本文關(guān)鍵詞：大數(shù)據(jù)與宏觀經(jīng)濟(jì)分析研究綜述，由筆耕文化傳播整理發(fā)布。

學(xué)科前沿；大數(shù)據(jù)與宏觀經(jīng)濟(jì)分析研究綜述；［內(nèi)容提要］大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)分析具有革命性的意義；；了大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)政策制定的影響，并在此基礎(chǔ)上對(duì)；一、引言；隨著互聯(lián)網(wǎng)的普及，信息總量正以空前的速度爆炸性增；（1PB=1024TB，1TB=個(gè)以“PB”；1024GB）為單位的數(shù)據(jù)信息新時(shí)代，即大數(shù)據(jù)時(shí)；；Apache公司的開(kāi)源項(xiàng)目Nutch（一個(gè)開(kāi)源軟；處理的速度

學(xué)科前沿

大數(shù)據(jù)與宏觀經(jīng)濟(jì)分析研究綜述

*

［內(nèi)容提要］大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)分析具有革命性的意義。在大數(shù)據(jù)時(shí)代，紛繁復(fù)雜的數(shù)據(jù)實(shí)時(shí)可得，整個(gè)社會(huì)經(jīng)濟(jì)產(chǎn)生了根本的變化。大數(shù)據(jù)在宏觀經(jīng)濟(jì)分析應(yīng)用中最活躍也是最重要的四個(gè)領(lǐng)域?yàn)椋汉暧^經(jīng)濟(jì)數(shù)據(jù)挖掘、宏觀經(jīng)濟(jì)預(yù)測(cè)、宏觀經(jīng)濟(jì)分析技術(shù)和宏觀經(jīng)濟(jì)政策。本文對(duì)大數(shù)據(jù)背景下宏觀經(jīng)濟(jì)數(shù)據(jù)挖掘的來(lái)源和宏觀經(jīng)濟(jì)預(yù)測(cè)方法進(jìn)行了評(píng)述，探討了大數(shù)據(jù)分析技術(shù)如何將機(jī)器

。本文還研究學(xué)習(xí)算法引入宏觀經(jīng)濟(jì)分析，利用LASSO算法解決“維數(shù)災(zāi)難”

了大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)政策制定的影響，并在此基礎(chǔ)上對(duì)大數(shù)據(jù)背景下的中國(guó)宏觀經(jīng)濟(jì)分析提出了對(duì)策建議，認(rèn)為政府應(yīng)加大扶持力度，搭建平臺(tái)，及早建立基于大數(shù)據(jù)的宏觀經(jīng)濟(jì)分析模型，并加強(qiáng)學(xué)科和專(zhuān)業(yè)教育。［關(guān)鍵詞］大數(shù)據(jù)宏觀經(jīng)濟(jì)數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)算法預(yù)測(cè)

一、引言

隨著互聯(lián)網(wǎng)的普及，信息總量正以空前的速度爆炸性增長(zhǎng)，人類(lèi)社會(huì)進(jìn)入了一

（1PB=1024TB，1TB=個(gè)以“PB”

1024GB）為單位的數(shù)據(jù)信息新時(shí)代，即大數(shù)據(jù)時(shí)代。大數(shù)據(jù)，是指巨大而多樣化的數(shù)據(jù)集①，這些數(shù)據(jù)的處理超出了目前主流軟件的能力，因此必須改進(jìn)處理數(shù)據(jù)

�！按髷�(shù)據(jù)”術(shù)語(yǔ)最早可以追溯到的工具

Apache公司的開(kāi)源項(xiàng)目Nutch（一個(gè)開(kāi)源軟件實(shí)現(xiàn)的搜索引擎），，伴隨谷歌的Ma-pReduce（映射和歸約，是一種編程模型，用于大規(guī)模數(shù)據(jù)集的并行運(yùn)算）和GFS（可擴(kuò)展的Google文件系統(tǒng)），大數(shù)據(jù)不僅代表著數(shù)據(jù)規(guī)模，而且包含了數(shù)據(jù)

