宏觀經濟大數據系列研究之二:大數據在經濟監測預測研究中的應用進展
來源:大數據部 ??時間:2020-06-22

摘要:【目的】對國內外大數據經濟監測預測研究現狀進行述評。【文獻范圍】“Big data + Economics/ Economy”“大數據+經濟”等主題詞檢索WOSCNKIEI等數據庫,結合主題篩查和引文溯源,獲得中文論文163英文論文107,以及以大數據經濟學為主題的中外文專著7部,結合主題相關度和文獻質量等因素,確定代表性文獻157篇。【方法】采用文獻綜述的手段,對近十余年來國內外經濟學、信息科學等領域學者研究大數據經濟監測預測的研究手段、數據來源、核心觀點進行歸納梳理。【結果】從監測和預測兩方面總結了7種典型研究路徑,前者包括基于大數據改進傳統調查、構建新型經濟監測指標、“現時預測”(Nowcasting)和經濟運行態勢分析等4條路徑,后者包括構建先行性經濟預測指標、改進傳統預測模型、建立全新預測模型等3條路徑。【局限】僅從過去十幾年間相關領域研究進展進行述評,研究跨度和學科視角有待進一步拓展。【結論】既要理性看待大數據應用于宏觀經濟監測預測巨大潛力和現實困境,又要從經濟學理論發展史的角度思考大數據與傳統經濟數據分析的區別與聯系,深入思考其方法論內涵與影響。

關鍵詞:大數據  經濟監測  經濟預測  現時預測

分類號:TP391

 

1  引言

大數據是近十余年來學術界和產業界高度關注的新興研究領域。1995年,費亞德(U. M. Fayyad)在國際數據挖掘領域的頂級峰會——知識發現會議(KDD)上首次提出了大數據的概念[],并將其基本目標概括為兩個方面:描述(Descriptive)與預測(Predictive)。前者是針對海量數據背后所隱藏的各種關聯模式開展挖掘。維克托·邁爾·舍恩伯格認為,由于大數據突破了傳統樣本采集方式的數據規模局限,而得以在很大程度上采用全樣本海量數據開展分析,因此其可以大量使用相關性挖掘的方法,發現隱藏在海量數據背后的線索性信息 []。后者則是根據數據中潛在的模式來進行預測。不同于傳統統計學主要基于有限統計樣本數據的預測方法,大數據可以幫助人們突破樣本采集方法的局限,實現對全樣本、全天候、全場景、全方位數據的采集,從而有助于提升對經濟社會運行主體的預測能力。

近年來,隨著大數據的興起,運用各種非傳統統計數據開展宏觀經濟分析研判不僅成為經濟學者關注的焦點問題,同時還吸引了包括信息科學、生物學、物理學、社會學等多學科研究者共同關注的熱點領域。據筆者不完全統計,近十年來國內外期刊上直接以大數據經濟學為主題的文章已不下150篇。本文擬全面回顧近十余年間經濟學、信息科學等不同學科研究者對于宏觀經濟大數據分析的關注,梳理大數據在宏觀經濟分析中的應用研究脈絡,并對下一步研究趨勢和發展方向進行展望。

2  研究情況概述

宏觀經濟大數據分析是一個典型的多學科交叉研究領域。從該領域較為活躍的研究團隊的學科背景看,經濟學家是其中的重要力量,但絕不是唯一關注這一領域的學科群體。近年來,來自信息科學、生命科學、物理學、復雜科學等其他領域的研究者也開始大量關注宏觀經濟運行中的大數據分析,從而使得宏觀經濟大數據研究變成了一個多學科交叉的綜合性領域。一個簡單例證是,直接以標題中包含“Big data + Economics/ Economy”檢索SCI網站,檢索結果中經濟學相關領域(經濟學、商學、管理學、金融學等)文獻占比為42%,而信息科學相關領域(計算機、通信、人工智能、圖書信息學、自動化等)文獻占比43.5%,已超過經濟學,其他如生命科學、物理學、社會學、工程科學、城市規劃等領域學者也開始關注宏觀經濟大數據分析。

