基于高频数据的地区宏观经济运行分析与调控机制

摘要：数智时代，地方政府通过开发利用市场主体活动产生的高频数据，搭建宏观经济大数据分析平台，构建可视化的预测分析指标体系，以实现对经济运行状态的前瞻性把握。但目前仍存在数据采集鸿沟、数据分析方法实用性不佳等困境。基于地方政府与技术手段的现实条件约束，建议重点优化经济数据归集汇总机制，在基于高频数据开展地区宏观经济分析时以增加经济运行分析的维度为中心，深化研究高频数据与分析预测对象之间的成分性关系，重点把握其结构性关系。最后，针对在经济预测结果可能不准确的前提下，对地方政府调度工作进行了探讨并建议应建立形成良好的激励机制。

关键词：高频数据；宏观经济；客观经济预测；地方政府

中图分类号：F224 文献标识码：Ａ 文章编号：2096-5982（2024）08-0091-08

一、引言

宏观经济预测分析与调控是国家和地区治理体系和治理能力的重要组成部分，对于科学研判经济形势、引导政府和市场理性决策、促进经济平稳增长具有重要作用。数智时代，数据既是重要的生产要素，同时也是重要的产品。经济在运行中无时无刻不在产生数据，记录着经济运行的轨迹，使得数据特别是高频数据成为预测和调控经济运行的重要工具。一方面，数字经济的蓬勃发展，数字化、智能化与实体经济深度融合，使经济活跃度和复杂度明显提升，对宏观经济进行及时、精准、科学的预测提出了新需求；另一方面，数字政府加快。云计算、大数据、人工智能、区块链等技术的发展，为利用高频数据进行宏观经济预测和调控提供了技术手段，共同推动宏观经济预测分析和调控的理念与方法的变革。数智时代下，高频数据在地方政府宏观经济运行分析与调控方面大有可为。

目前，世界各国都在探索利用高频数据对宏观经济形势进行预测，以此提升宏观经济调控的前瞻性、有效性。学术界也从重点领域对此进行了研究。其中，在微观层面，有学者针对高频数据设计了预测模型和算法。例如张永安等构建了用于股票市场收盘价预测的模型（1）；刘广应等构建了协方差矩阵动态预测模型。（2）还有学者借助高频数据研究期权市场价格发现能力的决定性因素（3）和A股开盘价操纵行为。（4）在宏观层面，吴力波开展了从处理数据到预测全环节的创新研究。（5）王建东等初步构想了国家经济大脑，并总结了大数据经济运行分析的四种方法，分别是统计分析方法、时空分析方法、复杂网络方法和人工智能方法。（6）其中在人工智能领域最新研究较多。闫春等构建了监测预警宏观经济运行情况的CNN-SVM模型（7）；梁龙跃等利用LSTM＆WA模型预测季度GDP（8）；戎天（9）和燕佳静等（10）探讨了大数据技术在省级政府开展经济运行监测分析工作中的应用场景，并提出了省级政府缺乏成熟对口的分析模型和专业人才等问题。

虽然高频数据在宏观经济预测分析方面得到越来越广泛地运用，但是受传导机制、数据本身等多方面因素的影响，较高准确度的预测经济运行走势绝非易事，尤其是需要对这一过程的内在机制进行深入探索，尽量消除影响精准预测的“噪音”，才能更好地优化分析和调控工作，这也是本文主要的研究价值所在。此外，目前高频数据在宏观经济层面的研究多集中于全国层面以及技术分析，缺乏对地方政府实用性较强的研究成果。本文希望就地方层面在理论分析方面作出一些边际贡献，并针对性地为提升高频数据的地区宏观经济预测与调控提供政策建议。