②

處理的速度。目前一般認(rèn)為，大數(shù)據(jù)的典型特點(diǎn)可以用“4V”即大量化（Vol-ume）、快速化（Velocity）、多樣化（Va-

*本文為中國(guó)博士后科學(xué)基金面上項(xiàng)目“大數(shù)據(jù)與宏觀經(jīng)濟(jì)現(xiàn)時(shí)預(yù)測(cè)研究”（2014M560068）的階段性成果。

—57—

國(guó)外理論動(dòng)態(tài)·2015年第1期

riety）和價(jià)值化（Value）來(lái)概括。一是數(shù)據(jù)體量巨大。據(jù)估計(jì)，人類(lèi)至今生產(chǎn)的所有印刷材料的數(shù)據(jù)量大約為200PB，而歷史上全人類(lèi)說(shuō)過(guò)的所有的話(huà)的數(shù)據(jù)量大約為5EB（1EB=1024PB）。當(dāng)前互聯(lián)網(wǎng)上的數(shù)據(jù)以每年50%左右的速度增長(zhǎng)，人類(lèi)90%以上的數(shù)據(jù)都是最近幾年產(chǎn)生的，到2013年，全球存儲(chǔ)的數(shù)據(jù)預(yù)計(jì)能

70

達(dá)到約1.2ZB（等于2個(gè)字節(jié)，約10億TB）。二是處理速度快。在如此海量的數(shù)據(jù)面前，處理數(shù)據(jù)的效率就是企業(yè)的生命。社交媒介、移動(dòng)設(shè)備、網(wǎng)上交易和網(wǎng)絡(luò)設(shè)備更新的速度非�？�，巨大的數(shù)據(jù)流會(huì)導(dǎo)致傳統(tǒng)數(shù)據(jù)分析的軟硬件被淘汰，產(chǎn)生從快速生成數(shù)據(jù)中實(shí)時(shí)獲取價(jià)值的專(zhuān)門(mén)技術(shù)和數(shù)據(jù)分析系統(tǒng)。三是數(shù)據(jù)類(lèi)型繁多。構(gòu)成大數(shù)據(jù)的信息類(lèi)型來(lái)源不同，包括網(wǎng)絡(luò)日志、音頻、視頻、圖片、地理位置信息等。其中大概只有約10%屬于結(jié)構(gòu)化數(shù)據(jù)適合整齊地進(jìn)入相關(guān)數(shù)據(jù)庫(kù)的行和列，其余90%是非結(jié)構(gòu)化數(shù)據(jù)。四是價(jià)值密度低。價(jià)值密度的高低與數(shù)據(jù)總量大小成反比。例如，一部1小時(shí)的視頻，在連續(xù)不間斷監(jiān)控過(guò)程中，可能有用的數(shù)據(jù)只占一兩秒時(shí)間。如何通過(guò)強(qiáng)大的機(jī)器算法更迅速地完成數(shù)據(jù)的價(jià)值“提純”

③

變得十分重要，也是數(shù)據(jù)挖掘的關(guān)鍵。大數(shù)據(jù)正在深刻地影響著整個(gè)社會(huì)和經(jīng)濟(jì)的發(fā)展。從經(jīng)濟(jì)分析的角度看，國(guó)際上的大數(shù)據(jù)研究首先在行業(yè)研究、商務(wù)分析和企業(yè)應(yīng)用層面快速發(fā)展，并逐漸影響到經(jīng)濟(jì)分析的各個(gè)領(lǐng)域。當(dāng)前，在宏觀經(jīng)濟(jì)分析中如何充分利用大數(shù)據(jù)方法和技術(shù)已經(jīng)開(kāi)始在國(guó)際上引起重視，從國(guó)內(nèi)的情況來(lái)看，將大數(shù)據(jù)與宏觀經(jīng)濟(jì)聯(lián)系起來(lái)的研究還鮮有見(jiàn)到，宏觀經(jīng)濟(jì)政策制定者對(duì)此也重視不夠，而這正是本綜述的目的和—58—