2.1  經濟學領域對于宏觀經濟大數據的關注

總體而言,當前經濟學界對于數據的研究主要還是基于統計樣本數據,對于近年來興起的大數據,經濟學界盡管已經開始高度關注,但認為其在某種程度上仍然是較新的、非主流的領域[],主流經濟學界對于大數據的意義、作用和價值的觀點尚未完全統一。

無論如何,近年來主流經濟學界對于大數據的關注無疑已經進入了一個全新高度。以美國經濟研究局(NBER)為例,其近兩年明顯強化了對宏觀經濟大數據方向研究的資助。2018年舉辦了主題為人工智能經濟學Economics of Artificial Intelligence)的會議,與會者對AI多主體互動、機器學習與就業預測、機器人對就業的替代效應等問題進行了集中研討。2019年更是先后舉辦了三場大數據相關學術會議,分別是面向21世紀的經濟統計大數據Big Data for 21st Century Economic Statistics,華盛頓)、大數據對金融市場和企業的長期影響Big Data: Long-Term Implications for Financial Markets and Firms,劍橋)以及數字化經濟學Economics of Digitization,斯坦福)。

近年來,國內經濟學界對宏觀經濟大數據的研究也在不斷升溫,但總體而言,目前絕大多數研究還停留在對理論可行性或概念內涵進行論述的初級階段,較為系統地針對宏觀經濟大數據監測預測問題開展實證分析的團隊尚較為少見。在理論闡述方面,俞立平[]、鐘穗[]、徐晉[]、尹伯成[]宋圭武[]等人提出了所謂大數據經濟學的概念。特別是俞立平較早也較為系統地提出并論述了大數據經濟學( Big Data EconomicsEconomics of Big Data)的概念體系。他認為,大數據經濟學是在經濟學研究和應用中采用大數據并且采用大數據思想對傳統經濟學進行深化的新興交叉學科[4],并將大數據經濟學研究內容概括為大數據計量經濟學、大數據統計學和大數據領域經濟學三個方面[]。此外,少量經濟學者對宏觀經濟大數據分析進行了較為系統的實證分析。如復旦大學經濟學院吳力波教授牽頭的社科基金重大項目基于大數據的宏觀經濟現時預測理論與方法研究[],圍繞基于大數據的宏觀經濟預測體系優化,開展了針對勞動力市場、金融市場、商品市場和國際貿易等四個領域的實證研究。清華大學經濟學研究所劉濤雄、徐曉飛團隊依托教育部人文社科項目大數據視角下宏觀經濟預測的技術與方法研究等課題,針對宏觀經濟大數據預測的技術框架進行了系統分析,并提出兩步法改進傳統經濟預測模型 [-]。但總體而言,國內經濟學界開展的宏觀經濟大數據實證研究并不多見,大量研究停留在意義探討和概念論述等階段。

2.2  信息科學領域對于宏觀經濟大數據的關注

與經濟學界出于某種方法論慣性或基礎理論的質疑而對宏觀經濟大數據分析存在種種質疑不同,信息科學領域既是大數據概念最早的提出者和倡導者,更是擁抱宏觀經濟大數據分析最為堅決的學科領域。信息科學領域對經濟運行大數據的關注最早是從商業智能領域開始的。在商業領域,大數據手段已經與商業場景緊密結合,使得商業智能從過去的報告和決策支持模式躍升到商業預測和未來決策(Next-move Decision Making)模式[]。相比經濟學界而言,信息科學領域的研究者高度強調大數據給傳統經濟學帶來的巨大沖擊和影響,斯坦福大學教授、沃爾瑪全球電子商務高級副總裁Anand Rajaraman發明了一個新詞Econinformatics,指將計算機科學和信息技術,特別是大數據技術應用于經濟研究領域 []。英國學者Renaud Di Francesco對大數據時代的經濟學研究[]進行了系統分析,他以大數據背景下的數據源發揮機制為出發點,提出大數據經濟學的研究既要依賴源數據和經濟學歷史的相關知識,又要具備IT行業的傳統開發技能;既要能靈活運用因特網上的所有可用信息,又要具備強大的分析推理能力。

