数据洞察：利用数据获取投资策略洞见

引言随着数据日益精细化和复杂化，其在构建投资策略方面的价值不断提升，市场对高质量数据的需求亦持续增长。鉴于此，自2024年5月起，彭博企业数据的量化与数据科学团队开始在彭博专业服务洞见博客上定期发布“数据洞察”系列文章，分享从彭博逾8,000个数据集中提炼的深度洞见。本报告精选部分核心观点，旨在向金融专业人士展示如何有效运用数据构建投资逻辑、追踪资产情况以及开展情景分析。报告内容基于2024年全年及2025年第一季度的研究成果，涵盖通胀与定价压力、供应链动态、环境风险与机遇以及影响市场走势的关键事件等广泛主题。在当前市场波动加剧的背景下，我们希望本报告能够帮助投资者更高效地运用企业级数据，对未来事件进行及时且深入的分析，并支持投资策略的构建与动态调整。 目录0408141824 通胀与定价压力供应链动态可持续投资市场驱动事件关于我们 我们在分析中使用了Bloomberg Second Measure交易数据分析。该数据来源于美国消费面板数据的一个子集，涵盖了超过2,000万名消费者，覆盖不同行业逾3,000家上市公司和非上市公司以及逾4,000个品牌，并提供逾7年的消费支出历史数据。Bloomberg Second Measure交易数据分析现通过彭博数据许可提供。数据每日交付，滞后期为3天。此外，Bloomberg Second Measure数据分析也可通过彭博终端ALTD <GO>（另类数据公司分析功能）获取，滞后期为7天。以下是数据集所涵盖的公司数量明细，按BICS一级行业分列。图2：公司数量——按BICS一级行业分列数据来源：Bloomberg Second Measure相关主题：宏观投资目标用户：全球宏观投资组合基金经理、系统与量化投资者、策略师相关产品：Bloomberg Second Measure交易数据、法律主体级别BICS 1.通胀与定价压力通胀数据影响利率、经济增长和资产价格，因此对投资者至关重要。追踪通胀趋势能够帮助投资者在不同经济环境下保护投资并扩大规模，进而通过战略性投资决策获得竞争优势。以下洞见展示了另类数据（如交易数据）如何帮助投资者提前把握行业趋势和通胀动态。1.1利用交易数据预测通胀作为对传统基本面数据的补充，另类数据优化了投资者的工作流程，帮助分析师深入了解公司业绩和消费趋势。具体而言，通过分析消费者交易数据，分析师可以直观了解公司观测交易情况，进而把握各行业的重要营收和关键绩效指标（KPI）。交易数据不仅可用于追踪单个公司的趋势，还能用于监控行业趋势。用户可汇总必需消费品行业（按BICS一级行业定义）公司的交易销售记录，衡量其年增长率，从而获得对美国CPI趋势的高价值见解（图1），数据呈现形式为上述公司滚动30天观测销售额的年同比增速。我们发现，它领先美国核心CPI指数（CPI XYOY Index）3个月，帮助用户有效了解消费者支付的价格，而这是最受关注的宏观指标之一。图1：Bloomberg Second Measure必需消费品指标观测销售额年同比增速与美国核心CPI指数，历史时间序列㔈㌆来源：Bloomberg Second Measure4 观测销售数据和一致预期之间的偏离有助于在公司公告之前了解公司的盈利情况。图2显示了星巴克最近15个季度的报告收益，其中Bloomberg Second Measure在80%的时间里指向了正确的方向，而一致预期对盈利的估计则过高或过低。图2：星巴克的观测销售与实际销售收入偏离预期情况的对比方法说明：如果Bloomberg Second Measure的调整后季度销售额同比增速大于一致预期的销售额同比增速，则显示“超预期”（Beat），否则显示“不及预期”（Miss）。㔈㌆来源：Bloomberg Second Measure，彭博企业数据科学相关主题：系统化投资目标用户：量化投资组合基金经理、交易员、系统化投资者相关产品：公司财务数据、预测和定价时间点数据、Bloomberg Second Measure交易数据 1.2提前了解行业趋势通胀上行时，餐饮支出往往是消费者首先考虑削减的开支之一。