“大数据”在宏观经济预测分析中的应用

女王的提问。英国女王伊丽莎白在 2008 年金融危机后曾向英国的经济学家提问为何没有能预测到金融危机。这引发了对传统的经济模型的质疑，即经济模型能不能有效地预测未来经济。二、“大数据”特点及对传统宏观经济预测的互补性随着科技技术进步，特别是计算机和网络技术的飞速发展，人类社会积累的各种各样的数据信息越来越多，形成了海量的数据信息，一般称为“大数据”。数据已经渗透到当今每一个行业和业务领域，成为重要的生产要素。人们对大数据的挖掘和运用，预示着新一波生产力增长和消费盈余浪潮的到来（Manyika et al.，2011）。大数据的产生也对宏观经济预测和分析产生了重大的影响。为分析大数据在宏观经济预测领域的应用和发展，首先需要明确大数据概念和特点，以及与传统数据的区别，才能准确有效地把握分析方向。关于大数据的具体概念还没有形成统一的观点，但可以从不同的专家和学者的定义中发现其特点。（一）大数据的典型特征全球著名的管理咨询公司，也是世界上首次系统阐述大数据概念和应用的公司 McKinsey 定义大数据为：数据量大小超过典型的数据库软件的采集、存储、管理和分析等能力的数据集。研究机构 Gartner 认为“需要新的处理模型才能增强决策力与洞察力，优化分析能力的高增长和多样化的信息资产”。John Walker S 通过数据特点“4V”来定义大数据，认为大数据信息应该满足数据量巨大（Volume），数据处理速度极快（Velocity），数据形式是多种多样，而不是局限在结构化的数据信息（Variety），有价值的信息隐含在海量的数据信息中，需要通过数据挖掘的技术方法提取出来（Value）。维基百科中对“大数据”的定义是：利用传统的计算机和方法管理、处理数据所消耗的时间超过可接受的范围的数据集。国内学者对大数据的概念也有所阐述。中科院院士徐宗本等（ 2014）认为：大数据是指不能够集中存储，并且难以在可接受的时间内分析处理的数据，其中个体和部分数据呈现低价值性而整体呈现高价值的海量复杂数据集。通过这些专家和学者对“大数据”的描述和定义，发现能视为“大数据”的数据具有如下特点：（1）数据量巨大。传统的模型方法收集和应用的数据在 KB级、MB级数据量，而大数据的信息量在GB级以上，甚至是TB级、PB级、EB级别的数据信息。（2）传统计算机在可接受的时间内无法处理。传统计算机计算能力有限，面对巨量的数据，无法有效胜任分析处理工作。（3）数据信息多样性。传统的统计数据一般为截面数据，时间序列数据或面板数据，归结起来都是结构化的数据信息，然而大数据的数据信息扩展了范围，包含文本、图片、语音、视频、网络搜索、日志信息、URL等。（4）高价值，但价值密度低。一堆无用的、对增强认识事物的能力无帮助的数据是不能称之为“大数据”的，高价值体现在“大数据”蕴含的信息能够提供传统数据不能提供的精准信息，但是，由于数据量巨大，单个样本或数据单元提供的价值信息降低，只能通过海量的数据分析才能提取出来完整的价值信息。（二）大数据在宏观预测方面的优势以互联网平台积累为代表的大数据做宏观经济预测有其独特的优势。（1）及时性。通过互联网平台积累起来的数据，就存储在网络空间中，交易的数据、价格等一切信息在交易发生时，即刻在网络中留下记录痕迹，可以被一定的方法和技术提取出来，用于处理和分析问题，不存在时间滞后性。（2）精准性。网络平台提供的数据，在事件发生时按照实际的发生情况记录信息，减少了人为的操作，提供了相对更加原始的数据，而非人为搜集后经过处理后的数据信息，更加准确。（3）相对低成本。由于网络大数据均在事件或交易发生时自动被记录下来，无须人为调查和搜集，通过技术方法提取出来加以整理得到，能够极大程度上降低获取数据的成本。（4）颗粒度高。传统的数据搜集过程为了降低成本，会尽量搜集总体数据，而非细化地搜集数据信息。网络大数据时代，提取总体数据信息和单独搜集某一类别的数据的区别并不大，可以在不显著增加成本的前提下，提供更加详细和更加有意义的数据信息。（5）样本量大。通过利用互联网大数据信息，可以获取总体或者接近全体的样本信息，而并非通过统计抽样的方式来获取样本信息来推断总体信息。这样的大数据支持下，用于计算的样本量是海量的，并且能极大地接近全样本，直接获取最为真实而全面的统计指标信息。（三）大数据与传统宏观经济预测的互补性通过上述关于大数据概念和特点的分析，可以发现，大数据并不是对传统宏观预测模型方法的革新，而是对传统模型宏观经济分析预测方法的补充和改进。通过对传统统计分析方法使用数据的改进，突破传统方法的根本局限，从而提高模型的预测效果和应用范围。传统宏观经济预测方法经过几十年的发展，模型多种多样且较为全面，能对各种各样的情况下的数据结构进行分析和预测，但由于使用的数据的缺点，导致无法进一步提高模型预测的效果，存在根本性的瓶颈问题。而最近发展起来的大数据以及大数据相关技术，无论是爬虫技术，还是分布式储存技术，抑或者是云计算等，这些都是围绕大数据获取、保存和应对超大型数据的计算问题而发展起来的技术方法，而真正能成为大数据独有的宏观预测模型却较为缺乏。并且，大数据在分析经济问题时，更多的是采用描述性的方式，较少采用结构性的方法来分析，缺乏经济理论支撑。通过大数据技术和方法，获取及时性的数据，结合传统的宏观预测和分析模型，既能有效利用经济理论解释经济问题，又能通过大数据获取的数据信息突破传统统计数据存在的问题，有效提高宏观经济预测和分析的效果，为宏观经济预测和分析带来新的突破。另外，由于大数据的方法过程中，使用数据的及时性，突破了传统统计数据的滞后性问题，例如可以通过传感器收集每天的全部商品交易数据，直接计算当月的通货膨胀率，这样方法得到的数据会是实时的，并且是近乎全样本数据，当用月数据计算当月的 CPI 数据，也就突破了利用历史规律来预测过程中的“卢卡斯批判”引发的问题。三、“大数据”在宏观经济预测和分析中的应用应用“大数据”来进行宏观经济预测和分析成为突破传统统计指标作宏观预测瓶颈的一个重要出口。当前，国内外学者已经在利用大数据的优势来突破传统宏观经济预测模型的瓶颈方面做出了诸多