• 收藏
  • 設為首頁
  • 工作郵箱
微信公眾號
分享
[字體: ]
分享到:
分享
完全數據驅動化的經濟監測預測方法思考與建議
來源:大數據部 ??時間:2019-11-29

5G、大數據、人工智能等為代表的新一代信息技術革命正在深刻影響著當前經濟社會運行的各領域、各方面、各環節,技術變化已然成為推進宏觀調控理念變革和方法創新的深刻動因。探索建立一套快速有效、適配變化、智能精準的經濟監測預測方法,既是進一步有效提升宏觀調控水平的重要支撐,又是政府加快順應時代變化的歷史使命,更能夠為我國實現高質量發展、創造高品質生活、推進高水平開放提供更加強大的驅動力。

以習近平同志為核心的黨中央高度重視大數據智能化與經濟監測預測相結合的重要工作,并在十九屆三中全會上明確指出:“要強化經濟監測預測預警能力,綜合運用大數據、云計算等技術手段,增強宏觀調控前瞻性、針對性、協同性”,將新一代信息技術在經濟監測預測預警中的作用提升到了新的高度。本文以實際應用需求為導向,嘗試性剖析了當前經濟監測預測方法面臨的挑戰,闡釋了完全數據驅動化的經濟監測預測方法的總體思路、關鍵問題和對策建議,以期提供有益思路。


一、復雜經濟形態下傳統經濟監測預測方法面臨的四大挑戰 

(一)時效難:依賴歷史統計數據難以實時研判最新態勢

現行的經濟監測預測方法大多基于歷史統計數據進行分析或預測未來的數據變化走勢,但此方法往往受制于統計數據的時效性。傳統統計數據主要是通過開展經濟普查、抽樣調查、重點調查、典型調查等手段,利用層層報送數據的方式匯總計算相應宏觀經濟指標,這種方法最明顯的缺陷是具有很強的時滯性。在應對重大突發事件和高頻度經濟震蕩時,傳統經濟監測預測方法很可能會導致政府決策部門后知后覺,容易造成決策失誤等嚴重后果。

(二)細分難:統計樣本的局限性容易導致分析粒度不足

統計樣本的數量和樣本獲取的成本往往成反比,隨著統計樣本量的增加,統計過程中的時間成本、人力成本和資金成本等均會相應急速增高,因此統計樣本的覆蓋范圍存在一定的局限性。由于傳統經濟監測預測方法高度依賴統計數據樣本,一旦樣本出現偏頗,一方面,很容易導致分析預測結果精度不足,另一方面,很難為細分行業及新興行業的經濟決策提供有效支撐。

(三)客觀難:人為誤報等因素可能會造成結果不夠客觀

傳統統計數據的產生需要大量使用人工進行搜集、加工、上報及匯總,不僅人為參與的程度較深、耗費的時間周期較長,而且統計流程也較為復雜。由于人為參與了全過程中過多環節,無論是出于主觀考慮或出現客觀失誤,都極易發生數據遲報、漏報、瞞報、誤報等現象,此時往往會存在統計樣本真實性偏差的隱患,如果使用這種存在偏差的數據進行經濟監測預測,則會進一步擴大誤差范圍。

(四)精準難:經濟監測預測尚未與最先進技術緊密結合

以經濟學家主導的經濟監測預測模型擁有相對成熟的經濟理論作為支撐,主要包括結構化計量預測模型、非結構化時間序列預測模型和動態隨機一般均衡預測模型三類,其能夠較好地解釋經濟社會運行的關鍵影響因素。但當今世界,全球發展深層次矛盾突出,保護主義、單邊主義思潮抬頭,多邊貿易體制受到沖擊,我國經濟也由高速增長階段轉向高質量發展階段,全球經濟整體發展環境面臨諸多風險和不確定性,面對這一錯綜復雜的變化,傳統計量方法的種種假設也常常不符合當下的經濟現實。同時,傳統經驗理論往往與現實情況會產生一定偏差,傳統經濟監測預測模型略顯乏力。而目前以BERT、XLNet、RoBERTa等為代表的深度學習技術已經在諸多領域展現出超凡的預測能力和實用價值,但是卻未能與經濟監測預測深度結合。

 

二、完全數據驅動化的經濟監測預測方法總體思路和關鍵問題 

正如前文所論述,基于歷史性統計數據去分析或預測未來的數據變化走勢會存在時效難、細分難、客觀難、精準難等諸多難題。在這種情況下,有效利用微觀數據和新型技術手段改進經濟監測預測方法,已經成為政府決策者和學術研究界共同關注的熱點問題。以微觀經濟學權威瓦里安教授為代表的一批頂級科學家指出以機器學習、深度學習、復雜網絡等技術為代表的大數據方法正在改變經濟學的研究范式。全球多個頂級期刊也紛紛推出了有關“監測預測”的專題,通過多項研究實踐成果解讀了新技術對經濟社會多方面監測預測的最新研究進展與未來方向,大量理論方法和實踐經驗已經在一定程度上證明了完全數據驅動化的經濟監測預測方法的可能性。

