另类数据 (Alternative Data) 是指区别于传统金融数据（如财报、行情、宏观经济指标）的、非结构化或半结构化的新型数据源。它们通常来自数字足迹、传感器、商业流程、社交媒体等，能够提供独特、高频、前瞻性的洞察。
| 维度 | 传统数据 | 另类数据 |
|---|---|---|
| 数据来源 | 交易所、财报、央行、统计机构 | 卫星、传感器、网页、APP、物联网 |
| 结构化程度 | 高度结构化 (表格、时间序列) | 半结构化 / 非结构化 (文本、图像、日志) |
| 频率 | 低频 (季度、月度、日频) | 高频 (实时、分钟级、秒级) |
| 前瞻性 | 滞后 (反映历史) | 及时甚至预测性 (nowcast / forecast) |
| 覆盖范围 | 有限样本 (上市公司、宏观) | 广泛 (全市场、供应链、消费者行为) |
| 获取成本 | 中等 (数据终端、交易所费用) | 高 (采集、清洗、存储、许可) |
import pandas as pd
import re
# 原始另类数据：社交媒体文本
raw = ["AAPL 销量 +12% #利好",
"TSLA 交付 ? 延迟",
"AMZN 仓储 爆满!!"]
def clean_text(text):
text = re.sub(r'[^\w\s%+]', '', text)
return text.strip()
cleaned = [clean_text(t) for t in raw]
print(cleaned)
# ['AAPL 销量 +12% 利好',
# 'TSLA 交付 延迟',
# 'AMZN 仓储 爆满']