數量經濟學在大數據時代下的應用

黃冰潔 青島大學

數量經濟學在大數據時代下的應用

黃冰潔 青島大學

在當今社會，大數據正以各種各樣的方式影響這經濟，應用廣泛分布在各個部門，大數據正逐步改變人們看待世界方式。國家政府部分、企業和所有行業都可以利用大數據更加準確直觀的指出問題，預測未來。在大數據時代，數量經濟學更加需要和大數據結合，進一步揭示經濟規律，完善經濟體系和經濟管理，做出決策和預測。

大數據時代 數量經濟學 大數據經濟學

一、引言

“大數據”時代的來臨對各行各業帶來了巨大影響。本文以數量經濟學為考察對象，介紹國內外大數據在數量經濟學中分析中的研究與應用狀況，剖析了大數據為數量經濟學帶來改變。認為一方面，大數據及大數據技術的發展豐富了數量經濟分析的數據基礎和分析手段；另一方面，利用大數據進行數量經濟分析尚面臨數據清洗、數據安全、人才培養和平臺開發等多方面挑戰。

二、相關文獻概述

（一）大數據經濟的相關研究

在文獻梳理中，張守一在2001年提出，在今后數量經濟學的發展中應做到8個協調：提高與普及、應用研究與理論研究、宏觀經濟研究和微觀經濟研究、全局問題研究與局部問題研究、經濟預測和政策分析、計量分析和仿真技術、國內經濟研究和國際經濟研究、引進和創新的協調發展等。我國數量經濟創始人烏家培教授在《我國數量經濟學發展的昨天、今天和明天》一文中，對我國數量經濟學的發展歷史、取得的成就以及未來發展的方向和重點進行了闡述，認為21世紀我國數量經濟學需要適應兩個潮流、看準5個方向、抓住3個重點，采用以中國化為主題、國際化和信息化為兩翼的發展模式，并做好發展規劃、重視人才培養。

（二）關于挖掘數據價值、更好的利用數據研究

數據挖掘是一個熱門行業。簡單來說，數據挖掘就是大數據的統計調查。從經濟分析角度，數據挖掘可分為兩類：第一類是對數量信息進行整理和收集，主要解決信息來源量大面廣和更新速度的問題；第二類是非數量信息的收集，比如從文本、圖片、視頻等素材中挖掘出有效地信息。

數據挖掘的方法很多，在數量經濟學中有廣泛應用。2008年的結構方程模型、BP神經網絡、粗糙集、灰色關聯分析、灰色關聯度、灰色關聯系統、馬爾科夫鏈，2010年的支持向量機，2012年的復雜網絡等關聯詞，表明數據挖掘在數量經濟學中的應用日益增多，數量經濟學方法在向信息化發展。

三、大數據時代和數量經濟學的研究

（一）大數據時代

大數據時代開啟了巨大的時代轉型，大數據時代的到來成為世界經濟發展的新現象，也標志著全球進入一個新的經濟增長階段，大數據帶來智能化和信息化革命。

（二）大數據時代的特點

1.數據規模大，來源廣，類型多

與傳統數據相比，大數據時代又包含了大量半結構化和非結構化數據，如郵件、媒體報道、視頻、圖片等，但是數據的清洗難度大。

2.數據分析智能化

以MapReduce和Hadoop為代表的非關系數據分析技術，以其適合非結構數據處理、大規模并行處理、簡單易用等突出優勢，不僅可以為宏觀經濟分析提供更加高效便捷的數據采集和處理平臺，豐富了經濟的分析方法，還提高了分析的客觀性、精確性和時效性。

3.數據采集和處理實時化

隨著互聯網的發展，產生了大量實時傳播的數據。通過大數據軟件處理平臺，可以實時追蹤和收集這些數據并可以有效的對數據進行分析和處理，提高了經濟分析的時效性，但是數據的安全不能得以保障。

（三）數量經濟學的研究

我國的數量經濟的研究主要在以學習、引進和介紹前蘇聯的經濟數學方法和模型的基礎上，加大對其消化和應用力度；同時，我國數量經濟學的研究從對經濟數學方法與模型分散介紹和研究轉為對西方數理經濟學和計量經濟學的系統介紹和研究。目前我國數量經濟學的研究形成了以數量經濟學和計量經濟學研究為核心，以數學方法、統計學方法和計算機技術在經濟和管理中的應用為輻射這樣一個寬泛的學科研究格局。