意義所在。

二、大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)分析的革命性意義

大數(shù)據(jù)開(kāi)啟了巨大的時(shí)代轉(zhuǎn)型，就宏觀經(jīng)濟(jì)分析而言，大數(shù)據(jù)時(shí)代帶來(lái)的轉(zhuǎn)變是重大且具有革命意義的。首先，大數(shù)據(jù)極大地拓寬了信息來(lái)源。大數(shù)據(jù)時(shí)代的重大變化是海量的可得數(shù)據(jù)。傳統(tǒng)經(jīng)濟(jì)分析依靠的數(shù)據(jù)主要是樣本，而在大數(shù)據(jù)時(shí)代，得到的數(shù)據(jù)可能就是總體本身，例如就物價(jià)而言，每一筆在電子商務(wù)網(wǎng)站成交的交易信息都能記錄在案。大而全的可得數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)分析是極其重要的，可以準(zhǔn)確了解宏觀經(jīng)濟(jì)形勢(shì)，正確做出宏觀經(jīng)濟(jì)發(fā)展預(yù)測(cè)，合理制定宏觀經(jīng)濟(jì)政策。這些優(yōu)勢(shì)是傳統(tǒng)經(jīng)濟(jì)分析方法無(wú)法想象和實(shí)現(xiàn)的。

其次，大數(shù)據(jù)時(shí)代信息獲得的速度大大提高，很多信息實(shí)時(shí)可得。傳統(tǒng)的經(jīng)濟(jì)分析主要依靠結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)最明顯的缺陷就是具有很強(qiáng)的時(shí)滯性。例如，政府公布的季度GDP往往會(huì)有1個(gè)月的滯后期，而反映全面經(jīng)濟(jì)社會(huì)狀況的統(tǒng)計(jì)年鑒的滯后期會(huì)達(dá)到3個(gè)月左右，這對(duì)及時(shí)了解宏觀經(jīng)濟(jì)形勢(shì)、預(yù)測(cè)與預(yù)警都是非常不利的。大數(shù)據(jù)時(shí)代信息產(chǎn)生和傳遞的速度空前加快，如互聯(lián)網(wǎng)上的大量信息是實(shí)時(shí)的，移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)使每個(gè)人隨時(shí)隨地都可能制造數(shù)據(jù)。大數(shù)據(jù)經(jīng)濟(jì)模型可以充分利用數(shù)據(jù)的實(shí)時(shí)性，提高分析或預(yù)測(cè)的時(shí)效性，為經(jīng)濟(jì)預(yù)警和政策制定提供最快速的資料和依據(jù)。

第三，大數(shù)據(jù)帶來(lái)宏觀經(jīng)濟(jì)分析的方法論變革。傳統(tǒng)的經(jīng)濟(jì)計(jì)量模型建立在抽樣統(tǒng)計(jì)學(xué)的基礎(chǔ)上，以假設(shè)檢驗(yàn)為基本模式。隨著信息量的極大拓展和處理信息能

學(xué)科前沿

力的極大提高，經(jīng)濟(jì)分析可能從樣本統(tǒng)計(jì)時(shí)代走向總體普查時(shí)代。這一點(diǎn)對(duì)宏觀經(jīng)濟(jì)分析意義重大，因?yàn)楹暧^經(jīng)濟(jì)系統(tǒng)紛繁復(fù)雜，如果能將對(duì)整體宏觀經(jīng)濟(jì)變量的分析建立在盡可能多的關(guān)于經(jīng)濟(jì)主體行為的信息以及其他諸多經(jīng)濟(jì)變量的信息的基礎(chǔ)上，甚至拋棄原有的假設(shè)檢驗(yàn)的模式，無(wú)疑將會(huì)極大地提高宏觀經(jīng)濟(jì)分析的準(zhǔn)確性和可信度。同時(shí)，經(jīng)典計(jì)量模型以因果檢驗(yàn)為核心，而大數(shù)據(jù)分析則往往將相關(guān)性發(fā)掘作為首要任務(wù)。在復(fù)雜的宏觀經(jīng)濟(jì)系統(tǒng)中，當(dāng)許多宏觀經(jīng)濟(jì)中的因果關(guān)系往往難以準(zhǔn)確檢驗(yàn)、因果結(jié)論經(jīng)常廣受質(zhì)疑時(shí)，更重視可靠相關(guān)關(guān)系的發(fā)掘，充分利用相關(guān)關(guān)系對(duì)于經(jīng)濟(jì)預(yù)測(cè)、政策制定與評(píng)估的作用，無(wú)疑為宏觀經(jīng)濟(jì)分析打開(kāi)了另一片廣闊的空間。正因?yàn)槿绱�，維克托·邁爾－舍恩伯格（VictorMayer－Schon-berger）與肯尼思·庫(kù)克耶（KennethCukier）認(rèn)為建立在相關(guān)關(guān)系分析基礎(chǔ)上的預(yù)測(cè)是大數(shù)據(jù)的核心。