二、高频数据的产生、预测价值及其局限性

（一）高频数据的产生

高频数据通常是指更新时间较短、包含细微差异的大量数据，如周频、日频、实时数据等。与之相对应的低频数据，则主要包括月度、季度、年度数据等。高频数据的产生，有两个重要因素：一是经济社会活动的频率日益加快，市场交易对象和范围不断扩大，高频数据实质上是经济脉搏跳动的映像；二是大数据、人工智能、云计算等技术的发展和运用，使数据采集和存取方式更加便捷，成本不断降低，海量的高频数据随之被“生产”出来。但从实际应用角度出发，高频数据与低频数据的界限是相对的，主要取决于反映经济活动的数据获取时间及研究对象和目的。例如宏观经济领域的高频数据时间间隔明显要大于金融领域。在金融领域，诸如证券等产品的交易频率极高，生产出大量日频及以内的数据。同时由于国内金融市场参与者的买卖频次大都可以实现T+1交易，因此金融领域高频数据的更新频率一般为日频及以内。例如刘广应（11）和朱菲菲等（12）分别通过5分钟高频收益率数据和每6秒加成的高频交易数据进行预测分析。此外，在宏观经济领域，传统经济统计指标更新频率主要为月频或季频，因此只要高于月频或季频的数据均可视为地区宏观经济领域的高频数据。例如在预判季度GDP走势过程中，刘汉等（13）和李正辉等（14）将月度数据视为高频数据。

（二）高频数据的优势价值

由于高频数据更新快，能够及时反映市场变化的最新情况，因此在对地区开展宏观经济运行分析和调控时具有独特的优势和价值。一是能够提高宏观经济运行分析和调控的时效性。传统经济统计数据的频率通常至少为月度，一般于次月中旬发布。而高频数据频率较高，可以较好地被用来观察短期地方经济运行的变化，提前对经济形势进行趋势性判断，能够更及时地运用政策工具，缓解政策的滞后性问题。二是能够提高宏观经济运行分析和调控的丰富性。传统宏观统计数据颗粒度不够（15），高频数据由于频率较高、分布较广、种类较多、颗粒度较细等原因，相关的指标既有物量维度，亦有价值维度。借助高频数据，能够从不同视角观测不同领域、不同行业、不同阶段的生产经营情况，切入传统经济统计指标不能覆盖的领域，更充分的反映地方经济运行的情况。三是能够提高宏观经济运行分析和调控的精准性。由于增加了微观数据，在经济运行分析中增加了更多的信息，有利于增加经济运行分析的科学依据。例如Shaar Khaled证明借助高频数据较精确地反映了美国和加拿大汇率波动对贸易的影响。（16）

（三）高频数据的局限性

相较于传统经济统计指标，虽然高频数据在地区宏观经济运行分析中具有明显优势，但也存在一些不足之处。一是稳定性差，波动大。高频数据由于颗粒度较细，存在较多干扰因素，容易受到干扰因素的影响，出现一些难以被单独解释的异常波动。例如银联等部门产生的消费数据、互联网平台公司产生的搜索数据、行业内的头部公司和行业协会等产生的行业数据等，都容易受到季节性、热点事件等外部因素影响。二是数据来源分散，不够规范，归集难度较大。宏观经济运行分析通常要综合多个高频数据来预测，但高频数据的来源单位比较分散。例如用电量数据来自电力部门，税收数据来自税务部门，货运客运数据来自交通部门等。相较于统计部门的定期发布，高频数据汇总完成时间多变且不够规范，加之数据壁垒、数据安全等因素的影响，及时获得最新数据的难度较大。三是反馈信息较为直观，受运用场景和方式限制。高频数据能够较为直观地反映经济运行的特点和趋势，但是不能完全替代理性决策。在运用高频数据时受到数据产生的场景、方式的影响，如果不全面分析与高频数据产生的逻辑信息，可能会在决策中以偏概全、判断失误。

三、基于高频数据开展宏观经济分析的理论逻辑与实现机制

（一）理论逻辑

高频数据与地区宏观经济分析预测对象之间关系密切，可依据其内在逻辑将两者关系划分为相关性、成分性和结构性。（见图1）根据这三个层面，为地方政府基于高频数据开展宏观经济分析预测提供了理论逻辑支撑，为运用包括机器学习和统计分析在内的各类方法优化、政策设计指明了方向。

图 1 高频数据与分析预测对象的关系

一是相关性。目前普遍使用的各类高频数据与对应的传统经济统计指标关联程度较高（17），二者之间往往具有相同或相反的波动趋势，相关性一般较高。与此同时，相关性分析操作较为简单，相关性验证可以作为地方政府研究各类高频数据与分析预测对象的一般工具。