信息科學領域的研究者相信,當收集的經濟社會運行微觀主體相關信息量足夠多、內容足夠豐富時,大數據就會對宏觀經濟運行產生很強的監測預測能力。著名學者Barabasi指出,如果你知道一個人過去的所有社會數據,那么你對他未來行為的預測的準確性將達到93%”[]2008年,Google公司發布谷歌流感趨勢(Google Flu TrendsGFT)產品,基于網民搜索數據對流感爆發趨勢進行預測,其研究成果被Nature[]正式刊登,成為運用大數據開展宏觀趨勢預測的里程碑之作。之后,谷歌首席經濟學家哈爾. 瓦里安(Hal R.Varian)帶領的團隊[-]先后將谷歌搜索指數應用于汽車銷量、旅游、消費走勢、就業等諸多領域。2010年以來,基于多類數據源綜合比對開展宏觀經濟大數據分析研判,成果該領域研究的共同特點。較有代表性的如美國斯坦福大學Susan Athey教授團隊,其一直關注大數據、機器學習與經濟學的交叉研究領域,運用手機位置信息、搜索數據、精準營銷、新媒體等數據源針對宏觀經濟運行、公共政策評估等領域開展了一系列高水平研究,形成了較大影響力[]。國內方面,中國人民大學信息學院許偉團隊出版了專著《基于網絡大數據的社會經濟監測預警研究》[],提出了基于網絡大數據開展經濟社會監測預測的研究框架,并圍繞就業、CPI、匯率、房地產、電商等領域開展了一系列實證分析,是國內較早專門論述宏觀經濟大數據分析的學術專著。

與經濟學界總是試圖將大數據分析與經濟學理論框架相結合不同,信息科學背景的研究者更傾向于直接針對海量數據背后所隱藏各種關聯模式開展挖掘,從而揭示樣本數據無法涵蓋的各種細節信息。換言之,大數據分析不關心因果邏輯,而只是通過對海量數據背后關系的分析挖掘,找到對人們生產生活具有指導意義的關聯關系——典型案例就是啤酒+尿布的案例。而經濟學界則有人指出,大數據分析這種只關注相關性,而回避因果關系的研究思路,既限制了基于大數據的經濟分析結果解釋力,又反應出其某些理論基礎尚未完全夯實的困境[3]。即以谷歌流感趨勢為例,2013 2月,Nature[]又以頭條新聞的方式報道了谷歌流感趨勢過高地估計了流感疑似病例的占比,這個差錯是真實數據的1倍多。

以下部分,擬分別從費亞德[1]所提到的大數據描述(Descriptive)與預測(Predictive)兩個基本功能出發,對基于大數據的宏觀經濟監測和預測研究進行系統介紹。

3  看現在:大數據在經濟監測中的應用

經濟系統是由無數個政府機構、企業、個體消費者、媒體和各類社會組織共同組成的巨復雜系統。從經濟學誕生之初,經濟學家就致力于通過采集各類數據觀察經濟現象運行的內在規律,但這個問題從來就是困擾經濟學家和統計學家的最大難題之一[]。傳統經濟學研究開展經濟監測的主要手段就是開展經濟普查,通過層層報送歸集數據的方式匯總計算相應宏觀經濟指標,如國民生產總值(GDP)、通脹率、消費品物價指數、生產者價格指數、失業率等等[]。但正如前文所論述的,這種基于傳統調查統計方式開展宏觀經濟監測的方法存在著數據時滯較長、成本居高不下、樣本覆蓋面較窄、無法進行細顆粒度分析等問題。在這種情況下,基于大數據手段改進經濟監測效果,就成為學術界和政府決策者共同關注的熱點問題。總體而言,大數據在經濟監測中的應用方面主要包括四個大的方面。