第四，大數(shù)據(jù)促進(jìn)了宏觀經(jīng)濟(jì)分析技術(shù)的革新。傳統(tǒng)的分析技術(shù)基于關(guān)系型宏觀經(jīng)濟(jì)數(shù)據(jù)，而分析模型主要基于統(tǒng)計(jì)數(shù)據(jù)，而大數(shù)據(jù)中的大量信息是非結(jié)構(gòu)化的，數(shù)據(jù)的來(lái)源和形式復(fù)雜多樣。如互聯(lián)網(wǎng)信息包含文本、圖片、影音等多種形式，在此狀況下進(jìn)行宏觀經(jīng)濟(jì)分析，有必要借鑒計(jì)算機(jī)領(lǐng)域已經(jīng)出現(xiàn)、但在現(xiàn)有經(jīng)濟(jì)領(lǐng)域還少有應(yīng)用的數(shù)據(jù)處理技術(shù)，例如機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)已經(jīng)在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、智能機(jī)器人等領(lǐng)域取得了巨大成功，是當(dāng)前進(jìn)行大數(shù)據(jù)分析的基本手段。此類(lèi)技術(shù)在宏觀經(jīng)濟(jì)領(lǐng)域的應(yīng)用會(huì)極大地提高經(jīng)濟(jì)分析的能力，改進(jìn)分析結(jié)果、提升分析價(jià)值。另外，傳統(tǒng)的經(jīng)濟(jì)計(jì)量對(duì)海量數(shù)據(jù)難以分析，發(fā)展適

合大數(shù)據(jù)的分析模型是經(jīng)濟(jì)計(jì)量面臨的重

④

大挑戰(zhàn)。

國(guó)際學(xué)術(shù)界和宏觀經(jīng)濟(jì)政策制定者已經(jīng)意識(shí)到大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)分析的革命性影響，將大數(shù)據(jù)的概念、方法、技術(shù)和宏觀經(jīng)濟(jì)分析結(jié)合起來(lái)的做法正逐步得到重視，一些意義深遠(yuǎn)的研究工作逐步興起。綜合起來(lái)看，這些研究主要集中在宏觀經(jīng)濟(jì)數(shù)據(jù)挖掘、宏觀經(jīng)濟(jì)預(yù)測(cè)、宏觀經(jīng)濟(jì)分析技術(shù)和宏觀經(jīng)濟(jì)政策四個(gè)領(lǐng)域。

