RavenPack

RavenPack 做的是非結構化資料的金融化：把新聞、法說會逐字稿、監理申報文件與招聘資料，轉成結構化、可回測、可餵進模型的量化訊號。涵蓋 40,000 個以上來源、13 種語言，客戶是全球的避險基金、銀行與資產管理公司。

功能特色與適用場景

產品線包含新聞與情緒分析、財報情報、ESG 篩選與爭議監控、高階主管的經濟情緒指標，以及職缺資料集（用招聘動向推估企業擴張或收縮，是很常見的另類資料手法）。這些資料的價值在於「可回測」——你可以拿五年前的訊號去驗證策略，而不是只看今天的即時新聞。

近年它另外經營 Bigdata.com 平台，方向是金融領域的 AI 代理，並且拿到英國《金融時報》的投資與內容授權，把 FT 的付費內容納入代理的知識來源。這個組合有它的道理：AI 代理最大的問題是引用來源不明，直接把授權過的優質媒體內容接進來，至少解決了合法性與品質。

適用對象很明確——需要另類資料的量化團隊、做事件驅動策略的基金、以及要監控投資組合輿情風險的資產管理公司。

對台灣讀者的現實是：這是機構級產品，個人投資者接觸不到，價格也不會友善。但它的資料處理思路值得學：與其問「AI 覺得這檔股票如何」，不如問「這則新聞在歷史上對應到什麼樣的價格反應」。前者是幻覺溫床，後者才是可驗證的工作方式。