3.1  傳統統計調查方法對大數據手段的接納

近年來,大量文獻開始關注大數據對于傳統經濟普查和政府統計的改進[-]。有學者認為,GDP指標源于上世紀30年代,當時尚未形成政府利用數據和統計來改善系統性經濟弊病的傳統,所以GDP 這樣的指標就有助于決策者在絕望的時刻駕馭很多政策試驗。但是今天,人們如果還使用現行指標,就會造成在一些國家阻止了政策的創新而非促進創新[],因此國民經濟核算體系有必要對自身做出一定的改進甚至改革[]。李紅艷等[]提出新型國民經濟核算體系的概念,并提出新體系應當實現對全社會經濟活動進行全方位動態跟蹤,對每一個產品(服務)從其產生到被消費(消亡)的全過程進行跟蹤記錄,對市場中每筆交易活動進行跟蹤記錄,對每個經濟主體的每次經濟活動和經濟關聯活動進行跟蹤記錄。在政府實踐層面,早在201311 月,國家統計局就與百度、阿里巴巴等11 家企業簽署了《大數據戰略合作框架協議》,就建立大數據應用的統計標準,完善政府統計數據的內容、形式和實施步驟等達成合作。在2020 年的全美經濟普查中,美國普查局也計劃采取網絡抓取技術等多種模式進行數據收集,試圖實現企業數據與普查、調查數據的全面融合,提高統計調查的效率和質量[11]

3.2  基于大數據構建新型監測指標

隨著互聯網的飛速發展,人們逐漸具備了一些快速歸集反映經濟運行某一個剖面的全樣本數據的手段和技術工具,從而可以構建觀測經濟運行某一個剖面的相對全樣本新型監測指標。最著名的非直接經濟指標之一就是克強指數[]。所謂克強指數(Li keqiang index),是英國著名政經雜志《經濟學人》在2010年推出的用于評估中國GDP增長量的指標,其源于李克強總理2007年任職遼寧省委書記時,喜歡通過耗電量、鐵路貨運量和貸款發放量三個指標分析當時遼寧省經濟狀況。該指數是三種經濟指標:工業用電量新增、鐵路貨運量新增和銀行中長期貸款新增的結合。自推出后,受到花旗銀行在內的眾多國際機構認可。再比如,最早由三一重工集團推出的挖掘機指數[],通過對三一重工集團運營管理的遍布全國的重型機械上機載控制器、傳感器和無線通訊模塊所匯集的匯聚,描述各個經濟區域的基礎建設開工率,進而成為宏觀經濟部門分析固定資產投資進度的重要參考指標。此外,近年來被人們所廣泛關注的各種非傳統經濟指標還有所謂榨菜指數、啤酒指數、男士內褲指數、床墊指數、算力消費指數等等。這些指數的共同特征,是選擇了經濟社會運行的某一個環節,通過對相對全樣本范圍內數據的歸集分析,從而推測經濟運行的實際情況,并與傳統統計指標相互印證。此外,在以互聯網、大數據、分享經濟等為代表的新經濟領域,由于缺乏較為完善的統計指標體系,大量由大型互聯網企業和社會組織提出的創新型指標不斷出現。如阿里巴巴基于覆蓋阿里電商平臺數百萬種商品數據構建的中國縣域電商發展指數aEDI、阿里巴巴網購價格系列指數aSPI[],財新智庫和數聯銘品(BBD)聯合推出的新經濟指數(NEI)[],國家信息中心近年來主持發布的中國大數據發展指數[]、分享經濟發展指數[]等。

3.3  大數據現時預測Nowcasting)研究

近年來,很多研究者開始利用大數據高頻、即時的特點,通過構建與傳統經濟監測指標具有高度關聯性同步指標,提高經濟監測的效率,也就是近年來十分熱門的現時預測Nowcasting)研究。第二類研究相比,這類研究所構建的經濟指標往往是對標某一個主流統計經濟指標,并利用大數據即時獲取的特點,利用大數據與統計數據的時間差優勢比傳統統計方法更早獲取經濟運行情況。從實際研究來看,從事這方面研究的學者最多,成果也最集中。舉例來說,運用電力大數據開展宏觀經濟分析研判[-];利用夜間衛星燈光亮度數據對區域和國別經濟生產率數據進行現時預測[-];基于用戶移動通話行為模式[-]和社交網絡結構特征[-]現時預測區域經濟活躍度;基于銀行支付結算數據現時預測宏觀經濟增長態勢[];利用搜索指數數據提高對消費者信心指數[-]和通脹增長情況[]的現時預測水平;基于各類電商平臺數據[-]、搜索數據[-]和媒體數據[]預測全社會商品價格波動情況;利用網絡搜索數據[19,-]、手機通話記錄數據[-]和在線招聘數據[]現時預測失業率變化;利用搜索引擎數據[-]和新聞數據[]現時預測房地產市場走勢,等等。

