蔡跃洲：大数据改变经济预测范式(2)

　　万国邮政联盟（Universal Postal Union，UPU）的学者将国际邮政物流体系每天所产生的商品交换数据，与每日的国际汇率变动数据相结合，对国际间的电子商务套利行为进行预测分析。这一尝试表明，利用国际邮政物流数据有助于提高预测能力。

　　在澳大利亚，其官方统计部门正在采取相关措施，以便将特定来源的大数据纳入到常规官方统计体系中。在统计实践中，澳大利亚统计局已经着手构建基于大数据的统计推断框架。一个典型的例子就是，利用遥感数据对澳大利亚的农业数据进行统计和预测。

　　经济预测中大数据应用的挑战

　　近年来各国机构和学者的探索表明，利用各种不同来源的大数据能够有效提高经济预测的精度，在某些领域甚至能够进行拐点预测。不过，在经济预测实践中如何更加有效地利用大数据仍然面临诸多挑战。

　　第一，大数据的可获得性将直接限制大数据在经济预测中的推广应用。无论是政府部门数据还是私人公司数据，都不可能为经济预测者随意使用；对于私人公司数据来说，通常需要通过签订合作协议并严格执行保密条款才能获取数据；至于政府部门公共数据，大多存在开放限制，往往需要通过机构内部人员才能获取数据。

　　第二，来自搜索查询、社交媒体等不同渠道的非结构化原始数据既杂乱无章，又存在非常复杂的内在关联，将其提炼并转换为结构化的有用信息需要有足够的技巧，并且耗费大量人力、物力和财力。

　　第三，充裕的数据信息还会带来过度识别问题。以谷歌趋势数据为例，谷歌每天产生的数十亿个查询记录，即便利用谷歌趋势进行分类仍有数百个指数；而每个指数即便从2004年1月开始，至今也最多不过一百多个序列。变量个数大于序列长度，必然导致过度识别问题。

　　第四，同任何传统经济预测一样，大数据的应用也无法解决“卢卡斯批评”问题。虽然大数据提高了预测精度，但如果预测模型被用于决定采用何种干预政策，那么最终的实际结果可能不会如模型所预测，因为政策的变化会影响到后续行为，而变量之间的关系恰恰是由相应数据所反映。

　　（蔡跃洲，中国社会科学院数量经济与技术经济研究所研究员，博士生导师）

　　来 源：《中国社会科学报》2015年12月9日第862期

　　长按关注“产经快评”

本文相关推荐

spss预测未来数据

matlab预测数据

excel数据预测

数据港 股价预测

美国经济数据查询

2017年经济形势分析与预测

第一范式第二范式第三范式

经济发展趋势预测

数字经济技术经济范式

第四范式数据密集型科学发现pdf