三、宏觀經(jīng)濟(jì)數(shù)據(jù)挖掘

數(shù)據(jù)挖掘正在成為一個(gè)熱門(mén)行業(yè)。簡(jiǎn)單地說(shuō)，數(shù)據(jù)挖掘就是大數(shù)據(jù)時(shí)代的統(tǒng)計(jì)調(diào)查。隨著互聯(lián)網(wǎng)信息技術(shù)的逐步發(fā)展，獲取的數(shù)據(jù)種類(lèi)越來(lái)越多，數(shù)量越來(lái)越龐大，更新速度越來(lái)越快，數(shù)據(jù)中有大量“噪聲”存在。顯然，傳統(tǒng)的統(tǒng)計(jì)調(diào)查方法不能適應(yīng)大數(shù)據(jù)時(shí)代信息收集的需要，比如在內(nèi)容形式上，互聯(lián)網(wǎng)上的諸多信息是以多媒體方式存在的，統(tǒng)計(jì)調(diào)查無(wú)從下手；面對(duì)海量信息，統(tǒng)計(jì)調(diào)查速度慢，效率低。因此，充分依靠計(jì)算機(jī)進(jìn)行信息收集的各種新技術(shù)應(yīng)運(yùn)而生，被稱(chēng)為“數(shù)

。數(shù)據(jù)挖掘多在利用網(wǎng)絡(luò)爬蟲(chóng)軟據(jù)挖掘”

件的基礎(chǔ)上建立機(jī)器學(xué)習(xí)模型。其過(guò)程一般包括：先利用網(wǎng)絡(luò)爬蟲(chóng)軟件將原始信息從網(wǎng)上抓取下來(lái)；然后通過(guò)一定方法對(duì)這些數(shù)據(jù)進(jìn)行清洗，將大量?jī)?nèi)容無(wú)用的“噪聲”過(guò)濾掉，保留值得加工的信息；最后對(duì)剩下的內(nèi)容進(jìn)行加工提取，并轉(zhuǎn)化為一定程度結(jié)構(gòu)化的可用數(shù)據(jù)，如標(biāo)準(zhǔn)化為時(shí)間序列等。這一過(guò)程已經(jīng)成為大數(shù)據(jù)方法中的標(biāo)準(zhǔn)程序之一。從宏觀經(jīng)濟(jì)分析的角度，根據(jù)信息來(lái)源的種類(lèi)，數(shù)據(jù)挖掘大體可分為兩類(lèi)。

—59—

國(guó)外理論動(dòng)態(tài)·2015年第1期

第一類(lèi)是對(duì)數(shù)量信息的收集整理。這一類(lèi)工作要解決的問(wèn)題是信息來(lái)源量大面廣和快速更新的問(wèn)題，比如麻省理工學(xué)院

10億價(jià)格項(xiàng)目”（TheBillionPrices的“

Project，BPP）。研究團(tuán)隊(duì)在經(jīng)濟(jì)學(xué)家阿爾伯托·卡瓦洛（AlbertoCavallo）和羅伯托·瑞格本（RobertoRigobon）的帶領(lǐng)下，通過(guò)“網(wǎng)絡(luò)抓取技術(shù)”（webscrap-ing），利用網(wǎng)上購(gòu)物交易數(shù)據(jù)計(jì)算日常通脹指數(shù)，收集世界來(lái)自70個(gè)國(guó)家、300個(gè)零售商、共500萬(wàn)種在線(xiàn)商品的價(jià)格，建立了通脹指數(shù)的日發(fā)布系統(tǒng)。相比傳統(tǒng)CPI的月發(fā)布機(jī)制，“10億價(jià)格項(xiàng)目”僅有3天的滯后期，幾乎實(shí)現(xiàn)了通貨膨脹的實(shí)時(shí)預(yù)測(cè)。

第二類(lèi)是對(duì)非數(shù)量信息的收集整理。比如如何從文本、圖片、視頻等素材中挖掘出結(jié)構(gòu)化、數(shù)量化的信息。這類(lèi)工作除了要解決前述問(wèn)題，還面臨將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)這一更困難的艱巨任務(wù)。對(duì)一項(xiàng)典型的文本數(shù)據(jù)挖掘工作而言，假定任務(wù)是從日常的新聞報(bào)道中挖掘出媒體對(duì)經(jīng)濟(jì)的信心指數(shù)，那么基本過(guò)程

