淺析大數據在宏觀經濟預測分析中的應用

江芝峣

摘 要：宏觀經濟條件下的經濟預測分析比較偏向于應用大數據技術與互聯網技術，發揮技術的優勢獲得更精準的預測分析結果。大數據技術可以幫助政府客觀評判整體經濟形勢大致走向，為國家戰略發展提供豐富的數據資源。目前大數據技術在應用時存一定限制，本文以此為基礎闡述宏觀經濟預測中的缺陷問題，通過數據來源、數據獲取、數據分析等方面實現大數據的有效應用。

關鍵詞：大數據;宏觀經濟;預測分析;數據獲取

實際上，宏觀經濟預測中包含的內容十分廣泛，大數據技術可以為政府提供多層次經濟預測信息，同時對信息綜合處理和加工。我國提出了將大數據、云計算用于數據分析的要求，促使宏觀經濟信息可以及時反饋給各個部門，加強各部門高效聯動。大數據技術無需人們手動采集信息，可通過計算機系統將數據類別細化，為政府經濟政策的制定提供數據支持。

一、傳統宏觀經濟預測在統計數據中存在的缺陷

在以往的數據統計中，傳統宏觀經濟預測主要有以下缺陷：（1）經濟預測存在滯后性，統計數據要在經濟運行后由有關部分負責匯總，整個過程耗時很長，數據指標有時會滯后一個季度。（2）存在嚴重的統計誤差。過去統計數據要依靠認為搜集匯總，人為參與度較大，匯總到的數據難以保證準確性，有時存在統計誤差。（3）數據獲取成本略高。數據收集過程復雜，需耗費大量人力與物力，所以數據獲取成本很高。（4）樣本量比較少。統計樣本與獲取宏觀經濟預測數據成本呈反比關系，統計樣本量不斷增加，相應的成本也會加大，所以有必要在統計樣本與成本間找出平衡。比如CPI統計時找出平衡點，采用抽樣調查方式明確調查網點，遵循定人、定時、定點的原則，派人在網點采集價格，共涵蓋8.3萬家價格數據，但這與全國整體市場數量相比，樣本量還不足整體的1%[1]。（5）顆粒度不夠。相較于現有的宏觀統計指標，主要是整體性宏觀指標，仍以CPI指標為例，包括了八大類，分別為生活用品及服務、食品煙酒、教育文化和娛樂、衣著、醫療保健、交通和通信、居住以及其他用品和服務，同時，還包括262個基本分類的服務價格與商品，雖然較為豐富，但此類指標能夠以為分類行業相關經濟決策提供有效指導作用。總而言之，由于上述問題，宏觀經濟預測分析工作難以開展及時、有效的預測，這是當前傳統宏觀經濟預測分析的主要缺陷。

二、大數據在宏觀經濟預測分析的應用優勢及作用

（一）大數據在宏觀經濟預測分析的應用優勢

宏觀經濟預測中應用大數據的技術優勢如下：（1）大數據具有及時性。依靠互聯網平臺積累的數據會被存儲于網絡空間內，交易到的數據與價格等信息會在交易時，在網絡內留下痕跡，大數據可提取相關痕跡用于分析問題，所以大數據用于宏觀經濟預測中是不會存在時間滯后性的。（2）大數據具有精準性。網絡平臺所提供的數據會在事件發生時做好記錄，避免人才操作，可為后續數據分析提供原始數據，所以數據預測結果更準確。（3）成本相對較低。網絡大數據會在事件發生的一瞬間被記錄下來，不需要人為搜集數據，可直接通過技術方法提取并整理數據，從而降低數據搜集成本。

（二）大數據在宏觀經濟預測分析的作用

1、提供數據支持

宏觀經濟預測分析涉及到極為龐大的數據量，涵蓋眾多專業內容和學術知識，相應的，影響宏觀經濟的因素也具有多樣化特征，這意味著宏觀經濟預測分析具有極強專業性。在以往傳統宏觀經濟預測分析中，往往難以及時獲取全面的內容數據，導致預測分析結果存在偏差，影響經濟運行質量。但通過將大數據技術應用于宏觀經濟預測分析中，相關分析部門通過互聯網技術能夠實現宏觀經濟數據的快速采集，擴大宏觀經濟數據的收集范圍，例如居民人均可支配收入和支出、全社會用電量、社會消費品總額等民生數據，極大的壓縮了數據采集時間，甚至可以直接獲取，為宏觀經濟預測分析效率的提高奠定良好基礎。