二是成分性。高频数据本身就是传统经济统计指标涉及领域的重要组成部分（18），二者之间通常存在着一定的微观联系，能够在一定范围内反映分析预测对象的情况，这种微观联系往往也可以通过一定的逻辑推理得到。例如电力作为制造业发展的关键生产要素，是制造业领域的重要组成成分，当制造业产能扩张或收缩，或者产业增加值增长或下降时，一般对电力资源的需求也会增长或下降。因此短期内某个细分行业电力消耗量的波动可以一定程度反映该行业的产业增加值和景气度。

三是结构性。许多类型的高频数据仅能反映传统经济统计指标所涉及领域的一部分范围，并不能反映传统经济统计指标所涉及的所有领域。这意味着高频数据的波动反映的是传统经济统计指标所涉及领域的结构性变化，而非整体性和全局性变化。当形势发生大幅变化时，单个高频数据对分析预测对象的反映可能不再充分，反映范围可能大幅缩小，因此需要增加分析的维度才能更全面和更准确地反映目标领域的状况。例如电力虽然是制造业领域的关键生产资料，但并非是唯一且不可替代的。当某一制造业的生产方式发生大幅调整时，此时用电量的波动并不能完全地反映该产业增加值或者景气度的变化。由于结构性的存在，通过梳理现有文献发现目前各类预测分析方法均存在着一定的误差，通过高频数据难以准确预测传统经济统计指标的变化幅度。此外，郑挺国等通过构建我国经济不确定性指数，指出通过目前的常规方法难以准确预判我国的经济波动幅度。（19）

通过研究高频数据与分析预测对象之间的成分性，才能更好地把握结构性，将多个维度的数据进行比对，通过结合不同维度的数据分析来减少模型的结构性问题。而随着分析预测对象的发展变化适当调整模型，可以通过机器学习和统计分析等提升其准确率。例如用电量数据波动可能是因为当地产业生产方式的调整，但并不能解读为行业的景气程度大幅波动。此时结合税收数据则可以在一定程度上剔除这类异动，这也是税电指数目前推广较快较广的重要原因。虽然研究成分性和结构性往往需要掌握分析预测对象相关的大量知识，但也要契合地方政府相关工作人员的专业领域，即工作内容多与分析预测对象在现实中相关，学科背景多以社会科学等为主。（20）

（二）实现机制

利用高频数据开展地区宏观经济预测分析主要包括5个流程，即数据采集、数据处理、数据分析、政策调控、信息反馈（见图2）。由于高频数据开展宏观经济分析主要涉及前三个流程，因此本文主要对这三个流程展开分析。

1.数据采集

高频数据采集主要有三种来源，一是内部共享，二是外部合作，三是主动挖掘。其中，主动挖掘分为两类，分别是部门在自身权力影响范围内直接汇总数据，以及利用网络爬虫等技术手段收集大数据。而内部共享和外部合作情况如下。第一，内部共享。政府内部是数据的重要来源，各个部门在其所属权力范围内能够采集到大量数据。不同部门单位之间可以通过建立友好联系后互通一部分数据，或者成立大数据中心统一汇总各方数据。第二，外部合作。包括互联网平台公司和大型制造业企业在内的诸多市场主体产生和收集的大量数据。例如福田智科物流指数中建材相关行业物流指数、基于树根互联“根云”平台提供的包括挖掘机平均每日开工设备数和总工作时长在内的三一重工机械运行数据、智联招聘等就业平台的招聘就业数据等。地方政府内部主要通过两种方式从外部获取数据，一是通过建立友好联系实现合作共享，二是直接购买通用版或定制化数据。