3.4  基于大數據開展經濟運行態勢分析研判

在大數據時代,運用大數據進行產業和區域運行情況分析,提升信息分析效率是大勢所趨[],這方面研究大致可以分為幾類。第一類是在微觀層面上,針對各類企業運行情況的大數據分析監測。如Li []基于271 家中小型美國綠色食品和制造公司網站信息數據分析中小企業業績受和政府、行業、學術界聯系的影響。Daepp[]分析了北美超過25000家上市公司,發現任何商業類型公司的生命半衰期大約都為10年。國內一些地方政府還利用各類政府業務數據,建立起區域企業運行情況監測大數據平臺,對企業經營狀況、財務狀況、投資狀況、產銷能力、盈利能力、償債能力、繳納情況和能耗情況等進行全面監測[-]。第二類是在中觀層面上,對區域產業發展情況進行分析。這方面研究也非常多,主要集中在對區域產業集聚路徑[]、區域經濟稟賦[]、經濟均衡度[-]、產業配套設施分布[]、產業空間分布[]、消費空間[]、經濟活動多樣性[]、功能區劃定[-]、城市群網絡結構[-]、貿易網絡[]等方面分析上。第三類是在宏觀層面上,運用大數據手段開展宏觀經濟調控研究[]。如有研究者提出,應當運用大數據手段形成全面+定向宏觀調控政策手段組合,全面提高宏觀調控工具的精確度和效力,實現針對國民經濟薄弱環節例如服務業、三農問題和小微企業精準發力,有的放矢的降低稅率、費用、利息[]

4  看未來:大數據在經濟預測中的應用

經濟預測是經濟學最重要的職能之一,也是政府、企業、個人等進行決策的參考和依據。然而長期以來,人們對于經濟學的預測理論一直存在質疑。哈耶克就曾作出論斷,認為人類經濟行為是不可預測的。他指出:盡管我們擁有關于人類理智運行原理的知識,但主要事實依然是,我們不可能對導致個人在特定時間做了一件特定的事情之全部具體事實加以說明。對于我們來說,個人的個性仍然是一種非常獨特的、難以計算的現象,我們有望通過一些從經驗中發展出來的做法,比如贊揚和譴責,從可取的方向對它施加影響,但是對于它的具體行為,我們無法進行預測或控制,因為我們無法了解決定著它的全部具體事實[]

大數據時代的到來,使得人們對于經濟學的預測從過去基于因果推斷的預測理論范式轉向基于概率論的預測理論范式。蔡躍洲認為,大數據對經濟預測的影響涉及數據來源、預測方法、預測結果等幾乎每一個環節,在某種程度上改變了常規經濟預測所遵循的基本范式。他從經濟預測的數據基礎、指標生成方式和預測方法與工具等幾個方面對大數據經濟預測和傳統經濟預測進行了系統比較[]。隨著大數據廣泛獲取經濟社會主體各類行為數據能力的日益提升,將為測量經濟社會主體預期和量化主體情緒提供了新的路徑,有望漸進打開經濟主體預期形成過程的黑箱[],大大提高預測分析能力。李華杰等認為,基于大數據的預測方法在很多方面不是對傳統經濟學研究方法的顛覆,它更是一個對傳統研究方法的補充[3]。從現有研究成果來看,可以將大數據在經濟學預測研究中的應用劃分為構建先行指標、改進傳統預測模型、構建預測模型和復雜性預測等幾大類,后文將逐一詳細論述。需要指出的是,很多文獻將現時預測研究也納入經濟學大數據預測的范疇,但筆者認為其實質還是對當前發生的情況的即時分析,只不過利用統計方法相對滯后的時間差而實現了一定程度上的超前性,對其的介紹在上一小節已經有所展開,此處不再贅述。

