马红燕

摘要：当下宏观经济预测分析更加偏向于应用大数据技术和相关的方法，以此能获得更加准确和高质量化的分析结果。大数据技术在一定程度上可以帮助国家对整个经济形势的发展走向进行评判，同时也为国家的战略发展提供了新型的数据资源。但是目前为止由于大数据技术的使用存在着部分限制，例如数据来源无法保障，数据的有效性和准确性存在着一定的问题，而且还有技术研发进度较慢的问题。因此，当下大数据技术和方法无法完全取代传统的宏观经济预测分析方式。本文通过对大数据技术在宏观经济预测分析所使用存在的优势这些明确，并在此基础上针对宏观经济预测分析中使用大数据技术时所面临的问题进行深入剖析和研究，并提出具体的解决方法和策略。通过研究最终能提升宏观经济预测的准确性和有效性。

关键词：大数据;宏观经济预测;应用策略

宏观经济预测包含的内容极为广泛，而大数据技术的存在可以为政府提供多层次，多样化以及完整的信息，并对这些信息进行综合处理、整合、归纳以及分类加工。我国政府也明确了要积极使用互联网、大数据技术、统计云等来积极分析相关的数据，进而促使经济信息能及时和高效的反馈给相关部门。大数据技术的使用并不需要通过人力进行搜集，同时还能将数据类别进行细化，保障不会增加大幅度成本的前提下，提供更加具备详细且具有价值的信息和数据。

1相关理论概述

1.1大数据概述

大数据所处理的数据信息量异常庞大，与传统的数据分析相比，大数据所收集的信息量在GB，TB乃至PB和EB级别;也正是由于所收集的数据信息量庞大，因此传统的计算机无法完全处理这些信息;此外大数据所收集到的信息具有多样化的特征，例如图片，文本，网络搜索、语音、URL以及日志信息等;最后大数据本身具备高价值的特征[1]。大数据与传统的数据相比其中包含了更有价值和有效的信息，但一般来说这些信息只能通过大量的数据分析才能将有价值的部分提取出来。

1.2大数据在宏观经济预测分析方面的优势

大数据主要是依托于互联网上所积累的数据进行宏观经济预测分析，与传统的经济预测方式相比就有着极强的优势。首先是及时性。互联网平台会保留交易的相关数据，可以通过一定的技术处理，及时将这些数据提取出来;二是精确性。互联网所提供的数据信息真实地保留了原始的数据，基本上人为很难进行操作改变，因此相对来说更加准确;三是成本较低。由于网络的即时性特征，因此数据基本上会在交易和相关的活动发生时就被保留下来，不需要工作人員花费大量的精力和时间去收集和归纳，通过运用这样的方式减少了时间和人力成本;四是数据价值高。传统的数据收集方式主要是将有关宏观经济的整体数据收集起来，而并非针对不同数据类别进行分类化收集。利用大数据收集信息可以在不明显提升收集信息成本的前提下，收集更加具有价值和详细的信息;最后是样本数量庞大[2]。通过使用大数据技术可以将整个样本信息获取，同时我计算的信息相当庞大，尽可能获得最为全面而真实的统计样本。

2我国大数据开展宏观经济预测分析的趋势

2.1从传统宏观经济统计数据转变为互联网非统计数据

传统的宏观经济预测在收集数据方面基本上主要以调查统计为主，而且为了保证数据具有准确性特征，则会通过查询官方统计部门所发布的数据，但是这样一来数据的公布时间总会有所滞后，无法保证数据具有时效性[3];而若是为了数据的实效性，寻找最新的数据，则容易导致数据出现错误，反而会导致宏观经济预测出现失误可能性大大提升。而大数据技术的存在，促使人们可以对各种统计数据的依赖性不断减少，非结构化以及非统计型的数据都可以作为宏观经济预测的主要资源。例如社交数据、检索数据、论坛、微信、微博、QQ等。此外在应用大数据技术收集数据时，开拓了多样化的数据类型，同时也从不同的数据来源和渠道收集文本、广播、音频、视频、图片等。传统的调查统计数据包含了许多人为因素，而大数据技术所收集的数据相比之下更加具备真实性和可靠性。

