数量经济学在大数据时代下的应用

黄冰洁 青岛大学

数量经济学在大数据时代下的应用

黄冰洁 青岛大学

在当今社会，大数据正以各种各样的方式影响这经济，应用广泛分布在各个部门，大数据正逐步改变人们看待世界方式。国家政府部分、企业和所有行业都可以利用大数据更加准确直观的指出问题，预测未来。在大数据时代，数量经济学更加需要和大数据结合，进一步揭示经济规律，完善经济体系和经济管理，做出决策和预测。

大数据时代 数量经济学 大数据经济学

一、引言

“大数据”时代的来临对各行各业带来了巨大影响。本文以数量经济学为考察对象，介绍国内外大数据在数量经济学中分析中的研究与应用状况，剖析了大数据为数量经济学带来改变。认为一方面，大数据及大数据技术的发展丰富了数量经济分析的数据基础和分析手段；另一方面，利用大数据进行数量经济分析尚面临数据清洗、数据安全、人才培养和平台开发等多方面挑战。

二、相关文献概述

（一）大数据经济的相关研究

在文献梳理中，张守一在2001年提出，在今后数量经济学的发展中应做到8个协调：提高与普及、应用研究与理论研究、宏观经济研究和微观经济研究、全局问题研究与局部问题研究、经济预测和政策分析、计量分析和仿真技术、国内经济研究和国际经济研究、引进和创新的协调发展等。我国数量经济创始人乌家培教授在《我国数量经济学发展的昨天、今天和明天》一文中，对我国数量经济学的发展历史、取得的成就以及未来发展的方向和重点进行了阐述，认为21世纪我国数量经济学需要适应两个潮流、看准5个方向、抓住3个重点，采用以中国化为主题、国际化和信息化为两翼的发展模式，并做好发展规划、重视人才培养。

（二）关于挖掘数据价值、更好的利用数据研究

数据挖掘是一个热门行业。简单来说，数据挖掘就是大数据的统计调查。从经济分析角度，数据挖掘可分为两类：第一类是对数量信息进行整理和收集，主要解决信息来源量大面广和更新速度的问题；第二类是非数量信息的收集，比如从文本、图片、视频等素材中挖掘出有效地信息。

数据挖掘的方法很多，在数量经济学中有广泛应用。2008年的结构方程模型、BP神经网络、粗糙集、灰色关联分析、灰色关联度、灰色关联系统、马尔科夫链，2010年的支持向量机，2012年的复杂网络等关联词，表明数据挖掘在数量经济学中的应用日益增多，数量经济学方法在向信息化发展。

三、大数据时代和数量经济学的研究

（一）大数据时代

大数据时代开启了巨大的时代转型，大数据时代的到来成为世界经济发展的新现象，也标志着全球进入一个新的经济增长阶段，大数据带来智能化和信息化革命。

（二）大数据时代的特点

1.数据规模大，来源广，类型多

与传统数据相比，大数据时代又包含了大量半结构化和非结构化数据，如邮件、媒体报道、视频、图片等，但是数据的清洗难度大。

2.数据分析智能化

以MapReduce和Hadoop为代表的非关系数据分析技术，以其适合非结构数据处理、大规模并行处理、简单易用等突出优势，不仅可以为宏观经济分析提供更加高效便捷的数据采集和处理平台，丰富了经济的分析方法，还提高了分析的客观性、精确性和时效性。

3.数据采集和处理实时化

随着互联网的发展，产生了大量实时传播的数据。通过大数据软件处理平台，可以实时追踪和收集这些数据并可以有效的对数据进行分析和处理，提高了经济分析的时效性，但是数据的安全不能得以保障。

（三）数量经济学的研究

我国的数量经济的研究主要在以学习、引进和介绍前苏联的经济数学方法和模型的基础上，加大对其消化和应用力度；同时，我国数量经济学的研究从对经济数学方法与模型分散介绍和研究转为对西方数理经济学和计量经济学的系统介绍和研究。目前我国数量经济学的研究形成了以数量经济学和计量经济学研究为核心，以数学方法、统计学方法和计算机技术在经济和管理中的应用为辐射这样一个宽泛的学科研究格局。