4.1 基于先行性指標的大數據預測

先行性指標預測具體又可以劃分為三大類研究。

其一,是從人類經濟行為鏈條的角度,通過對行為鏈條上一環節的分析來實現對下一環節行為的預測。如Liu []PLSA 算法(Probability Latent Semantic Analysis)從博客內容數據中挖掘用戶觀點和情緒用以預測電影票房銷售情況。Schneider []引入詞袋模型(Bag-of-Words),基于Amazon.com的用戶評論預測一周后的筆記本電腦的銷售情況。Khadivi []通過分析Wikipedia使用數據預測夏威夷旅游需求。再比如,大量研究者基于股票論壇、微博、推特等自媒體公眾言論情緒[-],以及金融搜索數據[]判斷人們對股市的心理預期,從而進一步預測股市運行走勢。

其二是基于各種經濟學理論構建能夠超前反映經濟運行走勢的先行性指標。例如筆者曾基于稅務發票數據構建了潤滑油采購指數,并認為制造業企業普遍會根據訂單儲備情況預估開工所需的潤滑油數理,因而潤滑油采購量的變化能夠在一定程度上反映制造業開工率實際情況,研究表明,該指數走勢相比采購經理人指數(PMI)可以實現三個月左右的先行性。但由于數據來源所限,這類研究目前并不多見。較為典型的如Askitas[]用德國收費站記錄的月度重型卡車越境數據建立了收費站指數,作為生產指數這一GNP 指數先導指標的先行指標,并實證了該指數能有效先行反映德國統計辦公室官方發布的生產指數;錢斌華[]基于職工人數變化率、總資產變化率、所有者權益變化率等指標構建寧波市稅收發展先行指標;崔趁欣等[]基于河北省國庫收入指數預測地區國民生產總值走勢。張秋雁等[43]基于電力消費情況預測經濟景氣度走勢;曲延玲[51]提出基于存貸款關鍵指標和社會融資結構變化等數據預測宏觀經濟走勢;BRANDYN[]基于紐約聯儲銀行實時數據和動態因子模型預測GDP 增速,等等。

其三是在海量非統計指標中析取具有一定先行性的指標,并合成為新的先行性指標。百度[]曾基于自身所掌握的海量搜索數據開發了百度經濟指數預測,其基本原則就是在海量搜索數據中析取出與企業需求和用戶經濟行為信息相關的搜索指數,并合成為先行指數。LEVENBERG []提出了一種利用復合異質網絡數據流來合成經濟預測變量的方法,采用貝葉斯分類器組合模型對非農就業指數進行了高精度預測。SOBOLEVSKY []在分析西班牙個人銀行轉賬記錄數據的基礎上,提出了35種個體經濟行為量化指標,能夠預測GDP、房屋價格、失業率、犯罪率、高等教育比例、生活成本和預期壽命等社會經濟統計指標。IBM日本公司基于互聯網新聞數據析取出制造業相關的480項經濟指標,用于預測采購經理人指數。

4.2 改進傳統預測模型

清華大學劉濤雄等[]曾提出利用大數據優化改進傳統統計預測模型的兩步法,是這方面非常有代表性的理論方法。其基本步驟:首先,僅使用政府統計信息選擇初步最優預測模型;其次,將互聯網搜索行為加入選擇的模型中,最終確定最優模型。G?tz[]利用Google 網絡搜索數據結合偏最小二乘法、LASSO 方法等選擇指標加入傳統的橋梁方程模型(Bridge Equation Models)預測德國的GDPKholodilin[]通過主成分分析法(PCA)來對Google Insights進行降維后整合進基于統計數據的美國私人消費增長率預測模型,發現可以提高20% 的預測準確率。AMURI[]使用互聯網求職指標(谷歌指數GI)擴展傳統失業率預測模型,發現大多數州級預測和與專業預測者調查的比較中均有更好表現。ARTOLAS[]通過增加相關Google搜索指數優化改進傳統的ARIMA模型,發現其短期針對德國、英國和法國去西班牙旅游人數的預測精度提高了42%。許偉[21]通過結合 Google 搜索數據和網絡新聞情感,構建了基于網絡情感和搜索行為的數據挖掘集成模型,在其中加入房地產價格指數時間序列的滯后項,利用支持向量回歸SVR模型,實現了對房地產價格指數的更好預測。