2.数据处理

数据处理部分可以分为三类模块。一是处理不同频率、不同单位、不同口径等数据。例如月度通货膨胀率和季度GDP增长率，一个更新频率为月度，一个更新频率为季度。为统一口径以及充分利用，李正辉等（21）以及于洋等（22）研究发现使用MIDAS混频数据模型处理结果较好。二是大数据预处理。在各类高频数据中大数据占比较大，而大数据单个价值含量极低且每一类数据量巨大。同时包含大量例如网络言论等非结构化数据，需要对海量杂乱的数据进行分类汇总和清洗，以及保障数据安全；三是通过数字平台实现自动化和可视化处理，提高宏观经济分析工作效率。例如浙江省的经济调节e本账应用，其预警信号灯功能，可用于更好地观测各类经济指标异动。此外，可以将异动划分为短期异动和趋势异动，前者反映增速短期内大幅波动的情形，后者则是指标增速减去GDP增速后单边下滑或上升，并按不同异动程度对应不同的颜色预警。

3.数据分析

除利用单项数据分析局部情况外，大多数情况需结合多个维度的数据进行分析以提高分析预测的精确度。面对多个维度的数据，需要对各个维度数据的影响进行赋权，以及随着趋势变化调整权重。目前，常见的赋权方法有德尔菲法、统计分析法、机器学习法等。然而现有的各类方法对传统经济指标的波动幅度预判并不能做到足够的精确，仅实现了对波动趋势的把握。李俊珅等通过德尔菲法构建税收经济发展指数，通过使用2018—2021年上海市相关数据，经过研究发现经济发展指数与GDP指数的线性回归决定系数为0.88，精确度较低。（23）在诸多数量方法中，机器学习相关研究较多且效果较好。为从多个维度描述宏观经济，黄恒君等提出了一种基于机器学习的数据融合方法。（24） Yasir等利用基于事件情绪的人工智能技术预测港币汇率，均方根误差约为港币汇率标准差的一半，对数值预测具有一定意义。（25） Madera等提出了一种可以节省计算时间的改进的微遗传算法用于汇率波动的即时预测。（26）闫春等利用CNN-SVM模型通过机器学习对中国经济景气监测中心编制发布的介于2015—2016年之间五个月的预警等级进行预判，其精确度达到100%。（27）梁龙跃利用LSTM＆WA预测模型通过不同维度的月频数据对季度GDP进行预测，其5个季度下的MAPE值为4.73%，相较于目前国内5%左右的GDP平均增长幅度，存在不小的误差。（28）除此之外，学界从生产法出发构建月度GDP波动幅度指数，基于三次产业的增加值数据，选取具有代表性的重点行业及与其相关性较高的高频指标，并按重点行业的历史增加值占比进行赋权，对2017—2022年一季度的数据进行一元线性回归，分析结果显示其决定系数达0.99。

与此同时，识别并处理异常波动，替换异常数据或重新对异常数据赋权值得重视。个别数据指标由于特殊原因出现大幅波动，倘若仍按照一般情况下的逻辑关系对其赋权，则可能会影响结果的精确度。

四、高频数据在宏观经济预测分析中的实践及困境

（一）高频数据在宏观经济预测分析中的地方实践

近年来，鉴于高频数据在地区宏观经济运行分析中的重要价值，地方政府积极利用高频数据开展宏观经济运行分析，主要体现在三个方面。

一是各地积极开发利用国有单位产生的数据，创新构建经济分析指标体系。在国有单位生产的高频数据中，随着电力和税务大数据平台的建立，凭借其在各行各业生产经营活动中的重要地位，各地积极借助电力和税务相关数据开展经济形势分析。电力方面，例如河南省工业和信息化厅构造规上工业企业用电指数，其覆盖规上和小微工业企业，并由用电增长、用电活跃、用电预期三个子指数组成，每月5日前可发布各个行业和地市的上月数据，实现对全省经济形势提前展开多维度分析。除河南之外，浙江、福建、山西和湖北等地也借助电力数据分别开展“稳产保供”“复工达产”“景气度”等方面的研究。税务方面，税务总局基于增值税发票数据开展大宗商品价格监测、消费、投资、省际贸易流向等专题研究以及各行业经济运行情况方面的深入研究。同时，基于新设、注销企业户数等数据研究涉税市场主体活跃程度。江苏省、陕西省、上海市、福建省、河北省、湖北省、天津市也借助税务数据分别开展农房改善情况、煤电企业生产经营、长三角一体化、专精特新企业发展情况、冰雪产业、经济高质量发展、复工复产等方面的研究，从不同视角切入经济体，丰富了经济分析的维度。四川省协调五部门联合挂牌成立税电指数办公室，运用税收和电力大数据构建税电指数，对企业在购买、生产及销售环节活动中微观数据进行整合加工，相关指标可以支持次日更新和用于各类领域的专题研究，极大地促进了经济分析的时效性和丰富性。浙江、江西、吉林、辽宁、内蒙古等地随后也将这一指标作为研判当地经济运行的“晴雨表”。

