù) 據(jù)擴展到了夜光 + 紅外熱量 + 一氧化碳 排放 + 綠化4個維度，以行業(yè)內(nèi)所跟蹤公 司的營業(yè)總收入之和作為行業(yè)的基本面指 標(biāo)，以行業(yè)的中信行業(yè)指數(shù)作為行業(yè)的投 資指標(biāo)。將衛(wèi)星數(shù)據(jù)根據(jù)財報中反映的存 貨周轉(zhuǎn)時間向后遞延相應(yīng)月數(shù)，從而與相 應(yīng)時間下的收盤價及季度的營業(yè)總收入做 相關(guān)性分析。資料來源：望眼科技，Wind，中信證券研究部0.80.80.80.80.80.80.

28、80.70.70.70.70.60.4中泰化學(xué) 梅花生物 上海家化 玲瓏輪胎 金發(fā)科技 龍蟒佰利 巨化股份 延安必康 三角輪胎云天化萬華化學(xué) 君正集團(tuán) 億利潔能電力設(shè)備及新能源行業(yè)營收情況與衛(wèi)星數(shù)據(jù)的相關(guān)性較高，為0.64。在我們所跟蹤的10家公司中，有4家公司的營收與衛(wèi)星數(shù)據(jù)的相關(guān)性高于0.7，5家公司的營收相關(guān)性高于0.5。0.80.80.70.70.60.40.40.20.20.1隆基股份正泰電器節(jié)能風(fēng)電匯川技術(shù)通威股份國電南瑞安泰科技保變電氣中國西電特變電工183.6 另類數(shù)據(jù)分析實戰(zhàn)移動大數(shù)據(jù)觀測線下人流趨勢（1）移動大數(shù)據(jù)觀測線下人流趨勢最新的移動高頻大數(shù)據(jù)分析發(fā)現(xiàn)，我國經(jīng) 濟(jì)整體

29、已經(jīng)恢復(fù)到疫情前的水平，線下經(jīng) 濟(jì)除了個別領(lǐng)域也基本恢復(fù)到疫情前的高 位，傳統(tǒng)經(jīng)濟(jì)基本已經(jīng)恢復(fù)正常的活躍 度，甚至創(chuàng)出新高。卡車物流強度也有小幅下降，制造業(yè)人流強度中，十堰汽配廣場人流強度上升較大，其他幾個地方也小幅上升。北京和上海一線城市商場和商業(yè)辦公樓的人流強度較上上周稍有回落，深圳仍然一枝獨秀。一線城市商場人流強度量化觀測上海北京深圳一線城市商業(yè)辦公樓人流強度量化觀測上海北京深圳制造業(yè)人流強度量化觀測中國輕紡城義烏國際商貿(mào)城深圳華強北電子市場十堰汽配城廣場全國卡車物流強度觀測資料來源：數(shù)行科技，中信證券研究部193.6 另類數(shù)據(jù)分析實戰(zhàn)移動大數(shù)據(jù)觀測線上生活活躍度（2）汽車類APP活躍度

30、連續(xù)四周緩慢上升，房產(chǎn)類APP活躍度小幅反彈，股票市場券商APP活躍度略有減少但依然在高位。移動大數(shù)據(jù)觀測線上活躍度最新的移動高頻大數(shù)據(jù)分析發(fā)現(xiàn)，我國經(jīng) 濟(jì)整體已經(jīng)恢復(fù)到疫情前的水平，線下經(jīng) 濟(jì)除了個別領(lǐng)域也基本恢復(fù)到疫情前的高 位，傳統(tǒng)經(jīng)濟(jì)基本已經(jīng)恢復(fù)正常的活躍 度，甚至創(chuàng)出新高。0.951.151.351.553000350040004500500046810105205305405505605705805可選消費App活躍觀測（百萬）3003250020000.75200215000.55100110000.35456784005006007009線上購物平臺類APP周活維持平穩(wěn)，酒店、旅游、餐飲娛樂、和電影出票類APP活躍度都小幅回落。海淘和奢侈品類APP活躍度稍有回落。餐飲娛樂App活躍觀測（百萬）線上