（四）数量经济学的定义

数量经济学是数学、统计学和经济学三门学科交叉产生的，关于数量经济学的学科定位，国内目前主要有以下三种认识，即学科论、学派论和非学科论。

第一学科论。学科论认为数量经济学是一门独立的学科，它有自己特定的研究对象、研究内容、研究方法和理论基础。。

第二学派论。学派论认为数量经济学不是一门独立的学科，而是经济学的一个学派，其实质是经济学。在我国，数量经济学是经济学与数学、统计学、计算机相结合，以数量方法进行经济分析、预测和决策研究的交叉学科。

第三非学科论。非学科论认为，数量经济学既不是一门独立的学科，也不是一门独立的学派，充其量只能说是经济数学方法与模型的研究。

四、大数据与数量经济的结合

大数据环境下众多学科开始融合，带给传统数量经济学更大的挑战。大数据时代极大地拓展了信息来源、提高了获取信息的时效性，新信息对数量经济学的分析的技术和方法提出了新的要求。例如，在谷歌2009年预测甲型H1N1流感爆发的案例中，除了使用大量的数据，还用了大量的数学模型，据统计高达4.5个亿。

数量经济学的研究中核心是模型建立，在经济模型中采用假设理想化的方式来避免微小因素的干扰。但实际经济生活中这些的影响经济发展的因素很多，为了避免这些不可控因素模型建立与应用需要大规模的数据作支撑；而数量经济学模型对所采集的大数据进行深度挖掘，找出其中隐含的经济规律有利于国民经济的发展。

数量经济学通过利用大数据前景不可估量，这并不表示传统研究没有意义，相反大数据数量经济学必须建立在传统数量经济学模型之上。如同谷歌的4.5模型一样，需要不断地建立新的模型来分析，使机器语言与经济分析相结合。

在实际工作中只有深刻揭示各种经济规律的数量界限和表现形式，才能自觉应用各种经济规律来解决实际问题。从实践角度看，经济发展是一个大的动态体系，任何一部分的变动都会在全局范围内引起一系列的连锁反应。无数的经济现象以其所呈现的数据和数量关系表现出来。无论是生产、流通（交换）、分配和消费的计划方面，还是部门内部、企业内部的计划工作与生产组织方面，大数据和数量经济分析都是必需的。

国际上在建立已建立的数学模型的基础上利用大数据进行经济分析和预测取得了一定的进展。BPP项目利用网上交易数据计算日常通胀指数。例如：BPP数据显示在雷曼公司2008年9月倒闭后，大部分美国企业开始消减价格，这表明总需求减弱。崔玄英和瓦里安介绍了谷歌趋势如何可以用来预测当前经济变量服务，发现失业和相关福利的搜索可以提高对于失业救济首次申请时间的预测。大数据也使数量经济学的经济模型产生了变化。传统的模型往往通过建立时间序列、截面或面板方程等几个模型来进行，变量的完整是认为不可能的。由于模型变量的选择、参数设置、估计方法以及滞后期选择等的不同，预测结果往往产生很大的偏差。大数据时代可以应用大量模型进行研究，并应用完备的数据信息，这对预测模型的改进提出了挑战，同时提高了预测的准确性。

五、结论与建议

今后，数量经济学与大数据结合是必然趋势，大数据数量经济学必成为未来经济的主流方向。但与西方国家相比，中国目前利用大数据进行数量经济学分析方面尚现薄弱，有待加强。

第一，政府和相关研究机构应该加大投入，开展相关科研或立项，为大数据与数量经济分析的研究提供环境和支持。

第二，决策者应加快步伐，搭建平台，充分利用大数据服务于数量经济学的制定。决策者要摒弃旧俗，加快相关改革，开发新技术，探讨新理论，及时应用大数据和数量经济学分析的结果进行经济政策调整。

第三，加大大数据和数量经济学的学科教育，建立相关专业，培养专业人才。

[1]孙振朝.大数据时代的数量经济学应用[J].经营与管理,2016,(02)：31-33

[2]任保平,辛伟.大数据时代中国新常态经济增长路径与政策的转型[J].人文杂志,2015,(04)：29-35.

[3]刘涛雄,徐晓飞.大数据与宏观经济分析研究综述[J].国外理论动态,2015,(01)：57-64.

[4]申红艳,吴晨生,铁梅,滕飞.大数据时代宏观经济分析面临的机遇与挑战[J].经济研究参考,2014,(63)：19-25.

[5]王庆石.数量经济学的学科定位及专业发展问题研究[J].东北财经大学学报,2003,(03)：79-81.