二是各地大力建设宏观经济大数据分析平台，加速智能化和信息化建设。党的十八大以来，浙江、河南、吉林、河北、重庆、海南、湖北等多地建立了宏观经济大数据分析平台。例如在浙江省委、省政府统一部署下，浙江省发展改革委推出浙江经济调节e本账应用，其中预警信号灯和月晾晒功能实现了智能分析高频数据周增速环比变化情况，以柱状图和“五色图”综合晾晒全省稳进提质八大攻坚成果，实现了可视化分析，推动形成了全省争先创优的氛围。

三是通过外部合作和购买，积极寻求市场数据。例如银联线下消费数据、三一重工综合机械指数、美团消费数据等市场层面的数据。其中银联线下消费数据使用较广，江苏、浙江、湖北、上海等地实现了对消费领域的领先分析。除此之外，国家层面使用的市场高频数据较多，覆盖投资、建筑业、消费、工业、消费、小微企业、出口等多个领域，但大部分缺乏省级层面的数据，通常需要相似数据进行替代。

此外，各地将构建宏观经济运行类的大数据平台列入重大改革项目以及积极开发利用国有单位和市场机构产生的数据，在经济趋势预测、风险监管等方面均取得了较好成效。但尚未充分加工利用国有单位产生的数据，数据挖掘和指标体系的完善还需进一步深入，各地之间也存在互相学习的空间。同时各地推进进度不一，相较于浙江等先进地区，部分地方省份在跨单位跨部门数据互联互通状况以及时效性等方面存在差距。此外，各地在平台建设方面的数字化和智能化水平仍有一定的进步空间。

（二）高频数据在实际应用中的现实困境

就目前地方政府开展的应用实践而言，数据处理分析并不复杂，主要以增加分析维度为主，取得了显著的成绩。然而，除部分地区用于建设完善数字化平台的资金不足以及人力资源紧张外，目前仍缺乏实用的可供地方层面学习使用的方法理论。同时数据鸿沟依然是最大的阻碍。

一是数据采集困难，存在数据鸿沟。目前在数据互通汇总中，顶层设计不够完善（29），体制机制不畅（30），仍然存在较多的阻碍。主要表现为五点：一是缺乏激励机制，存在本位主义（31），条块分割和科层体制下不同部门、单位之间互通数据积极性不高，存在明显的纵强横弱现象；二是时效性不足，不同部门单位之间即使数据互看，但往往相对滞后，不能满足及时使用的要求；三是数据质量不佳，不同来源数据格式并未建立统一标准，存在美化数据现象，需要进行手动换算；四是人力资源不足，收集数据过程较为繁杂，缺乏负责手动收集数据和处理计算机自动收集数据的人力；五是政企合作存在数据泄露和滥用的风险，且政企合作开发利用数据推进缓慢。

二是可供地方政府层面学习使用的方法理论较为缺乏。一方面，目前许多针对宏观经济数据处理和分析的方法多为全国层面服务，地方政府因缺乏地方层面数据和受人力财力约束等，难以直接借鉴使用；另一方面，在宏观经济以及金融层面，许多研究对预测结果的评价指标略有欠缺，易对其实用性产生过高预期，实际上对地方政府实用性不强。例如许多机器学习的相关研究虽然与统计分析法等方法对比，显示出其模型精确度更高且对预测工作产生了实际作用，但整体精确度并不高。例如闫政旭通过Pearson-随机森林模型在对上证指数进行预测时，给出其MSE值为415.879，优于其他几类模型结果。（32）但作者通过换算得出其与实际波动幅度误差约在0.7%左右，大于期间多个上证指数的单日涨跌幅。同时，通过观察其给出的比较图，估算出其对上证指数次日涨跌判断的正确率不足50%。不同的指标对正负的判断要求等级不同，对误差范围要求也不同。例如，资产价格的涨跌将决定是否能买入，不能仅用绝对值判断预测结果好坏；预测误差0.5个百分点，对于长期稳定在5%左右的指标和在-2%和3%之间波动的指标意义完全不一样。此外，在政府有形的手干预下，诸多重要的传统经济指标往往会朝设定目标靠近，且波动范围往往并不大，其对预测误差范围的要求则更高。因此需要结合实际应用对模型预测结果进行评价。

