投资机构利用网络数据,在信息出现在季度报告之前就先行一步:数千种产品的价格变化、招聘职位的增减、门店开业情况、评论、应用排名、发货时间。收集得当,这类另类数据对金融研究团队而言是真正的优势。收集不当,则是一种可能让基金多年背负法律和监管风险的隐患。
大多数关于另类数据的文章都在讨论该收集什么。很少有文章涉及围绕它的合规层面:基金合规团队在数据被用于投资决策之前需要了解什么,以及数据供应商需要能够证明什么。本指南将涵盖这两方面。这是一般性信息,并非法律建议;投资机构应让自己的合规和法律顾问参与。
为什么另类数据需要专门的合规审查
普通市场数据来自交易所和持牌供应商,有着长期确立的规则。网络数据则来自那些从未同意成为任何人交易输入的来源。这就带来了合规团队在数据被使用之前必须回答的问题:
- 其中是否可能包含重大非公开信息? 只有当数据是从公开来源合法获取、且不违反保密义务时,才能安全地用于交易。美国的投资顾问必须保留书面政策,旨在防止重大非公开信息被滥用,而数据来源正属于这些政策的管辖范围。
- 数据是否是合法收集的? 服务条款、登录要求、技术限制和数据保护法都适用于数据的收集方式,而不仅仅是数据的内容。
- 数据中是否包含个人数据? 许多网络数据集涉及个人:评论者、员工、应用用户。欧洲数据保护法适用于这类数据,无论其是否曾经公开。
- 数据是否如供应商所说的那样? 数据集的价值取决于其构建方式。对此进行错误描述不仅仅是商业问题。
最后这一点在2021年变成了一个监管问题。美国证券交易委员会(SEC)指控移动应用数据供应商App Annie及其联合创始人证券欺诈,原因是其对数据来源方式进行了虚假陈述。SEC表示,该公司使用了未经聚合、未经匿名化的数据来修改其出售给交易公司的估计值,尽管对客户的说法并非如此。App Annie同意支付1000万美元的罚款。这是SEC首次对一家另类数据供应商提起证券欺诈的执法行动,它使得数据集背后的方法,而不仅仅是内容,受到了审视。
基金合规团队会问什么
买方机构已经就向数据供应商提出的一套相当标准的问题达成共识。金融数据行业机构FISD通过其另类数据委员会(Alternative Data Council)发布了一份尽职调查问卷,许多基金将其作为起点,其中包括针对完整供应商审查、短期数据试用,以及最近新增的生成式AI的版本。这些问题可分为以下几类:
| 领域 | 他们想了解什么 |
|---|---|
| 来源 | 数据来自哪里,以及每个来源是否允许这种使用方式 |
| 收集 | 如何收集:公开页面还是需要登录,使用何种方法,以何种频率 |
| 权利 | 供应商是否有权许可该数据,以及许可范围 |
| 个人数据 | 是否包含个人数据,如何过滤或匿名化,以及法律依据 |
| 重大非公开信息(MNPI) | 防止保密或非公开信息进入数据集的控制措施 |
| 方法论 | 原始数据如何转化为交付产品,以及变更如何告知客户 |
| 治理 | 政策、审计、投诉处理,以及来源方提出异议时的应对方式 |
如果你是为基金构建另类数据的一方,应预期需要以书面形式回答每一行问题。如果你在基金工作并自行收集数据,你的合规团队也会向你提出相同的问题。
最重要的四项控制措施
1. 公开来源,收集时不绕过访问控制。 只收集任何访客无需登录、无需接受特殊条款、也无需绕过技术限制就能看到的数据。通过滥用账号或绕过付费墙获取的数据,正是合规团队无法接受的那类数据。我们关于法务团队在批准抓取项目前会问什么的指南详细介绍了收集方面的问题。
2. 从设计上排除个人数据。 大多数投资信号并不需要涉及个人。统计招聘职位而不存储申请人信息;汇总评论而不保留评论者身份;衡量应用排名而不使用用户数据。在收集阶段进行过滤,远比事后匿名化更容易站得住脚。我们的GDPR概述涵盖了收集团队需要了解的基础知识。
