投研

1、数据获取
获取哪些数据：
如何获取数据：调研、互联网、金融数据库
数据的结构：结构化、非结构化
如何存储：
如何通过系统自动化

官方渠道，比如国家统计年鉴
行业协会的研究报告
投资机构的研究报告，比如万德、IDC等。
行业龙头企业的报告（上市公司年报等）
财经媒体，比如华尔街日报、新浪财经

2、数据处理存储（复用）

3、数据分析
基于上述有价值的数据，进行分析，根据需要借助特定模型（比如：行业分析中的行业文档、公司积分卡、DCF模型等，公司分析中的SWOT、4P、PEST等分析模型和工具，财务分析及估值中的PE、PEG、PB、DCF等），最终形成各个方面的基本观点；

4、观点结论

一是“数据获取”环节。如何准确、快速、完整、全面获取数据则对投研水平高低起到决定性作用，不少金融科技公司在此领域开展了很多有意义的尝试并获得了商机。传统投研除通过现场调研获取并求证部分信息外，还需要从行业垂直信息平台（比如Wind、BloomBerg等）、综合搜索平台（百度、搜狗等等）、公司年报、招股说明书、咨询公司各类研究报告、券商研究报告、政府网站等渠道获取数据，数据渠道多且收集的数据难以快速、准确、高效整合。而智能投研则更好的解决了该问题。首先，智能投研可以丰富数据源的获取渠道，可以获取与研究标的相关的非常规的直接或间接海量信息，也称为另类数据，比如通过卫星图片观测油管数量来预测公司经营状况等；其次，智能投研可以丰富数据获取的形式，投研数据结构可以是结构化，也可以是PDF、图片等非结构化数据，比如获取上市招股书、企业年报、定增公告等等各类数据。最后，智能投研能自动、高频的获取数据，以保证信息的及时、有效。
二是“数据处理”环节。该环节将机器获取的海量数据变成机器可处理的机构化形式，然后模型化。非结构化数据的结构处理的效率和质量是智能投研平台的重要竞争力之一。Quid公司（https://quid.com/，一个搜索、分析和可视化世界集体情报以帮助回答战略问题的平台。）就是把新闻、公司信息、专利、报告、评论等非结构化数据转变为结构化数据而展业发家，后续又提供数据复杂分析、展示等一条龙服务，目前客户包括彭博社、韩国现代等；Dataminr公司通过收集、分析Twitter等平台的实时数据，提供特定线索和信号。
三是“数据分析”环节。该环节将基于人工智能对海量的初步处理过的数据进行再加工，建立公司、关键股东等知识图谱，并分析知识图谱中关键相关主题信息，最终生成各个独立观点。智能投研平台需要对标的直接、间接以及关联数据进行提取和处理，构建动态知识图谱。Palantir Metropolis公司就通过整合多渠道数据源，将表面上不相干的信息统一进行分析，构建动态知识图谱。
四是“报告生成”环节。观点聚焦、整合形成各类报告，比如深度研究报告、行业报告、公司报告、点评报告、调研报告等等。根据需要，这些报告可以是自动化的，比如美联社投资的Automated Insights公司、法国Yseop已自动生成出海量新闻报道。但该环节要铭记的是，作为投研产出物的各类报告是主要为交易服务的。投研、交易分离，投研生成的各类报告应该尽可能用站在用户也即基金经理、交易员的角度去展现，尽量避免正确但无用的报告