三是人力资源不足，难以结合不同维度数据对经济形势展开系统且全面的分析。虽然地方政府相关工作人员普遍综合素质较高，但是人数总量较少，同时还得承担其他综合类工作。尤其是部分宏观经济运行大数据平台建设较为落后的地区，相关工作人员需要投入大量时间进行数据采集和初步处理。结合不同维度数据对经济形势展开研究分析，对相关工作人员的工作经验和时间要求较高。因此，受人力物力不足的约束，难以快速积累工作经验和保证充足的工作时间。与此同时，地方政府相关工作人员学科背景多以社会科学等为主，深入学习应用统计学和计算机科学领域的分析方法存在较大的困难。

五、基于高频数据的宏观经济运行调控机制

（一）常规调度与基于高频数据的调度

对于常规宏观经济运行分析和调度的程序，首先根据对当地经济运行情况，识别经济运行的风险和亮点，然后研究对应的政策工具，随后调度这些政策工具，并根据结果进行反馈调整。借助高频数据，提高了经济运行分析与调度的时效性、丰富性和精确性。然而，发挥不同作用的高频数据存在不同的特征，其对应的调度工作也需要分类讨论。

一是对于能够提高经济运行分析与调度的丰富性和精确性的高频数据，通过其可以从不同视角观测到不同领域、不同行业、不同产业的生产经营情况，以及研判更细致的经济活动。借助这类高频数据对当地经济运行情况进行分析，能够更细致和准确地识别经济运行的风险点和亮点，从而研究出相应的政策工具，进而在调度层面实现调度颗粒度更细和更具有针对性的政策，最后再根据结果进行反馈调整。这类分析和调度结果往往较好，调度工作面临的主要问题则是对行政能力的消耗，增加了政府工作人员的工作强度和工作压力。

二是对于能够提高时效性的高频数据，其为减少政策时滞作出了较大贡献。政策时滞对宏观经济运行的分析和调度工作产生了较大影响（33），政策时滞的缘由较广，包括政策在不同经济部门传导方式和速度不同等原因。（34）借助这类高频数据对当地经济运行情况进行分析，能够更及时的发现经济波动的趋势以及识别经济运行的风险点和亮点，从而更及时的研究政策工具，在调度层面可以选择更合适的调度政策，再根据结果进行反馈调整。但这一流程存在一个较大的难题，即由于预测本身可能具有一定的误差，预测结果可能并不准确，地方政府根据不准确的预测分析进行调度可能会造成糟糕的结果，这是相关技术尚未在地方政府广泛推广和使用的重要原因。目前关于在宏观经济预测可能不准确的条件下，政府如何开展调度工作的学术研究几乎处于空白。

（二）基于提高时效性的调度

对于主要提高时效性的高频数据，除了需要进一步提高基于高频数据的地区宏观经济预测分析能力外，还需要解决在预测结果并不十分精准的条件下如何根据预测结果进行调度的问题。基于此，主要面临两个问题：一是由于可能错误的预判导致的调度，地方政府出于避责，不予或放缓基于高频数据进行宏观经济运行分析和调度；二是假设通过预判结果进行调度后避免了宏观经济问题的发生，应该如何认定是预判调度发挥了作用。这对相关工作人员的激励机制建设尤为重要。为此，在这一前提下地方政府如何开展调度工作，本文从两个角度进行了初步探讨。