2、增強宏觀經濟預測分析方法多元性

大數據技術的應用能夠打破傳統宏觀經濟預測分析模式，進一步提升分析能力。具體而言，傳統宏觀經濟預測分析工作開展過程中，往往會受到財力、人力等因素的影響，且采用的調查形式為抽樣調查，在對整體經濟進行宏觀層面的分析時，同樣建立在抽樣數據的基礎上。但是，該方法缺乏普遍性，得到的宏觀經濟預測分析結果相對于社會真是水平，極易存在誤差，預測結果的可利用度難以保障。但大數據的應用提高了宏觀經濟預測分析的便利程度，相關預測分析人員通過使用大數據分析技術，能夠直接使用計算機分析海量數據，不必進行抽樣調查，這樣一來，分析方法轉變為總體分析，分析結果也具有全面性和普遍性，甚至有效提升宏觀經濟數據預測和分析結果的可靠性和準確性，為后續經濟工作的展開奠定良好基礎。

3、提升宏觀經濟預測分析技術

基于大數據技術的宏觀經濟預測分析工作主要是依托于大數據系統和計算機，通過二者的有機結合優化預測分析技術。在實際預測分析過程中，會引入更多科學的分析模型，由于此類模型無法應用于傳統宏觀經濟預測分析模式中，所以，大數據技術的應用還能夠提升該預測分析的技術水平，一方面對上一階段經濟運行成果進行總結，另一方面對下一階段經濟運行目標進行展望，并根據異常的經濟運行數據挖掘不良癥候，并對其進行監測與分析，實現對經濟運行風險的有效、及時規避。除此之外，圖像識別技術和語音識別等新技術的應用能夠減輕預測分析工作人員的壓力，減少其工作量，釋放人力資源，使其能夠集中精力開展經濟數據的深度分析工作，實現宏觀經濟預測分析質量和效率的提高。

三、大數據在宏觀經濟預測分析中的實踐應用

（一）數據來源

可用來進行宏觀經濟預測分析的大數據來源較多，共有以下幾種：（1）政務經濟數據。即政府、工商、公安、稅務等職能部門在履職中產生的業務數據資源，數據量龐大且數據內容復雜，所有數據被分散存儲，目前政府在政務數據資源方面致力于歸集共享，打破數據橫向交互障礙，為政府大數據在各部門的高效共享奠定基礎。（2）互聯網企業在經營中積累的數據資源，比如阿里巴巴、百度、騰訊在社交、電商等領域內建立的資源庫。或者移動、聯通通信公司掌握大規模位置信息，這些數據不僅內容完備，且質量很高，但因涉及到隱私問題，企業不會將數據公開。（3）依靠搜索引擎提供的數據，這些數據可反映用戶行為，比如百度利用自身的引擎為用戶提供詞條搜索數據服務，人們通過該方式得到的數據成本低，且快捷便利，但信息來源單一，無法得到定制化數據資源。（4）應用爬蟲技術獲得文本信息，通過爬蟲腳本爬取互聯網文本內容，但該方法技術難度較大，成本較高。（5）物聯網數據，常見的有手機、探頭等傳感器數據，主要針對溫濕度、速度、位置等數據的采集處理。

（二）數據獲取

多數互聯網數據與政府職能部門業務數據最初都是非結構化數據，這種原始形態的數據如果用來進行宏觀經濟預測，就會遇到數據來源不同的問題。不僅如此，以往傳統的計量模型和統計模型所使用的數據主要是一些通過調研和統計工作得到的數據，而且直接用于處理和分析，是一種結構化數據信息。但是，大量經濟信息數據往往異常在網絡中，需要將其進行精準提取。因此，需要在數據挖掘中尋找隱藏信息，由于數據挖掘對象是網絡數據集，數據集多數為文檔形式，具有異質性與分散性特征，比如服務器內保存的日志文件或用戶行為留下的信息等。應用情感分析、主題模型等自然語言分析方法可以從非結構化數據中獲得有效信息，數據挖掘的一般過程主要包含搜索算法和建模技術，應用爬蟲算法抓取互聯網中的原始數據，再經過試探性分析清晰數據，將無用噪聲過濾，保存有利于宏觀經濟預測的數據內容，或是使用百度指數獲取數據等。

