报告详细介绍了FactSet的三大核心数据产品(RBICS深度行业分类、供应链数据和GeoRev公司营收地理分布)及其在全球尤其是A股市场的应用价值。数据通过自下而上的精细行业划分、全面的供应链关系构建及区域化营收拆分,为量化基本面研究、事件驱动策略及因子构建提供了重要支持,显著拓展了传统量价和财报数据的边界。FactSet供应链数据通过网络图算法衍生多种因子,实现了显著Alpha,且与传统因子相关性低,展示了强大的市场应用潜力
| 指数名称 | 起始时间 | 主题 | 主要子主题 |
|---|---|---|---|
| iSTOXX FactSet Ageing | 2011.06.20 | 人口老龄化 | 医疗护理、老年人护理、旅游休闲、养老金等 |
| iSTOXX FactSet Automation & Robotics | 2011.06.21 | 自动化和机器人 | 产管理、汽车工业、视觉技术、人工智能等 |
| iSTOXX FactSet Breakthrough Healthcare | 2011.06.20 | 突破性医疗 | 生物技术、医疗设备、医疗软件 |
| iSTOXX FactSet Digitalisation | 2011.06.20 | 数字化技术 | 社交媒体、云计算、金融科技、电商 |
FactSet是总部位于美国的金融信息服务供应商,具备38年的行业经验,拥有覆盖全球24个国家的60个办公室和9600多名员工,服务用户超过11.5万人,提供公司比较、产业分析、投资分析、风险评估等多维度数据和技术服务,业务持续创新发展。图1数字展示FactSet客户保留率、用户量、员工数及覆盖国家数量,彰显其行业地位和业务规模。
RBICS是FactSet独家开发的基于公司产品和服务的自下而上的分层行业分类体系,构建了6级固定层次行业结构,弥补传统自上而下行业分类(如标准行业分类SIC、NAICS等)粗略、信息量有限的不足。三大子产品:
利用系统+人工复核确保数据准确性,以苹果为例(图3、图4、图5),传统行业归类只体现在科技硬件等大类,难以反映公司多岛链、多样化产品线。RBICS能细分到iPhone智能手机制造等具体业务,明确业务线营收占比(iPhone占63%),极大丰富了行业认知的深度和精准度。该体系突破单一行业限制,支持公司在不同维度的多业务展示,适应经济全球化的产业动态。
供应链数据建立公司间多维度关联关系,包含四类关系共13种,例如上游供应商(制造、授权等)、下游客户、竞争对手及战略伙伴(合作研发、合资、股权投资等)。它依托大数据技术和人工核验,从公司年报、公告、新闻、官网等公开渠道挖掘,力求覆盖全球市场,形成全视角关系网络。
以华为供应链为例(图9、图10),涵盖一级、二级供应商的全链条,列举重要客户地域及行业分布,供应链环节的深度和广度使得投资者能洞察供应链传导机制、发现潜在影响,利于风险管理和投资机会挖掘。该数据覆盖A股80%以上企业和中证800成分股95%以上,具有极大的研究价值和广泛应用前景。
GeoRev数据通过汇集和算法处理公司不同国家及地区的营收信息,为投资者提供公司在全球地理范围的营收分布视角。示例中三星的全球营收有大范围地域分布(图11),富时海峡时报指数公司也普遍如此(图12),仅本土营收占比约45.8%。
FactSet利用GDP加权等方法将不同公司的多维地域信息统一为标准区域分类,比较华为、苹果、三星等公司的区域收入差异(图13)。该信息对于分析公司地域风险敞口、理解宏观经济和地缘政治影响、评估未来增长潜力均极为重要。
基金产品自2016年以来飞速增长,截至2019年5月管理规模达30亿美元(表2-图19),其中自动化机器人主题ETF最受青睐(图18)。量化策略中基于RBICS的细分行业PE均值回复策略表现优于不设行业,统计显著性强(图20-21),表明细分行业归集有利于消除估值差异误差,提高策略效益。
传统事件驱动研究关注直接事件影响,且冲击多在短期释放;基于供应链,事件影响可传播至上下游公司,且时间滞后,提供新的交易时机和Alpha空间。以A股应收账款关系分析发绩预增事件为例,受益公司股价滞后上涨(图22)。
华为遭受美国限制事件,导致其美系一级供应商股价大跌,A股中相关供应商亦受冲击(图23);反之,竞争对手公司成为潜在受益对象。供应链网络为事件驱动策略提供及时、有效的补充与延伸空间。
基于图论方法,提取供应链网络特征形成因子,如“度”(供应商/客户数量)、“中心性”(供应链中的节点重要性)和“溢出效应”(上游下游公司业绩动量传递),可显著产生Alpha收益(图24-25),且与传统财务因子相关性低(图26),有效增强多因子选股模型。
衍生因子如结合竞争对手信息、分析师盈利预期提升表现(图27),并延伸至ESG与信用风险因子构建。A股方面,基于股价相关性和主营业务收入构造的关系网因子均表现良好(表3-4),FactSet供应链数据因子基于下游客户营收增速的溢出效应收益显著,多空组合累计收益达28%,利用下游客户重要性的加权改进后收益提升至38%,与传统因子相关极低(图28-30),显示中国市场供应链因子潜力巨大。
报告未明确涉及估值模型,但在量化策略部分详述基于RBICS和供应链因子的多因子股价均值回复及Alpha生成逻辑。通过细分行业分类和供应链网络构建投资组合,实现对估值的行业中枢调整和关系网传播效应利用,提升估值判断的精度和收益。,18-23]
本报告充分介绍了FactSet三大供应链相关另类数据产品——RBICS行业分类、供应链关系数据库和GeoRev地域收入拆分数据,详细讲解了其结构、数据来源及处理流程。
通过苹果、华为及韩国三星等案例,深刻阐释了RBICS如何实现自下而上的6层业务细分,为投资者剖析企业业务现状及行业布局提供精准工具;供应链数据覆盖全球多个关联维度(供应商、客户、竞争对手、合作伙伴),揭示企业经济关系网络;GeoRev数据则构建企业地域收入全景,便于识别地区风险和掌握增长动力。
基于这些数据,报告结合实证分析展示了多个应用方向:
整体而言,FactSet基于结构化供应链的另类数据极大丰富了投资者分析工具箱,连接传统财报和量价数据之外的信息盲区。海通证券报告深入浅出地展示了这些数据在全球及中国市场的实际应用和潜力。虽然存在模型依赖、数据质量、市场适用性等风险,供应链数据的广泛覆盖和科学构建为证券研究注入了新的研究活力,成为量化基本面探讨的重要素材。
建议投资者关注FactSet数据产品在中国市场的持续验证与拓展,结合传统因子及风控指标,利用供应链因子和业务细分数据,提升选股决策的全面性和预测精度,为实现Alpha提供多元数据支持和策略创新路径。
本报告对FactSet三大供应链相关数据的介绍和运用进行了全面细致的分析,重点剖析每类数据产品的结构及处理逻辑,结合丰富图示和案例展现应用价值。引申出行业分类和供应链网络对资产配置、量化策略的优化,并指出其模型风险与适用边界。整体立足实证和行业发展前沿,内容翔实且具有开创性,适用于专业投资人、量化研究员及机构策略开发人员深度参考。[page::全篇]
金融科技(Fintech)和数据挖掘研究(四):FactSet供应链数据的介绍和应用.pdf