一是以处理政策内在时滞为中心。基于高频数据进行宏观经济运行分析，能够提前发现经济运行中的潜在问题，相较于利用传统的宏观经济指标开展分析调度，为政府增加了更多的时间。以处理政策内在时滞为中心，侧重于发现问题和研究制定相关政策，是基于高频数据进行宏观经济运行分析。同时，在深入研判后根据分析结果提前研究对应的政策，待传统经济统计指标显现出类似的问题后，地方政府可以迅速出台对应的政策予以应对。虽然这一原则较为保守，但是避免了根据可能不准确的预测结果进行调度所带来的问题。此外，也可以通过传统经济统计指标与预测结果进行对比，从而对相关工作人员形成一定的激励作用。

二是以处理政策外在时滞为中心。待到传统经济统计指标反映出问题，即使已经提前研究出政策工具，此时再进行调度可能已经为时已晚。以处理政策外在时滞为中心，侧重于提前调度，是根据预判结果提前发现问题后随即进行调度。为了减少由于预测结果可能不准确所带来的负面影响，本文首先根据已有研究成果尝试提出两条调度方式，分别是“走试点”和“找对照”。其中，“走试点”属于折中处理方案，地方政府可以在通过预判发现经济问题并研究出应对政策后在所辖部分区域进行提前调度；“找对照”则是按照双重差分的思想，找到与试点区域或者所辖区域经济形势类似的其他区域。（35）当类似的其他区域出现问题，而试点区域由于提前调度而避免了问题发生时，则可以认定为预判调度发挥了作用。其次，由于调度多为扩张性政策，而扩张性政策无论能促进短期经济发展。同时，调度政策本身也需要一定的成本。例如消耗行政资源和透支未来政策空间等。因此，在考核预判准确率的同时，应综合衡量期间各类调度政策的成本与收益，在此基础上形成对相关工作人员的激励机制。

六、研究结论与建议

高频数据是一个相对概念。因此，从实际应用出发，本文认为更新频次高于或领先于统计局公布的传统统计指标的数据即可统一视为地区宏观经济领域的高频数据。首先，基于高频数据的特殊性，运用高频数据对经济运行分析和调度可以提高其时效性、丰富性和精确性等。然后，本文重点探究了高频数据在地区宏观经济预测分析中的理论逻辑和实现机制，为地方政府基于高频数据开展宏观经济分析提供了理论依据，以及为包括机器学习、统计分析等研究方法的改进指出了方向。与此同时，国内各地方政府开展了广泛的实践，制定了一些经济分析指标体系和推动建设宏观经济大数据分析平台。整体而言，目前国内地方政府利用各类高频数据展开经济形势分析时，并未进行较复杂的加工处理，而是侧重于实现对经济运行的多维度把握。同时，数字化分析平台技术层面并不算特别先进，主要通过一些程序实现了自动化处理和可视化展示功能，仍存在一些现实困境。此外，研究指出了除部分地区用于建设完善数字化平台的资金不足以及人力资源紧张外，目前缺乏实用的可供地方层面学习使用的方法理论，而数据鸿沟依然是最大的阻碍。其次，对于基于高频数据的宏观经济运行的调度，由于预测工作本身所具有的误差性，本文初步探讨了在预测分析可能不准确的前提下以处理政策内在时滞为中心和以处理政策外在时滞为中心两个方面的调度工作。

与此同时，针对当前现状提出以下政策建议：一是优化经济数据归集汇总机制，提高数据质量。完善的汇总协调机制和数据质量控制机制不仅可以提高当前经济分析工作的效率，更是建设好地方宏观经济数字化分析平台的关键一步。应大力推进跨部门、跨地区、跨层级业务数据的汇集和共享，形成有效的数据统筹管理调度体系。二是强化对政府内部高频数据的分析，探索使用市场高频数据，以增加数据分析的维度为中心，深化研究各类高频数据与分析预测对象之间的成分性，重点把握其结构性，从而更好地把握经济增长和波动的真正趋势和实现政策精细化调度。三是完善经济运行分析和调度大数据处理平台，争取早日实现对地方经济运行态势的动态预警，灵敏捕捉与即时感知。四是强化对前瞻性高频指标的研判，进一步充实专业力量。同时，合理看待通过高频指标研判所得出的结论偏离实际的情形，综合衡量根据预测结果开展各类调度政策的成本与收益，在此基础上为相关工作人员建立良好的激励机制。五是地方政府应从政策和经济等方面予以一定的支持，为经济分析和调度工作赋予更多的财权和事权。