这在2023年高通胀期间是如何体现的？公司财务时间点数据和Bloomberg Second Measure交易数据等研究数据产品可以助您获得一家公司表现的前瞻。如图1所示，您可以使用最新工具查询必要的数据，通过python UDM* API来简化对美国餐饮企业数据集的查询工作。其中一个重要功能包括检索栏目的自动完成，研究人员和数据科学家可以籍此查找数据。*统一数据模型是一个彭博专有的数据模型，可以利用先进的数据模型帮助客户将所有的数据集与实体、金融工具、市场和价格进行连接。图1：统一数据模型Python API代码片段，显示了可简化数据查找的自动完成功能㔈㌆来源：彭博企业数据在单个公司层面，投资者可以使用交易相关数据等另类数据，提前了解公司当季潜在销售表现，并与分析师的一致预期相比较。6 2.供应链动态供应链数据为投资者提供了额外的维度，助其识别关联公司之间及行业内部的风险与机遇。在本节中，我们将探讨生物多样性数据、区域位置以及美国选举结果等因素如何与供应链动态相互作用并对其产生影响。此外，我们还将展示投资者如何运用供应链数据来拓展公司分析并深化洞见。2.1追踪政治事件后的国家风险敞口随着全球经济的互联关系日益密切，了解特定国家或地区对经营风险的影响对投资者而言至关重要。本研究分析了公司在中国和美国市场的经营敞口（由供应链和厂房位置等衡量），对其金融市场表现有何影响。在本研究中，我们通过比较具有不同程度美国供应链风险敞口公司的表现，研究供应链作为系统性投资因素对美国股票和信贷市场的影响。我们的分析聚焦2024年11月罗素1000指数成份股。利用彭博企业数据产品识别出各公司的相关供应商、客户和厂房位置。我们从时间点数据域中筛选出在交易决策日至少有一家供应商、客户或厂房（具体取决于研究内容）的公司。如需获取完整研究报告，请联系您的彭博代表或提交申请。在图1示例中，我们根据公司在美国的间接敞口对罗素1000指数成份股进行了分组，划分标准为公司美国供应商的占比（基于彭博公司结构产品中的国家/地区信息）。值得注意的是，在美国大选后的两周内，供应商以美国公司为主的企业，表现持续优于供应链呈现全球多元化的企业——该现象可能凸显股票投资者对未来美国政策的预期。图2所展示的是类似策略，但这一次对罗素1000指数成份股分组所采用的依据是公司在中国的间接敞口，划分标准为公司供应商里中国公司的比例。观察债券市场，我们衡量了每组公司信用风险指标Z利差的变化。与股市类似，我们发现，在美国大选后的几天内，供应商较多集中在中国的公司债发行人，其表现往往不及同行：其Z利差的收窄幅度不及同行。8 方法说明：罗素1000指数——根据各公司的美国供应商比例，将股票分为五组，然后衡量这五个分位数组内股票的回报率。注：我们视所有供应商为同等关系，没有通过“关系量”或“关系百分比”字段将关系强度纳入当前研究。数据来源：彭博投研数据解决方案图2：按中国供应商比例分组的债券表现方法说明：罗素1000指数——根据各公司的中国供应商比例，将债券分为三组。“低”表示低于第75百分位数，“高”表示处于第75至第90百分位数之间，“极高”表示高于第90百分位数。然后衡量这三组的Z利差变化。注：我们视所有供应商为同等关系，没有通过“关系量”或“关系百分比”字段将关系强度纳入当前研究。数据来源：彭博投研数据解决方案相关主题：Alpha生成、风险管理目标用户：投资组合经理、分析师、风控经理相关产品：公司财务数据、预测和定价时间点数据、供应链数据 2.2追踪行业风险与机遇为说明供应链数据如何成为识别行业层面风险与机遇的关键数据集，我们将公司财务数据与供应链数据相结合进行深度剖析，以揭示出欧洲汽车行业的预警信号。2024年欧洲车企销售动能持续衰减。对其供应商的业绩分析显示，这一颓势早在市场普遍察觉之前便已现端倪。