基于大數據的宏觀經濟預測和分析

姜疆

如今，利用大數據方法和技術進行宏觀經濟預測越來越受到宏觀經濟政策制定者和學術界更高的重視，國內外許多機構和研究人員進行了大量研究和應用，產生了一系列意義深遠的成果。基于大數據進行的宏觀經濟預測和分析，將發生多方面的變革，并且呈現出顯著的優勢。不過，由于數據來源、技術研發等多方面的限制，以大數據為基礎的宏觀經濟分析現在尚并不能完全取代傳統的宏觀經濟分析。

宏觀經濟預測和分析何以借助大數據

長期以來，各國政府都非常注重對影響總需求、總供給、國民生產總值、物價水平、就業率、財政收入、貨幣和信貸總量等因素的信息進行搜集、整合、分類、加工和處理，進而在獲得一定認知的基礎之上，對宏觀經濟調控和調節的策略和手段做出決定和選擇。這在很大程度和范圍內解決了經濟運行中的“市場失靈”，解決了許多市場機制難以甚至無從解決的問題。

可是，受制于科學技術發展水平和時代的局限性，政府宏觀調控（或調節）抉擇中所能夠獲得的信息，往往只是部分信息、滯后信息。在這樣的背景下，不僅“市場失靈”問題不能完全解決，而且，政府宏觀調控還往往會出現“政府失靈”的問題，從而飽受詬病。

大數據時代，科技水平和技術手段存在著搜集和提供完全信息的可能性。政府可以通過對極大量、多維度和完備性的大數據進行搜集、整合、分類、加工和處理，也就存在著獲得實時信息、完全信息和準確信息的可能性。毫無疑問，這為政府采用大數據思維模式進行宏觀調控創造著條件。

當前，隨著互聯網等新一代信息技術的發展，涉及生產經營銷售活動和人們交往交互情況的、實時的、非結構化的海量數據不斷涌現。整個社會周而復始地創造和運用大數據所催生的新經濟，正在誘導或驅動著追求最大化的個人、廠商和政府直接或間接利用云端（云計算）和運用人工智能來處理和匹配大數據，以實現消費和投資的理性選擇（何大安，2018）。而在這實時、交互、離散化、非結構化的海量數據中，蘊含著經濟社會運行的各種先行指標信號。

正因為如此，大數據不僅是國家新型戰略資源，也是評判經濟走勢的支撐。黨中央、國務院高瞻遠矚，深刻把握新興高技術變革帶來的這一重大機遇，對大數據的整合、分析、利用做出了系統部署。

“十三五”規劃綱要中指出“完善政策制定和決策機制：注重運用互聯網、統計云、大數據技術，提高經濟運行信息及時性、全面性和準確性”。國務院相關部門正在積極采取多種方式開發社會上數量巨大、來源廣泛、形式多樣的大數據，并與政府信息整合，構建大數據經濟分析模型，對國民經濟各領域的運行狀況及時監測，提高了宏觀調控的精準性和有效性。

現在，大數據對宏觀經濟分析的革命性影響，越來越受到宏觀經濟政策制定者和學術界更高的重視。目前，國內外運用大數據的概念、方法和技術進行宏觀經濟分析的研究主要集中在宏觀經濟預測（尤其是現時預測）、宏觀經濟政策制定、宏觀經濟分析技術和宏觀經濟數據挖掘等領域。

從已有研究來看，在宏觀經濟預測中運用大數據的方面，從新型宏觀經濟指數構建，到在傳統宏觀經濟模型中運用大數據成果，再到建立新型大數據宏觀經濟預測模型，一些意義深遠的研究工作逐步興起。

通過梳理相關的一系列研究可以看出，基于大數據進行的宏觀經濟預測和分析，將主要在四大方面發生變革，并且呈現出顯著的優勢（見表格所示）。除此以外，還有學者指出，以大數據做宏觀經濟預測分析，還將派生出相對低成本、顆粒度高等其獨特的優勢。

由于網絡大數據均在事件或交易發生時自動被記錄下來，無須人為調查和搜集，通過技術方法提取出來加以整理得到，能夠極大程度上降低獲取數據的成本。同時，傳統的數據搜集過程為了降低成本，會盡量搜集總體數據，而非細化地搜集數據信息。而在網絡大數據時代，提取總體數據信息和單獨搜集某一類別的數據的區別并不大，可以在不顯著增加成本的前提下，提供更加詳細和更加有意義的數據信息。

國內基于大數據宏觀預測的新進展

目前，利用大數據方法和技術進行宏觀經濟監測預測已經在國際上引起相當程度的重視，不同機構的學者和研究人員已經進行了大量研究和應用，而且產生了豐碩的成果。但從國內來看，這一領域的研究和應用都處在起步階段，與國外相比，還有很大發展潛力和空間。

國內生產總值（Gross Domestic Product，GDP）作為衡量一個國家或地區宏觀經濟整體狀況的核心指標，其長短期走勢和增速拐點判斷通常是宏觀經濟預測的重心。目前，利用大數據預測GDP走勢的研究主要是綜合使用網絡搜索數據、網絡爬蟲數據等大數據以及傳統政府統計數據，結合經典時間序列模型、計量經濟模型以及新型的高維數據模型、機器學習等方法進行預測，并把“預測（Forecasting）”的內涵拓展到“現測（Nowcasting）”。

清華大學經濟學研究所的一項研究表明，在充分利用了GDP自身信息和其它結構化的統計指標的基礎上，再增加互聯網搜索行為幾乎總能有效地改進預測。

對于GDP預測而言，如果在政府統計變量的基礎上，增加互聯網搜索行為變量則可以幫助改進預測。

清華大學社會科學學院劉濤雄教授指出，其背后的機理是：一方面，新興非結構化大數據信息往往包含了大量的噪音，從信息質量而言，相對于傳統的統計數據具有明顯劣勢，但并不構成對傳統統計數據的替代。另一方面，新興非結構化大數據往往包括了傳統統計調查數據所沒有的其它信息，如最新的實時信息，因而是對統計數據的有益補充。