⑤

包括四步。第一步是選取部分文本，請(qǐng)專(zhuān)業(yè)人士進(jìn)行標(biāo)注以便分類(lèi)，如可分類(lèi)為“樂(lè)觀、中性、悲觀”三類(lèi)，同一個(gè)文本可由三人分別標(biāo)記，然后采取一定方法來(lái)計(jì)算語(yǔ)料標(biāo)注的一致性，只有通過(guò)，方能被用于觀點(diǎn)分類(lèi)。第二步是對(duì)文本進(jìn)行特征抽取和選擇，特征抽取方法包括基于規(guī)則的特征抽取和基于統(tǒng)計(jì)的特征抽取。第三步是在特征抽取信息的基礎(chǔ)上建立分類(lèi)器，可同時(shí)考慮來(lái)源單位、作者身份、文本性質(zhì)這三類(lèi)信息，對(duì)已標(biāo)注文本通過(guò)機(jī)器學(xué)習(xí)（如采用支持向量機(jī)算法）建立分類(lèi)器。第四步是將此分類(lèi)器應(yīng)用于分類(lèi)未標(biāo)注文本，并將分類(lèi)結(jié)果轉(zhuǎn)化為時(shí)間系—60—

列數(shù)據(jù)。

數(shù)據(jù)挖掘是在借鑒眾多領(lǐng)域研究思想的基礎(chǔ)上逐步發(fā)展的，借鑒了統(tǒng)計(jì)學(xué)的抽樣估計(jì)、人工智能和機(jī)器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論，還借鑒了信息論、最優(yōu)化、可視化、信號(hào)處理和信息檢索等思想。目前廣為接受的數(shù)據(jù)挖掘處理模型是法耶德（UsamaFayyad）等人設(shè)計(jì)的多處理階段模型。利用該模型數(shù)據(jù)挖掘，意在集中尋求數(shù)據(jù)挖掘過(guò)程中的可視化方法，便于人機(jī)交互；利用該模型也可以增強(qiáng)對(duì)多媒體數(shù)據(jù)、文本數(shù)據(jù)和圖像數(shù)據(jù)等各種非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)挖掘的準(zhǔn)確性。

四、大數(shù)據(jù)與宏觀經(jīng)濟(jì)預(yù)測(cè)

大數(shù)據(jù)時(shí)代信息的實(shí)時(shí)和快速為及時(shí)高效的預(yù)測(cè)提供了可能，信息的規(guī)模龐大為準(zhǔn)確合理的預(yù)測(cè)提供了機(jī)會(huì)。大數(shù)據(jù)背景下的宏觀經(jīng)濟(jì)預(yù)測(cè)將更加有效、實(shí)用。國(guó)際上利用大數(shù)據(jù)進(jìn)行經(jīng)濟(jì)分析與預(yù)測(cè)取得了一定的進(jìn)展。BPP項(xiàng)目利用網(wǎng)上購(gòu)物交易數(shù)據(jù)計(jì)算日常通脹指數(shù)。例如，BPP的數(shù)據(jù)顯示，在雷曼兄弟公司2008年9月倒閉后，大部分美國(guó)企業(yè)幾乎立刻開(kāi)始削減價(jià)格，這表明總需求已經(jīng)減

⑥

相比之下，官方通脹機(jī)構(gòu)公布的數(shù)弱。

據(jù)直到當(dāng)年11月，即在10月CPI數(shù)據(jù)公布后，才對(duì)通貨緊縮有所反應(yīng)。崔玄英（HyunyoungChoi）和瓦里安（HalVarian）介紹了谷歌趨勢(shì)（GoogleTrends）如何可以用來(lái)為預(yù)測(cè)當(dāng)前經(jīng)濟(jì)變量服務(wù)，發(fā)現(xiàn)失業(yè)和相關(guān)福利的搜索可以提高對(duì)于失業(yè)救濟(jì)

⑦

首次申請(qǐng)時(shí)間的預(yù)測(cè)。阿斯基達(dá)斯（N．Askitas）和齊默爾曼（K．F．Zimmer-mann）⑧、阿穆里（F．D'Amuri）⑨以及蘇霍