分析显示，欧洲汽车供应商的需求疲软迹象精准预示了行业拐点。这印证了财务数据与供应链信息整合对行业趋势预判及决策优化的重要价值。此项研究依托于彭博全球供应链数据库，覆盖欧洲汽车板块1,500+供应商，遍布53个国家（见图2），同时结合了及时发布的标准化财务数据，支持用户快速进行多维度数据关联分析，获取深度洞见。相关数据可通过彭博投研数据解决方案服务获得。图1：2024年Q2欧洲汽车行业销售动能一致预期预测方法说明：统计彭博欧洲汽车行业指数成分股的所有供应商，取供应商2024年Q2销售预估中位数（蓝色），与车企整体中位数（紫色）进行对比。数据来源：彭博投研数据解决方案10 数据来源：彭博投研数据解决方案相关主题：Alpha生成、风险管理目标用户：投资组合经理、分析师、风控经理相关产品：公司财务数据、预测和定价时间点数据、供应链数据 2.3了解多元化公司的生物多样性综合风险2023年9月，自然相关财务信息披露工作组（TNFD）发布了一套建议，旨在帮助企业和金融机构建立风险管理及信息披露框架，以评估并披露其自然资源依赖度、环境影响、风险与机遇。该框架特别强调对上下游价值链的全面评估。对投资者与企业而言，理解生态关联性至关重要——这些因素可能显著影响市场表现、品牌声誉及合规状况。以日本食品医药巨头明治控股为例，该企业拥有复杂的供应链体系，支撑着其广泛的产品线。通过整合供应链数据与生物多样性数据库，可精确定位其供应商在高水资源压力区域或生物多样性完整度区域的资产分布（见图1），从而更全面地了解企业在相关议题上的风险。此外，用户还可量化单个供应商的风险贡献度（见图2），更好地理解细分情况。图1：明治控股供应商位于高/极高水资源压力区域及生物多样性完整度区域的实体资产占比方法说明：水资源压力衡量总用水需求与可再生地表及地下水资源供给量之比，80%及以上定义为“极高”，40%及以上定义为“高”。生物多样性完整度：以原始生态为基准，衡量生态系统中原生物种的留存情况，完整度最高表示原生物种的留存情况与原始生态一致，最低表示无一原始物种留存。数值范围0-100，90及以上表示“极高完整度”，70及以上为“高完整度”。㔈㌆来源：彭博12 生物多样性数据同步提供面临此类风险的实体资产数量及占比统计（见图2）。投资者可结合彭博设施数据与其他地理空间数据（如自然历史博物馆生物多样性完整度指数、世界资源研究所Aqueduct水资源压力数据集），对实体资产的地理位置进行精确核验。图2：明治控股供应商在高/极高生物多样性完整度区域的实体资产情况方法说明：水资源压力衡量总用水需求与可再生地表及地下水资源供给量之比，80%及以上定义为“极高”，40%及以上定义为“高”。生物多样性完整度：以原始生态为基准，衡量生态系统中原生物种的留存情况，完整度最高表示原生物种的留存情况与原始生态一致，最低表示无一原始物种留存。数值范围0-100，90及以上表示“极高完整度”，70及以上为“高完整度”。㔈㌆来源：彭博相关主题：生物多样性、风险管理䚆
㞟
用户：ESG分析师、投资组合经理、研究员、企业相关产品：生物多样性、供应链 3.可持续投资除地缘政治因素外，环境因素亦在影响投资组合方面发挥重要作用。深入分析各行业及公司相关的环境议题，是构建投资组合过程中不可或缺的环节。本节将展示如何利用地理位置数据达成这一目标。3.1利用能源设施位置数据构建多元化投资组合在主题投资框架内采纳地理分散化的做法，可对风险管理和长期回报最大化产生关键作用。图1说明了投资者为何需要关注两家公司设施之间的距离，从而达成良好的地理分散化：在该例子中，同一地区内（本例为德国）设施的集中通常会将资产暴露于相同的地理风险因素之下。针对此分析，我们使用了彭博新能源财经（BNEF）能源实体资产数据产品，涵盖约13万项氢能、风能、太阳能和储能资产的地理位置信息，以及各类主题公司的生产设施数据。为方便说明，我们参考投资清洁氢能领域大盘股企业（>1000亿美元）的基金