（三）處理維度災難，消除數據噪聲

大數據自身信息量大，價值密度比較低，在應用大數據技術挖掘信息時會面對不同維度或領域的信息。由于需要進行數據分析的變量增加，導致宏觀經濟預測過程會面臨高維數據問題，甚至存在維數災難。面對這類問題，可以通過降低變量維度，采用提取與篩選的方法將篩選出的特征代替原本特征集。數據噪聲就是指對沒有研究價值的數據信息進行處理，由于大量噪聲數據的存在，數據處理過程延長，造成會加大數據分析成本，提升數據處理難度。若是沒有精準識別出噪聲數據，那么在宏觀經濟預測分析過程中會加入大量無價值的數據信息，也就是說，噪聲數據造成的存在會給研究結果帶來誤差，導致預測分析結論無價值，想要消除數據噪聲，可以應用SSA技術將原始數據處理為結構化數據。

（四）轉變研究問題范式

過去的宏觀經濟檢測模型主要是對解釋變量與被解釋變量做出假設，分析二者函數關系。大數據的數據獲取渠道不同，不能確定宏觀經濟指標的假定函數關系，經濟變量與解釋變量只是存在一定的關聯，所以傳統計量模型無法將大數據采集的數據做出科學處理。依靠大數據“機器學習”技術，針對宏觀經濟變量和解釋變量的關系重新解釋，尋求相對應的變量匹配關系。計算機可以找出最佳匹配關系，隨著計算次數的增加，通過大數據“學習”來提升數據挖掘與處理的有效性。常見的機器學習算法有遺傳算法和人工神經網絡等。

（五）建立景氣預警監測系統

引入土地市場內企業招聘、工業廢氣排放、項目投資監管等非統計數據，對所有數據進行篩選，統一指標，將指標集合作為景氣指數初選指標，每個指標都能代表經濟活動中的某個領域，綜合指標能夠代表經濟活動重要內容。整理數據指標，統一口徑并補充缺失值，計算當月同比指數。采用K-L信息量，在時差相關分析法的作用對指標分類處理，按照指標性質合成景氣指數。選擇NBER合成指數或其他加權合成方法確定合成指數，應用打分法確定預警指數，對不同歷史數據實際落點的指標使用分位數方法，科學計算不同狀態下數據的臨界值，即對指標賦予分值，再由不同指標分值計算綜合分，最后對其作出評價，檢驗景氣指數。

（六）搭建數據分析平臺

拓寬數據采集渠道，整合政府核心業務數據，綜合互聯網社會經濟數據資源，完成對海量數據的匯集處理，建立經濟監測預警平臺，實現經濟預測、監測預警、數據分析等功能為一體的宏觀經濟預測與決策平臺。加強計算機算法人員和經濟分析人員相互協調工作，在明確宏觀經濟分析特點，掌握宏觀經濟發展需求的基礎上完善大數據采集平臺，為接下來的宏觀經濟預測營造大數據應用環境。鼓勵社會經濟工作者樹立大數據思維，學會應用“大數據+”的思維方式解決問題，提升深度學習能力，為數據資源的高效開發與利用奠定基礎。

四、總結

總而言之，雖然大數據已經應用于社會宏觀經濟預測分析中，但大數據在使用中難免會遇到各方面問題。目前人們主要應用來自百度和谷歌提供的數據，雖然在應用中無需耗費人力物力，但難免也會存在數據單一的現象。因此，有必要在大數據基礎上建立宏觀經濟預測系統，及時處理維度災難，消除數據噪聲，轉變研究問題范式。

參考文獻：

[1]高艷.大數據在宏觀經濟預測分析中的應用[J].經濟管理文摘，2020（14）：175-176.

[2]馬紅燕.大數據視角下的宏觀經濟預測[J].中阿科技論壇（中英阿文），2020（07）：39-42.

[3]王建冬.大數據在經濟監測預測研究中的應用進展[J].數據分析與知識發現，2020，4（01）：12-25.