构建基于大数据的宏观经济指标体系
来源:用户上传
作者:
基于大数据构建宏观经济指标对相关部门准确及时判断经济形势、有针对性地制定政策、合理调配资源具有重要意义。本文从可行性、优越性、实现路径、政策建议等四个方面，论述了使用大数据建立宏观经济指标体系的政策路径，并以iCPI为具体案例，分析使用大数据方法建立宏观经济指标的总体技术框架。
一、使用大数据构建宏观经济指标的必要性
对于宏观经济态势进行分析和研判，是制定宏观经济政策的基础。进行宏观经济态势分析需要使用GDP、CPI、PPI、PMI和就业指数等宏观经济指标数据。传统方法上，宏观经济指标数据通常采用基层采集、层层汇总的方式进行收集，成本高、时效性差、且存在人为干预空间，这些问题给宏观经济的决策带来了不确定性。随着信息技术的发展，互联网、物联网和大数据技术已经深入到了国民经济生产的方方面面，大量经济活动以大数据形式记录下来，使人们可以及时、精准、低成本、高颗粒度了解一个行业、一个领域乃至整个国家的经济活动情况，丰富的数据资源为使用大数据方法构建宏观经济指标创造了可能。推动建立基于大数据的宏观经济指标具有重要作用，一是立足重要的政府数据资源，可以实现更丰富更准确更及时的经济政策调控;二是非传统经济指标对传统经济形成有益补充，成为新兴经济的指路标;三是充分利用数字经济平台，对数字经济行为进行微观感知和精准捕获，及时评估经济政策的影响。
二、使用大数据构建宏观经济指标的可行性
当前，数字经济已成为中国经济增长的新引擎，2019年中国数字经济规模为31.3万亿元，占GDP比重达34.8% ，电子商务、在线搜索等互联网平台与传统经济活动的耦合度不断提升，经济活动的频率与节奏不断加快。这种背景下，传统的统计调查数据和宏观经济指标已经难以跟上经济活动的变化节奏，无法全面反映宏观经济的全貌;电商平台、搜索平台、社交媒体以及政务信息系统汇聚了海量的社会经济活动行为大数据，这些数据从微观层面将社会经济活动的各种细节记录下来，具有粒度细、精度高、更新频率快等特点，为经济活动分析提供了新的素材。此外，高性能计算、人工智能、数据挖掘技术等新型处理方法的发展，为深度分析海量的经济数据提供了有力工具，这些都为使用大数据方法构建更快、更准、更灵活的宏观经济指标创造了可能。
国际上，美国、欧洲、日本等多个国家和地区的中央银行和商业公司均已开始使用大数据手段构建实时高频宏观经济指标。如，美联储费城分行成立经济实时数据研究中心，发布很多实时的宏观经济指标，如GDPplus、经济周期指数等。意大利央行和欧洲经济政策研究中心共同成立“EuroCoin”项目，构建实时反映欧元区经济状况的月度经济指标，提供比季度GDP更加高频的统计指标。英国的数据服务商IHS Markit 公司提供全球多个国家的GDP 增长率的实时监测结果。
大数据宏观经济指标也是学术界的前沿探索方向。麻省理工学院的“十亿价格项目”（BPP）收集近60个国家的网上交易数据，根据商品的价格不断变化来进行通胀指数的计算，发布衡量22个国家的日、周通胀指数，用于实时监测物价走势。芬兰阿尔托大学成立实时经济Real-time Economy项目，目前该项目正在拓展到欧洲多个国家，旨在推动各行各业（包括公共部门和私人部门）的数据融合，提供各类实时经济指标。清华大学经济研究所的iCPI项目，通过爬取线上购物数据，使用数据挖掘的方法编制高频物价指数，发布日、周和月度统计结果。
在互联网领域，谷歌应用搜索指数预测失业率、旅行目的地、消费者信心等，该方法此后被多国学者借鉴，用于实时预测GDP、CPI、失业率、房价等宏观经济指标。阿里、百度、360、微博等互联网平台企业也都推出了基于自身数据的趋势指数，作为政府和企业掌握社会动态和经济发展趋势的工具。
综上，大数据宏观经济分析已经成为国际上学术界和工业界的重要发展方向，使用大数据构建宏观经济指标的条件在我国已经日趋成熟。
三、使用大数据构建宏观经济指标的优越性
（一）拓宽了信息获得的广度和深度
统计抽样只是为了在技术受限的特定时期，解决当时存在的特定问题而产生的，样本数据具有随机性，且存在人为干预空间。大数据时代，得到的数据可能就是总体本身，例如，就物价而言，每一笔在电子商务网站成交的交易信息都有记录。大数据带来宏观经济分析的方法论变革，随着信息量的极大扩展和信息处理能力的提高，经济分析可能从样本统计时代走向全数据时代。海量数据的出现推动了数据分析工具的进步，人工智能、数据挖掘、机器学习等新技术手段被引入至经济分析领域，用于对全量数据进行分析，扩展了传统统计分析模型对宏观经济分析的深度，并且大大提高宏观经济分析的准确性和可信度。
（二）提高了信息获得的速度和时效
传统经济分析使用的数据往往采用人工收集，时效性差，如统计局公布的 GDP 往往是 1 个月的滞后期，反映全面经济社会状况的统计年鉴的滞后期会达到 3个月以上，不利于及时了解宏观经济形势并制定经济政策。基于大数据构建的宏观经济指标，其使用线上实时信息，能够反映当前经济活动的现时状态，为更快预估宏观经济提供了可能。例如，MIT的BPP价格指数在雷曼兄弟破产后三天即监测到美国实体经济出现通缩（传统计算结果于三个月后才发布）。2020年春节后，受新冠肺炎疫情影响，线下消费场景大量关闭，导致传统的CPI指数难以及时反映物价变化，而清华大学构建的iCPI指数使用线上数据进行物价监测，在3月1日就及时发布了1、2月份的物价指数。iCPI的及时发布对引导人们正确认识当前经济形势，稳定中国经济发展预期发挥了重要作用。
（三）提高了经济统计的表达维度
传统的宏观经济指标具有固定的分析模式，如常用的经济指标有GDP、CPI、PPI、失业率等，个体之间的差异均被抹平在统计信息的平均数据之中，随机采样不适合考察子类型情况，难以表达个性化、多维度的经济动态，不利于决策层对地区、行业或某一群体进行精准施策。政府需要更好地解决某些时候依赖平均值的指标所掩盖了的具體发展趋势问题。例如，如果当成全国性的问题去处理失业问题是不科学的。就业趋势随着种族、地域、性别及教育程度而差别很大。依托互联网数据构建的宏观经济指标，摆脱了传统经济研究集中在国家总量数据、行业总体数据等非细化数据的局限，可以开展微观层面更加具体的经济研究，例如，阿里平台汇聚了10万余种具体商品的交易数据，可以分析高端商品消费、个性消费、判断消费升级情况、重点产品消费情况，监测重点城市的消费发展情况，进而分析消费活跃指数、国际贸易情况等。
转载注明来源:https://www.xzbu.com/2/view-15321686.htm