2.2宏观经济总量预测转变为宏观经济先行指标预测

我国一直将宏观经济总量作为研究的重点内容，但我国运用大数据研究股市、房地产、旅游、医疗以及失业率等领域相比国外较少。我国也意识到大数据的重要性，并且发布了相关文件要求促进大数据在我国的发展。这也表明在我国大数据的发展受到了国家的支持。因此首先要利用国家政策来推动大数据的向前发展与进步，尽可能达到国际先进水平;另外还要保证大数据在宏观经济领域中的研究与运用全面展开，尤其是在针对宏观经济预测分析方面要积极使用大数据技术和相应的手段，而且还能为与宏观经济相关联的交通、社保、医疗等民生领域产生重要的积极影响。

2.3从中长期预测分析转变为即时性预测分析

我国目前所建立的预测模型基本上离不开传统统计数据作为支撑，因此在对宏观经济预测和分析过程花费的时间较长，基本上是以月度季度以及年度作为预测模型。而国家在制定宏观经济发展战略以及企业制定未来的经济活动策略对于宏观经济的准确性和实时性有着较大的需求。因此目前使用的传统宏观经济预测分析方法无法满足国家、企业以及个人的需求。而国外在应用大数据技术进行宏观经济预测时取得了较好的成就，不仅所运用的数据更加真实有效，而且所预测的结果相对传统的预测模型来说更加具备准确性。因此我需要把握好大数据技术发展的潮流和趋势，真正将大数据充分运用到国家的宏观经济预测分析中，并促使国家经济朝着更加准确而具体的方向向前进步。

3大数据技术对传统宏观经济预测的互补作用

传统的宏观经济预测分析方法由于存在的时间相对较久，同时研究的人也相对较多，因此在发展的过程中形成了相对全面和完整的研究体系，进而对不同情况下的数据结构展开深入分析，并提出具体的预测结果。但是传统的预测和分析方法在应用数据方面有着较大的问题，导致模型的预测效果无法得以提升。大数据技术则是以获取、保存以及分析超大型数据而不断向前发展新型技术方法，但使用大数据来构建宏观预测模型的相应的方法相对较少，而且基本上主要是以描述方法为主，缺少相关的理论作为实践的引导。

使用大数据技术，可以帮助宏观经济预测在较短的时间内获取有价值的信息，并通过使用传统的模型，这可以用经济理论来引导大数据解决经济问题，另一方面还能将宏观经济的预测和分析的结果有效性不断提升;此外，大数据本身具备着即时性的特征，可以有效改变过去统计数据的过程中数据较为滞后的现象。例如可以应用传感器将交易数据进行收集，并根据数据对当月的通货膨胀率进行即时的计算，通过这样的方式可以保证数据保持在最新的状态，而且也会解决“卢卡斯批判”所导致出现的各种问题。

4大数据视角下开展宏观预测分析策略

4.1拓展信息数据获取途径

大数据提取的信息主要是来源于网络，能够被应用在宏观经济分析中的数据来源分为以下几种情况：一是使用百度指数和谷歌公司的搜索引擎所获得的数据，这类收集数据的方式方法应用的人数相对较多，而且使用该技术的难度相对较低，同时在具备便捷性的特征，可以直接应用搜索引擎就可以得到数据。但是也存在着数据获取单一化，同时这些数据想要获取也只能够通过公司来提供，基本上无法将所需要获得的信息进行定制化;第2种办法是运用“网络爬虫”技术来获得相应的信息。网络爬虫通过遵循一定的程序和规则，将万维网上的信息和脚本自动进行获得。这类方法可以针对宏观预测分析的目标制定具有针对性的程序。但是，这类方法使用技术门槛相对较高，而且需要花费大量的学习成本;第3种方法是通过企业大数据获得信息数据。部分公司为了更好地生存和经营，因此投入了大量的资源构建数据库，这些数据库中的数据信息质量相对较好，但是一般来说，这些数据信息外界人员无法接触，更没有办法将这些数据信息进行及时的应用[4]。

