信息源分类与评估:一手信息源与二手信息源

做量化交易这些年,我最大的体会就是——信息就是钱。但信息太多了,每天几千条新闻、几十份研报、无数条推特,你不可能全看。关键是要知道哪些信息值得看,哪些是噪音。

我个人习惯把信息源分成两类:一手和二手。这个分类看似简单,但很多人栽跟头就栽在这里。

一手信息源:源头活水

一手信息,说白了就是第一手资料。没有经过任何中间环节,直接从源头出来的。

  • 官方公告:上市公司在交易所发布的公告、财报、重大事项披露
  • 政府数据:统计局、央行、证监会发布的原始数据
  • 原始交易数据:交易所的逐笔成交、Level-2行情
  • 实地调研:自己去工厂、门店、仓库看的情况
  • 内部渠道:合规范围内的内部会议纪要、管理层讲话

我踩过的坑:刚入行时,我习惯看财经网站的新闻摘要做交易。有一次某公司发布财报,网站摘要写的是"净利润增长20%",我一看就买了。结果第二天股价暴跌。后来才发现,净利润增长是因为卖掉了核心资产,主营业务其实是亏损的。从那以后,财报我只看原文,不看任何摘要。

二手信息源:加工过的信息

二手信息就是经过别人加工、解读、转述过的。这类信息量大,但失真风险也高。

  • 券商研报:分析师基于公开信息做的分析预测
  • 财经新闻:记者写的报道、评论
  • 社交媒体:推特、微博、雪球上的讨论
  • 数据服务商:Wind、Bloomberg整理的数据
  • 行业报告:咨询公司出的行业分析

二手信息不是不能用,但你要知道它经过了哪些加工。举个例子,券商研报里的"买入"评级,你想想看,分析师真的觉得这只股票好吗?还是因为这家公司是他们的客户?

信息源的可靠性评估

评估一个信息源靠不靠谱,我一般看三个维度:权威性、时效性、相关性。这三个维度缺一不可。

权威性:谁说的?

同样一条信息,不同的人说出来,可信度天差地别。

信息源类型 权威性等级 典型例子
官方机构 证监会、交易所、央行
上市公司 中高 公司公告、年报
专业机构 头部券商、知名咨询公司
媒体 中低 财经网站、自媒体
个人 雪球大V、推特博主

我的习惯:对于权威性低的信息源,我一般只用来做"线索",不会直接作为交易依据。比如雪球上有人说某公司要重组,我会去查公告,而不是直接买。

时效性:什么时候说的?

量化交易里,时间就是金钱。一条信息晚了一分钟,可能就完全没用了。

  • 实时信息:交易所行情、即时新闻——毫秒级
  • 日内信息:盘中公告、突发事件——分钟级
  • 短期信息:日度数据、短期研报——小时到天
  • 长期信息:季报、年报、行业趋势——周到月

我曾经犯过一个低级错误。有一次看到一条关于某公司获得大订单的新闻,觉得是利好就买了。结果第二天才发现,这条新闻是三天前的,股价早就涨完了。嗯,从那以后我养成了看信息发布时间的好习惯。

相关性:跟你的策略有关吗?

这个维度最容易被忽略。很多人看到一条信息就觉得"有用",其实跟自己的策略根本不搭边。

举个例子,你是做高频交易的,看宏观研报有什么用?你是做价值投资的,盯着分时图又有什么用?

注意:信息的相关性不是固定的。同样一条信息,对不同策略的人意义完全不同。比如"央行降息",对债券交易员是重大利好,对做股指期货的人可能只是中性信息。

信息源的交叉验证方法

单一信息源,不管多权威,我都不完全相信。交叉验证是必须的。说白了就是"多方求证"。

方法一:多源对比

同一件事,找至少三个不同来源的信息来对比。如果三个来源都说的一样,那可信度就高。如果有分歧,就要深挖原因。

# 伪代码示例:多源对比逻辑
def cross_validate(event, sources):
    results = []
    for source in sources:
        result = get_info(source, event)
        results.append(result)
    
    # 计算一致性
    consistency = calculate_consistency(results)
    
    if consistency > 0.8:
        return "高可信度"
    elif consistency > 0.5:
        return "中等可信度,需进一步验证"
    else:
        return "低可信度,信息矛盾"

方法二:逻辑推演

信息本身可能没错,但逻辑上说不通。这时候就要警惕了。

我记得有一次,某公司公告说"业绩大幅增长",但同行业的其他公司都在下滑。这就很奇怪了。我查了它的财报,发现增长主要来自"其他业务收入",而这个"其他业务"到底是什么,公告里没说清楚。后来证实,那是一次性的资产处置收益,跟主营业务没关系。

方法三:时间序列验证

看一个信息源过去的表现。它之前预测的准不准?有没有过"狼来了"的历史?

验证维度 具体做法 我的经验
历史准确率 统计该信息源过去预测的准确率 低于60%的,基本可以忽略
信息延迟 对比该信息源发布信息的时间 总是慢半拍的,价值不大
修正频率 看它是否经常修改之前发布的信息 频繁修正的,说明质量不行

方法四:实地验证

这个听起来有点笨,但确实有效。特别是对于基本面投资来说。

我之前研究一家零售公司,研报都说它门店客流很好。我不放心,周末亲自去它最大的几家门店转了一圈。结果发现,研报里说的"客流火爆"其实是因为门店在搞促销活动,平时根本没多少人。这个信息直接改变了我的投资决策。

核心原则:交叉验证不是简单的"多找几个来源",而是要从不同维度、不同角度去验证。权威性、时效性、相关性,三个维度都要交叉验证。

知识体系框架

下面这张图是我自己总结的信息源评估框架,你可以参考一下:

信息源评估框架 一手信息源 • 官方公告(交易所、证监会) • 政府数据(统计局、央行) • 原始交易数据(Level-2) • 实地调研(工厂、门店) • 内部渠道(合规范围内) 二手信息源 • 券商研报(分析预测) • 财经新闻(媒体报道) • 社交媒体(推特、雪球) • 数据服务商(Wind、Bloomberg) • 行业报告(咨询公司) 评估维度:权威性 × 时效性 × 相关性 交叉验证方法 ① 多源对比:至少3个独立来源,一致性高则可信 ② 逻辑推演:信息本身是否合理?逻辑是否自洽? ③ 时间序列验证:该信息源历史表现如何?准确率?

这个框架我用了好几年,帮我在信息海洋里筛出了不少有价值的东西。记住,信息本身没有好坏,关键是你怎么用它。

最后说一句:别迷信任何单一信息源。再权威的机构也会犯错,再靠谱的人也有看走眼的时候。保持怀疑,持续验证,这才是信息优势的核心。


专注资料整理