4.3 構建新的大數據預測模型

大數據在發現海量經濟變量間關聯關系和關聯模式方面具有傳統統計數據所無法比擬的優勢。利用大數據的這一特性,很多研究者開始積極探索通過相關性分析挖掘建立經濟變量間的聯系,從而形成全新的經濟學預測模型。在這方面被大量應用的是被統稱為復雜性方法或非線性方法的復雜網絡、非線性迭代、混沌分析等一系列方法。布萊恩.阿瑟詳細探討了資本市場中泡沫和崩潰、 集群波動(clusted volatility)和突然滲透(sudden percolation)等三種非均衡現象的復雜性建模預測方法[]。王國成[]指出,通過利用大數據方法,對個體的沖動行為、情緒因子、羊群行為和不同主體對政策信息響應的不對稱等有限理性或理性行為進行分析,能夠更合理地解釋和預見股市諸多異象的微觀成因、影響方式、演變路徑及走勢。此外,HIDALGO[]提出解釋經濟增長和發展的新觀點,發現所構建的國家-產品二部分網絡的結構特征可以定量刻畫國家經濟的復雜性;經濟復雜性與國家的收入水平非常相關,甚至可以用來預測國家未來的經濟發展水平。高見等[]基于企業注冊信息數據分析和定量刻畫了中國區域經濟復雜性,結果發現經濟復雜性與人均GDP有很強正相關。BUSTOS[]發現國家-產品二部分網絡的嵌套結構不僅隨時間保持穩定,還能用來預測產業在某個區域的出現和消失。CRISTELLI []提出了一種數據驅動的非線性方法來預測國家經濟發展趨勢。TACCHELLA []提出了一種基于國家-產品矩陣的非線性迭代算法,同時刻畫國家發展潛力和產品復雜性,所得結果比文獻[145]更好地解釋不同國家的經濟競爭力。

5  討論

5.1 理性看待大數據在宏觀經濟分析中的應用

大數據作為一種新興的技術手段,其所具有的及時性、精準性、客觀性高等特點,使得人們可以構建面向個體、企業、事件、商品等微觀主體數據模型,并運用離散數學和計算數學的方法進行中觀層面的模式識別和規律總結,從而為宏觀層面的決策提供依據,這對經濟學發展意義十分重大。正如P. A. Attewell等人所指出的[],以人的行為為基點,探討深化經濟研究與大數據及類似概念之間的內在關聯,具有歷史使然的規律性。但同時也要看到,大數據當前在技術手段和理論范式等方面依然存在諸多局限。比如,大數據分析中大量應用的語義理解等技術依然存在不可靠性問題,針對當前在中文論壇中大量使用的網民口語化語言進行情緒分析、觀點抽取、命名主體識別等自然語言處理時,其準確性往往很低,難以像統計數據那樣形成權威結論。再比如,基于大數據所構建的宏觀經濟模型,由于其大量引入了數據挖掘和高緯度建模技術,在對分析結果進行傳統經濟學理論解讀時,往往會因為和被解釋變量相關的解釋變量數量過多而產生所謂維數災難[]問題,在對數據進行降維時,又會導致大量有效信息的損失,從而使得數據分析結果只具有概率論意義,而很難從經濟學理論上加以解釋[3]。在這種情況下,過度強調大數據的優勢,甚至拋棄原有經濟學理論框架而單純依靠數據分析進行宏觀經濟分析研判,也會存在很大隱患。在此,筆者還是想引用馮·諾伊曼在《博弈論和經濟行為》中所闡述的另一個觀點:用精確的方法處理根本就不明晰的概念和問題是毫無意義的。因此,要想用精確的方法處理經濟問題,第一步是通過更細致的描述工作澄清人們對事物的認識。因此,在經濟學的某些分支里,最有成效的工作也許是耐心的解釋描述;事實上,在目前和今后一段時間內,這種工作將占經濟學研究的絕大部分。 []