4.2处理维度灾难

在使用大数据技术来开展宏观经济预测分析过程中，由于大数据本身所获得的信息量相当多，因此存在着价值密度较低的现象，一般还需要应用大数据技术进一步挖掘数据信息，其中还包含了不同维度、不同领域上面的信息，因此需要进行分析的变量大大增加，促使在分析宏观经济的过程中出现高维数据问题，进而产生了维数灾难。解决这样的办法主要是通过将变量维度进行降低，可以通过提取和筛选特征，将所筛选的特征代替原有的特征集;另外就是运用在低纬度空间中，把高纬度数据投影到其中去。

4.3将研究问题范式进行转变

传统的宏观经济检测计量模型基本上是对解释变量和被解释变量进行假设，并对这二者之间所存在的函数关系确定，但是大数据是通过不同的渠道来获取数据的，因此无法确定宏观经济指标之间存在着假定函数关系。宏观经济变量与大数据解释变量之间仅仅存在着关联，因此传统的计量模型很难将大数据所收集到的数据进行处理。而想要解决这样的问题主要是通过“机器学习”技术，该技术主要是针对宏观经济变量与解释变量之间的关系进行重新解释，寻找到一种相对应的匹配关系[5]。在这个过程中，计算机会寻找到最优化和最适合的匹配关系。随着计算机的运行和计算次数不断增多，并通过“学习”提升挖掘和处理数据的有效性和准确性。机器学习中的算法主要包含了人工神经网络、遗传算法、变形模型、支持向量机等。

4.4消除数据噪声

数据噪声指的是对研究没有价值和意义的相关数据信息。数据噪声的存在不仅会导致整个分析的成本大大增加，还会将数据的处理难度和时間提升;另外数据噪声的存在容易导致研究的结论和分析的结果产生较大的误差。想要有效消除数据噪声则是可以应用SSA技术将所获得的原始数据处理成结构化的数据，该数据可以用来对宏观经济进行分析和预测。

4.5政府也要积极将大数据纳入政府统计中

首先政府应当将自身的统计资源与外部的数据资源相链接，对其他的数据资源加强重视程度，尽可能将外部数据容纳到自身的统计数据体系之中;另外政府还应当重视深入发掘非结构化的数据，尽可能在其中发现最适合的指标应用到宏观经济预测之中。非结构化数据之中所包含的信息内容广度更加宽泛，因此应用网络和大数据技术深入挖掘相应的数据，不仅有效将数据资源进行获取，而且还能获得较为优质的文本数据内容;最后在进行非结构化和结构化的统计数据进行整合的过程中，都要有效将数据的频率提升，并及时发挥出大数据的即时行功能，这样才能对宏观经济进行预警和并有效应对风险。

5结语

尽管我国已经在宏观经济预测分析中积极使用大数据技术，但仍然还需要将大数据应用过程中所存在的问题进行解决，这也是未来宏观经济预测分析，运用大数据技术发展的重要途径和方向。目前为止，在宏观经济预测分析中应用大数据是收集谷歌和百度所提供的数据，尽管在应用的过程中不需要耗费较多的人力和物力，但是存在着数据单一化严重的现象。而且90%以上的网络数据信息为非结构化数据，这部分数据在应用到宏观经济预测中相对较难，但这也是为了宏观经济预测分析的发展方向，另外还要在大数据的基础上构建出具有系统化和专业性较强的宏观经济预测系统，及时调整宏观经济所存在的风险。

参考文献

[1]耿德伟.基于招聘大数据的就业形势分析研究[J].中国物价，2020（03）：3-6.

[2]王建冬.大数据在经济监测预测研究中的应用进展[J].数据分析与知识发现，2020（01）：12-25.

[3]燕佳静，袁小乐，李新华，周建民.大数据应用于江西宏观经济监测分析的探索思考[J].信息系统工程，2020（01）：30-32.

[4]刘宽斌，张涛.利用网络搜索大数据实现对CPI的短期预报及拐点预测——基于混频抽样数据模型的实证研究[J].当代财经，2018（11）：3-15.

[5]姜疆.基于大数据的宏观经济预测和分析[J].新经济导刊，2018（09）：62-66.