學(xué)科前沿

瑠瑏

依（T.Suhoy）也發(fā)現(xiàn)，互聯(lián)網(wǎng)搜索可以預(yù)測(cè)德國(guó)、意大利和以色列有關(guān)勞動(dòng)力市場(chǎng)的狀況。崔玄英和瓦里安以及吳（L.Wu）和布林約爾松（E.Brynjolfsson）發(fā)現(xiàn)，

與住房有關(guān)的搜索可以改善傳統(tǒng)模式對(duì)美

瑡瑏

國(guó)住房銷(xiāo)售的預(yù)測(cè)。韋博（G.K.Webb）認(rèn)，“止贖權(quán)”的檢索次數(shù)和取消抵押品為

贖回權(quán)的實(shí)際數(shù)目是美國(guó)住房市場(chǎng)問(wèn)題的

瑢瑏

一個(gè)早期預(yù)警。麥凱倫（N.McLaren）和山波霍格（R.Shanbhogue）檢驗(yàn)了在線(xiàn)搜索對(duì)英國(guó)就業(yè)和住房市場(chǎng)預(yù)測(cè)活動(dòng)的重要性，指出包含因特網(wǎng)搜索的模型提高了預(yù)

瑣瑏

測(cè)效果。

利用大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)進(jìn)行預(yù)測(cè)最重要的方面當(dāng)屬宏觀經(jīng)濟(jì)的現(xiàn)時(shí)預(yù)測(cè)（nowcasting）�！艾F(xiàn)時(shí)預(yù)測(cè)”一詞最初源于氣象學(xué)領(lǐng)域，是針對(duì)現(xiàn)在已經(jīng)發(fā)生的事可能因?yàn)樾畔@取困難等原因難以直接知道準(zhǔn)確情況，因而根據(jù)可得信息來(lái)進(jìn)行推測(cè)。比如對(duì)宏觀經(jīng)濟(jì)而言，在月底估測(cè)本月GDP總量是現(xiàn)時(shí)預(yù)測(cè)，因?yàn)椤氨驹翯DP是多少”這件事已經(jīng)發(fā)生了，只是我們還不能馬上拿到相關(guān)數(shù)據(jù)。因?yàn)樾畔⒓夹g(shù)的發(fā)展導(dǎo)致大量實(shí)時(shí)信息容易采集，崔玄英和瓦里安強(qiáng)調(diào)應(yīng)充分利用大數(shù)據(jù)方法為經(jīng)濟(jì)現(xiàn)象的現(xiàn)時(shí)預(yù)測(cè)服務(wù)。目前對(duì)宏觀經(jīng)濟(jì)的判斷依賴(lài)于各種統(tǒng)計(jì)調(diào)查系統(tǒng)發(fā)布的統(tǒng)計(jì)數(shù)據(jù)，但面臨的最大困難之一便在于關(guān)于宏觀經(jīng)濟(jì)統(tǒng)計(jì)的數(shù)據(jù)滯后太多，基于此統(tǒng)計(jì)進(jìn)行的預(yù)測(cè)甚至被認(rèn)為助長(zhǎng)了宏觀經(jīng)濟(jì)波動(dòng)。大數(shù)據(jù)時(shí)代大量實(shí)時(shí)數(shù)據(jù)的產(chǎn)生，為更快捷地估測(cè)宏觀經(jīng)濟(jì)提供了可能，大數(shù)據(jù)理論與方法的發(fā)展則為現(xiàn)時(shí)預(yù)測(cè)提供了新的條件。

大數(shù)據(jù)也使得宏觀經(jīng)濟(jì)預(yù)測(cè)模型產(chǎn)生了變化。傳統(tǒng)的經(jīng)濟(jì)預(yù)測(cè)往往通過(guò)建立時(shí)間序列、截面或面板方程等幾個(gè)模型來(lái)進(jìn)

行，變量的完整被認(rèn)為是不可能的。由于模型變量選擇、參數(shù)設(shè)置、估計(jì)方法以及滯后期選擇等的不同，預(yù)測(cè)結(jié)果會(huì)產(chǎn)生很大的偏差。大數(shù)據(jù)時(shí)代可以應(yīng)用大量模型進(jìn)行研究，并應(yīng)用完備的數(shù)據(jù)信息，這對(duì)預(yù)測(cè)模型的改進(jìn)提出了挑戰(zhàn)，同時(shí)提高了預(yù)測(cè)的準(zhǔn)確性。

