在量化投資領域，數據的廣度、品質與處理效率，是決定策略方案研究能力的重要基礎。

作為Pinnacle AI規劃中的重要金融數據來源，RavenPack在金融新聞分析、事件數據及市場情緒等非結構化資訊處理方面的技術積累，為技術體系的數據研究框架提供了重要支撐。

藉由對新聞文本、事件資訊、市場情緒及相關數據展開識別、分類與量化處理，技術體系嘗試將原本難以直接進入傳統交易模型的資訊，轉換為能夠被演算法讀取和分析的數據因子。

在此階段的技術突破，也為Pinnacle AI規劃中的「數據感知—信號生成—策略方案建模—風險評估—交易落地」閉環體系補齊了關鍵的數據感知環節。

自Pinnacle AI量化投資技術體系於2024年1月正式立項以來，研究院便將底層數據能力視為整個技術體系研發的關鍵基礎之一。

面對全球金融市場每天產生的大量新聞、宏觀經濟資訊、企業事件及市場情緒數據，團隊需要解決的關鍵問題是：如何讓AI不僅能夠「讀取」海量資訊，更能夠理解資訊背後的市場含義，並將其轉化為可供量化模型分析的有效信號。