3. 有文档记录的、诚实的方法论。 写明原始数据如何变成最终产品:来源、抽样、清洗、加权、插补以及任何建模估计。当方法发生变化时,要告知客户。App Annie一案表明,所描述的方法与实际使用的方法之间的差距本身就可能构成违规。
4. 可证明的数据来源。 对每一条记录都保留其来源、收集时间和方法,并在合理期限内保存原始采集数据。当基金或监管机构询问某个数字的来源时,你需要的是展示出来,而不是口头描述。
权利:你可以许可什么
数据供应商只能许可自己有权许可的内容。诸如价格和数量之类的事实通常不属于任何人所有;文章文本和照片等创意内容则属于其作者;而在欧洲,即使数据库只包含事实,某些数据库也受到保护。出售衍生信号(如指数、计数和趋势)与转售网站内容的副本是截然不同的两回事。我们关于抓取数据的所有权归属的指南涵盖了这些层面及其对转售的意义。
基础设施问题
基金越来越多地询问收集背后的基础设施,包括代理网络。这种担忧是合理的:如果供应商的IP地址来自那些设备所有者并未同意共享连接的设备,那么该数据集就继承了这一问题。向你的代理供应商询问其地址来源、设备所有者给予了何种同意,以及如何处理滥用行为。我们关于供应商如何合乎道德地获取住宅IP的说明列出了应该询问的内容。在收集本身方面,通常需要住宅代理才能看到本地客户所看到的价格和列表,这对于任何基于消费者实际支付情况构建的信号都很重要。
整合起来
一套实用的另类数据合规文件包可以归纳为几份文档:
- 来源登记表: 记录每个来源、其访问类型、其条款以及其robots.txt的规定,并注明检查日期。
- 收集说明: 方法、频率,以及一份声明,说明未绕过任何登录、付费墙或访问控制。
- 个人数据评估: 排除了哪些内容、如何排除,以及保留内容的法律依据。
- 方法论文档, 附带变更记录。
- 溯源记录: 每条记录的来源和时间,并保留原始采集数据。
- 投诉和下架处理程序: 谁来处理来自某个来源的异议,以及能多快停止对该来源的收集。
有了这套文件包,供应商可以在几天内回答尽职调查问卷,基金也能向其监管机构展示某个信号是如何构建的。我们早先一篇关于用于另类数据的住宅代理的文章涵盖了同一工作中收集方面的内容。
常见问题
使用抓取的网络数据进行投资是否合法?
一般来说是合法的,前提是该数据是公开的、合法收集的,且不含重大非公开信息和非法处理的个人数据。具体细节取决于司法管辖区、数据来源以及收集方式,因此基金在使用每个数据集之前都会对其进行审查。
什么是另类数据的尽职调查问卷?
这是投资机构向数据供应商发送的一套标准问题,涉及来源、收集方法、权利、个人数据、重大非公开信息控制、方法论和治理。FISD另类数据委员会发布了一个广泛使用的版本。
SEC为什么起诉一家另类数据供应商?
2021年,SEC指控App Annie及其联合创始人证券欺诈,原因是其对数据来源方式进行虚假陈述,该公司同意支付1000万美元罚款。这是SEC首次对一家另类数据供应商提起此类诉讼。
另类数据中是否可能包含个人数据?
确实经常如此,通过评论、招聘职位或个人资料等方式。最安全的做法是在收集阶段就从设计上排除个人数据,只保留汇总后的信号。
结论
另类数据只有在经受住合规审查的情况下才能成为优势。从公开来源收集数据且不绕过访问控制,从设计上排除个人数据,诚实地记录方法论,并为每条记录保留溯源信息。能够以书面形式回答基金尽职调查问题的供应商会赢得业务;而提出这些问题的基金则能避免继承别人的问题。
来源与参考资料
- 美国证券交易委员会,SEC指控App Annie及其创始人证券欺诈,2021年9月14日。
- FISD,另类数据委员会,包括其尽职调查问卷。