(一)完全數據驅動化的經濟監測預測方法總體思路

完全數據驅動化的經濟監測預測方法的總體思路如圖1所示,可概括為:“N+1+3”,即匯聚N種多源數據、突破一項關鍵環節和沉淀三種數據資產。

匯聚N種多源數據。要盡可能大范圍引入可持續穩定獲取的細粒度數據資源,包括但不限于投訴舉報、裁判文書、企業關聯、房產價格、就業招聘、衛星燈光、專利論文、搜過引擎、道路擁堵、新聞輿情、招標中標、網站運行等相關數據。

突破一項關鍵環節。在充分吸收國內外經濟監測預測理論基礎和模型方法精髓基礎上,需要大面積應用機器學習、深度學習、復雜網絡、自然語言處理等信息技術,一方面可以減少人工假設和人為經驗的控制程度,另一方面可以從多源細粒度數據中抽取大量的數據特征,不斷嘗試數據特征的組合方式,與監測預測目標結果進行自動化碰撞,并根據監測預測效果不斷優化調整數據特征及相應算法,最終由機器自動化選擇一種最優這組合從而達到經濟精準監測預測效果。

沉淀三種數據資產。要以“萬物皆數”為指導思想,不斷沉淀經濟監測預測各環節的過程性數據,利用技術手段加深數據提取的廣度和深度,通過實踐過程中所沉淀的數據特征庫、算法模型庫、預測指標庫不斷倒逼技術方法迭代升級,加快彌合經濟監測預測與新技術之間的縫隙。

 

1 完全數據驅動化的經濟監測預測方法總體思路

(二)完全數據驅動化的經濟監測預測方法關鍵問題

完全數據驅動化的經濟監測預測方法需要重點解決以下三類關鍵問題:一是數據供給問題。如何實時、快速、準確、穩定地獲取散落在社會各處的碎片化微觀數據是完全數據驅動化的經濟監測預測方法的重要支撐保障,也成為當前關鍵問題之一。二是特征工程問題。數據和特征決定了機器學習和深度學習的上限,而模型和算法只是盡可能逼近這個上限,因此如何為完全數據驅動化的經濟監測預測方法提供盡可能多的特征提取思路是關鍵問題之二。三是核心技術問題。能否突破跨學科的監測預測核心技術是關鍵問題也是難點之三,主要包括能夠利用到特征提取中的自然語言處理、復雜網絡、深度學習等相關技術,將高維空間的特征通過映射或者是變換的方式轉換到低維空間的降維技術,涵蓋分類預測及數值預測的機器學習和深度學習技術,將結果化繁為簡的數據可視化技術等。

 

三、加快利用完全數據驅動化的經濟監測預測方法的對策建議 

(一)加快構建多源數據的實時采集匯聚機制

經濟社會是由無數個政府機構、企業、個體、車輛、物品、媒體和各類社會組織等本體共同組成的復雜系統,因此要圍繞人、企、車、事、物、地等本體對象,強化對脫敏后數據資源的統一歸集和整理,主要包括與企業生產經營過程密切相關的業務流數據、全域商品交易數據、終端車輛定位數據、高分衛星遙感數據、互聯網各類數據等相關數據資源。

(二)著重推進重點領域的經濟監測預測工作

充分考慮區域協調發展、軍民融合、科教興國、人才強國、創新驅動發展、鄉村振興、可持續發展等國家重大戰略需求,圍繞完全數據驅動化的經濟監測預測方法的關鍵環節,加快構建重點領域的特征工程體系、實時動態監測體系、預測預警感知體系和綜合研判支撐體系。

(三)開展經濟監測預測關鍵技術的前瞻研究

有機協同政府機關、高校智庫、科研院所、企事業單位、金融機構等,開展經濟監測預測關鍵技術的前瞻性跨學科研究,強化多源異構數據特征與傳統統計指標的回歸比對和關聯分析,形成面向經濟監測預測的“政產學研金用”合力。

(四)建立經濟監測預測上下聯動的工作機制

國家有關部門應鼓勵各級政府積極參與完全數據驅動化的經濟監測預測應用示范工作,各方共享應用成果,積極宣傳展示各級政府部門經濟監測預測應用工作成效,為國家層面經濟監測預測應用機制快速建立奠定基礎。

 

K歌乐韵注册
14场胜负 竞彩比分danchang 四海策略配资 鑫东财配资 14场胜负 加盟股票配资 海南4+1 股升网配资 黑龙江6+1 球探网篮球 大乐透 开奖 结果股票行情 融金汇银配资 篮球比分直播捷报比分网 体彩p3 九达通配资 即时比分500