麥凱倫和山波霍格指出，大數(shù)據(jù)對(duì)分析預(yù)測(cè)意想不到的事情也是特別有幫助的。例如經(jīng)濟(jì)形勢(shì)的變更、暫時(shí)的工廠關(guān)閉和罷工等，傳統(tǒng)的調(diào)查數(shù)據(jù)須根據(jù)預(yù)定的問(wèn)題進(jìn)行收集，而大數(shù)據(jù)時(shí)代搜索數(shù)據(jù)更靈活，可用于評(píng)估這些特殊情況，對(duì)宏

瑤瑏

觀經(jīng)濟(jì)進(jìn)行合理預(yù)測(cè)。

五、大數(shù)據(jù)分析技術(shù)與宏觀經(jīng)濟(jì)分析

人類(lèi)對(duì)大數(shù)據(jù)特別是結(jié)構(gòu)化的、甚至看似雜亂無(wú)章的海量數(shù)據(jù)的分析能力的大大加強(qiáng)，有賴(lài)于機(jī)器學(xué)習(xí)（machinelearn-ing）算法的迅速發(fā)展。簡(jiǎn)單地說(shuō)，機(jī)器學(xué)習(xí)就是讓計(jì)算機(jī)經(jīng)過(guò)“訓(xùn)練”在輸入變量和輸出變量間建立起某種“最佳”

，是指把輸入的匹配關(guān)系。所謂“訓(xùn)練”

和輸出信息都已知的樣本輸入計(jì)算機(jī)，然后根據(jù)一定的算法，由計(jì)算機(jī)生成由輸入

�！皺C(jī)器”能夠變量預(yù)測(cè)輸出變量的方法

伴隨計(jì)算、運(yùn)行次數(shù)的增多，通過(guò)學(xué)習(xí)逐步自我提高和改善，使挖掘和處理更為準(zhǔn)確。機(jī)器學(xué)習(xí)的主要算法包括線(xiàn)性模型、拓展的線(xiàn)性模型、決策樹(shù)、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、自組織映射網(wǎng)絡(luò)、遺傳算法等等，并仍在蓬勃發(fā)展。機(jī)器學(xué)習(xí)已經(jīng)在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、智能機(jī)器人等諸多領(lǐng)域取得了巨大成功，是當(dāng)前進(jìn)行數(shù)據(jù)挖掘和大數(shù)據(jù)分析的基本手段。大數(shù)據(jù)推動(dòng)數(shù)據(jù)的分析向機(jī)器學(xué)習(xí)

—61—

三億文庫(kù)3y.uu456.com包含各類(lèi)專(zhuān)業(yè)文獻(xiàn)、中學(xué)教育、生活休閑娛樂(lè)、應(yīng)用寫(xiě)作文書(shū)、文學(xué)作品欣賞、行業(yè)資料、19大數(shù)據(jù)與宏觀經(jīng)濟(jì)分析研究綜述_劉濤雄等內(nèi)容。

最新搜索

大數(shù)據(jù)與宏觀經(jīng)濟(jì)分析研究綜述_劉濤雄

寄生蟲(chóng):弓形蟲(chóng)

無(wú)線(xiàn)LAN講義

程序員人生之路(分析的非常透徹!)

眼袋嚴(yán)重為什么,天生的大眼袋怎么辦

包頭養(yǎng)老保險(xiǎn)

2013年駕考路考須知

舊圃鎮(zhèn)中學(xué)食品采購(gòu)和驗(yàn)收制度

“先學(xué)后教”研究課題階段總結(jié)

第九講_測(cè)試技術(shù)綜合

  本文關(guān)鍵詞：大數(shù)據(jù)與宏觀經(jīng)濟(jì)分析研究綜述，由筆耕文化傳播整理發(fā)布。