5.2  繼承和超越傳統經濟學理論框架

從目前的研究成果來看,學者們更加傾向于將大數據納入現有的宏觀經濟分析框架之中,將基于大數據的各種新型指標作為傳統統計指標的完善或補充,并將其納入傳統的宏觀經濟預測模型。然而,筆者認為,要想在大數據時代實現經濟學理論自身決定性的轉折,僅僅將宏觀經濟大數據分析作為傳統經濟學理論框架的補充是遠遠不夠的。國內信息經濟學創始人烏家培教授提出,數字經濟對經濟學理論的影響主要是通過兩個途徑實現的:一個途徑是以新的視野或新的方法來解釋原有的理論,使其有新發展;另一個途徑是從新的經濟現象出發,研究和確立新的經濟理論[]。從歷史視角看,過去數百年間,經濟學理論一直沿著均衡范式和演化范式兩條路徑前進。前者遵循社會物理學范式,視圖把經濟學建成類似于經典物理一樣精密的科學體系,在數據分析方面,形成了一整套基于經濟統計的計量經濟學體系,并將當前的大數據非傳統指標作為統計指標的有效補充,視圖對現有的經濟學均衡框架進行修補和完善;后者遵循社會生物學范式,則將經濟社會系統視為一個動態演化的生態系統,在數據建模分析方面,則將復雜性科學、演化博弈論等現代數學方法和建模工具引入經濟分析之中,這一路徑下的經濟學家同樣視圖將各種反映經濟社會運行細節的大數據引入模型之中,視圖提高對宏觀經濟走向的預測預警能力。而上述兩種路徑的研究方法盡管視角不同,但相比歷史上任何一個時期而言,其所基于的微觀數據基礎卻前所未有地實現了統一。從這個意義上說,經濟學經過數百年的理論發展,沿著均衡-物理學范式演化-生物學范式兩條路徑的研究方法體系面臨著在大數據時代實現殊途同歸的可能性。從我們的綜述也可以看到,很多原本從屬于新古典經濟學流派的經濟學家也開始嘗試運用演化經濟學中的主體建模(ABM[]、復雜網絡[147]、非線性迭代[149]等方法來分析宏觀經濟走勢,盡管這類研究目前尚不多見,但這種學科共同體間相互融合的態勢卻已經初見端倪了。

5.3 從科技哲學的高度重新思考大數據經濟學的方法論問題

從未來視角看,大數據時代的全量數據獲取成為現實,將對包括經濟學在內的社會科學研究方法產生深遠影響。長期以來,社會科學受制于技術方法的局限性,而只能依靠樣本統計方法獲取數據。維克托·邁爾-舍恩伯格指出,社會科學經典的隨機采樣方法固然取得了很大的成功,但這只是一條捷徑,是在不可收集和分析全部數據的情況下的選擇,它本身存在許多固有的缺陷[2]哈耶克曾總結過所謂全量數據獲取的不可能定理,他指出:盡管我們擁有關于人類理智運行原理的知識,但主要事實依然是,我們不可能對導致個人在特定時間做了一件特定的事情之全部具體事實加以說明……以為我們可以掌握全部數據是荒謬的’”[116]。隨著大數據時代的加速到來,萬物互聯化、數據泛在化的大趨勢越來越明顯,人們將越來越有可能構建出一個可以完全匹配或對應現實世界的數字孿生世界。徐晉將這種新場景歸納為有限的絕對理性的數據表達,或者說數據理性,是指在現代經濟背景下,個人理性決策依賴于數據技術,并且個人理性可以通過數據進行模擬與表達[6]克里斯. 安德森(Chris Anderson)則提出理論的終結的口號,斷言數據的泛濫導致科學方法論失效了。 []在未來,應當從哲學層面重新思考經濟學的本體論和方法論問題,深入系統地探討在方法論層面將宏觀經濟調控與微觀經濟運行有機地連接起來的實現路徑[-]

双喜大厅棋牌 北京快乐8上中下稳赚 今天的天津快乐十分 云南体彩11选五开奖结果今天 股票融资比例ˉ杨方配资平台 香港九龙高手论坛精选 股票指数有什么用 广东南粤风采26选5开奖结果 百姓炒股秀 一分11选五稳定计划 炒股融资杠杆 新疆体育彩票十一选五 北京pk拾直播皇家开奖 急速赛车之竞速漂移 辽宁11选5开奖结果 辽宁11选5任选基本走势图 一肖免费王中王精准