（四）數量經濟學的定義

數量經濟學是數學、統計學和經濟學三門學科交叉產生的，關于數量經濟學的學科定位，國內目前主要有以下三種認識，即學科論、學派論和非學科論。

第一學科論。學科論認為數量經濟學是一門獨立的學科，它有自己特定的研究對象、研究內容、研究方法和理論基礎。。

第二學派論。學派論認為數量經濟學不是一門獨立的學科，而是經濟學的一個學派，其實質是經濟學。在我國，數量經濟學是經濟學與數學、統計學、計算機相結合，以數量方法進行經濟分析、預測和決策研究的交叉學科。

第三非學科論。非學科論認為，數量經濟學既不是一門獨立的學科，也不是一門獨立的學派，充其量只能說是經濟數學方法與模型的研究。

四、大數據與數量經濟的結合

大數據環境下眾多學科開始融合，帶給傳統數量經濟學更大的挑戰。大數據時代極大地拓展了信息來源、提高了獲取信息的時效性，新信息對數量經濟學的分析的技術和方法提出了新的要求。例如，在谷歌2009年預測甲型H1N1流感爆發的案例中，除了使用大量的數據，還用了大量的數學模型，據統計高達4.5個億。

數量經濟學的研究中核心是模型建立，在經濟模型中采用假設理想化的方式來避免微小因素的干擾。但實際經濟生活中這些的影響經濟發展的因素很多，為了避免這些不可控因素模型建立與應用需要大規模的數據作支撐；而數量經濟學模型對所采集的大數據進行深度挖掘，找出其中隱含的經濟規律有利于國民經濟的發展。

數量經濟學通過利用大數據前景不可估量，這并不表示傳統研究沒有意義，相反大數據數量經濟學必須建立在傳統數量經濟學模型之上。如同谷歌的4.5模型一樣，需要不斷地建立新的模型來分析，使機器語言與經濟分析相結合。

在實際工作中只有深刻揭示各種經濟規律的數量界限和表現形式，才能自覺應用各種經濟規律來解決實際問題。從實踐角度看，經濟發展是一個大的動態體系，任何一部分的變動都會在全局范圍內引起一系列的連鎖反應。無數的經濟現象以其所呈現的數據和數量關系表現出來。無論是生產、流通（交換）、分配和消費的計劃方面，還是部門內部、企業內部的計劃工作與生產組織方面，大數據和數量經濟分析都是必需的。

國際上在建立已建立的數學模型的基礎上利用大數據進行經濟分析和預測取得了一定的進展。BPP項目利用網上交易數據計算日常通脹指數。例如：BPP數據顯示在雷曼公司2008年9月倒閉后，大部分美國企業開始消減價格，這表明總需求減弱。崔玄英和瓦里安介紹了谷歌趨勢如何可以用來預測當前經濟變量服務，發現失業和相關福利的搜索可以提高對于失業救濟首次申請時間的預測。大數據也使數量經濟學的經濟模型產生了變化。傳統的模型往往通過建立時間序列、截面或面板方程等幾個模型來進行，變量的完整是認為不可能的。由于模型變量的選擇、參數設置、估計方法以及滯后期選擇等的不同，預測結果往往產生很大的偏差。大數據時代可以應用大量模型進行研究，并應用完備的數據信息，這對預測模型的改進提出了挑戰，同時提高了預測的準確性。

五、結論與建議

今后，數量經濟學與大數據結合是必然趨勢，大數據數量經濟學必成為未來經濟的主流方向。但與西方國家相比，中國目前利用大數據進行數量經濟學分析方面尚現薄弱，有待加強。

第一，政府和相關研究機構應該加大投入，開展相關科研或立項，為大數據與數量經濟分析的研究提供環境和支持。

第二，決策者應加快步伐，搭建平臺，充分利用大數據服務于數量經濟學的制定。決策者要摒棄舊俗，加快相關改革，開發新技術，探討新理論，及時應用大數據和數量經濟學分析的結果進行經濟政策調整。

第三，加大大數據和數量經濟學的學科教育，建立相關專業，培養專業人才。

[1]孫振朝.大數據時代的數量經濟學應用[J].經營與管理,2016,(02)：31-33

[2]任保平,辛偉.大數據時代中國新常態經濟增長路徑與政策的轉型[J].人文雜志,2015,(04)：29-35.

[3]劉濤雄,徐曉飛.大數據與宏觀經濟分析研究綜述[J].國外理論動態,2015,(01)：57-64.

[4]申紅艷,吳晨生,鐵梅,滕飛.大數據時代宏觀經濟分析面臨的機遇與挑戰[J].經濟研究參考,2014,(63)：19-25.

[5]王慶石.數量經濟學的學科定位及專業發展問題研究[J].東北財經大學學報,2003,(03)：79-81.