注释：

（1） 张永安、颜斌斌：《一种股票市场的深度学习复合预测模型》，《计算机科学》2020年第11期。

（2）（11） 刘广应、包悦妍、林金官：《基于金融高频数据的LASSO-CDRD协方差矩阵预测模型》，《统计研究》2022年第9期。

（3） 陶利斌、邹洋、潘婉彬：《期权市场价格发现能力的决定因素研究——基于上证50ETF期权高频数据的实证分析》，《投资研究》2022年第7期。

（4） 吴崇林、刘杰、李志冰等：《开盘价操纵与定价效率——基于高频数据的开盘价操纵识别模型》，《经济学报》2021年第4期。

（5） 《基于大数据的宏观经济现时预测理论与方法研究》，《复旦学报》（社会科学版）2021年第5期。

（6） 王建冬、于施洋：《构建国家经济大脑的实践探索与初步设想》，《数据分析与知识发现》2020年第7期。

（7）（27） 闫春、程悦、孙晓红：《基于卷积神经网络和支持向量机的宏观经济监测预警模型及应用》，《统计与决策》2021年第14期。

（8）（28） 梁龙跃，陈玉霞：《基于深度学习神经网络的季度GDP预测》，《统计与决策》2023年第2期。

（9）（20） 戎天：《大数据技术在经济运行监测分析中的应用》，《中国经贸导刊》（中）2020年第4期。

（10） 燕佳静、袁小乐、李新华等：《大数据应用于江西宏观经济监测分析的探索思考》，《信息系统工程》2020年第1期。

（12） 朱菲菲、李惠璇、徐建国等：《短期羊群行为的影响因素与价格效应——基于高频数据的实证检验》，《金融研究》2019年第7期。

（13） 刘汉、刘金全：《中国宏观经济总量的实时预报与短期预测——基于混频数据预测模型的实证研究》，《经济研究》2011年第3期。

（14）（21） 李正辉、郑玉航：《基于混频数据模型的中国经济周期区制监测研究》，《统计研究》2015年第1期。

（15） 张涛、刘宽斌：《“大数据”在宏观经济预测分析中的应用》，《财经智库》2018年第3期。

（16） Shaar Karam， Khaled Mohammed， Why You Should Use High Frequency Data to Test the Impact of Exchange Rate on Trade， Applied Economics Letters， 2018， 25（18）， pp.1292-1295.

（17） 陈龙、王建冬、窦悦：《基于互联网大数据的宏观经济监测预测研究：理论与方法》，《电子政务》2016年第1期。

（18）（23） 李俊珅、薛广涛、黄建军等：《税收大数据服务经济分析的应用研究——以税收经济发展指数的构建和应用为例》，《税务研究》2022年第9期。

（19） 郑挺国、曹伟伟、王霞：《基于混频数据的日度经济不确定性测度及其应用》，《统计研究》2023年第1期。

（22） 于扬、房奕彤、王维国：《混合频率FA-MIDAS类模型构建及其应用》，《统计与决策》2022年第21期。

（24） 黄恒君、高海燕、韩君：《一种基于机器学习的宏观经济数据融合方法》，《统计研究》2022年第5期。

（25） Yasir Muhammad， Durrani Mehr Yahya， Afzal Sitara， et al.， An Intelligent Event-Sentiment-Based Daily Foreign Exchange Rate Forecasting System， Applied Sciences， 2019， 15（9）， p.2980.

（26） Madera Martin， Marcek Dusan， Intelligence in Finance and Economics for Predicting High-Frequency Data， Mathematics， 2023， 11（2）， p.454.

（29） 王孟嘉：《数字政府建设的价值、困境与出路》，《改革》2021年第4期。

（30） 王伟玲：《加快实施数字政府战略：现实困境与破解路径》，《电子政务》2019年第12期。

（31） 刘祺：《当代中国数字政府建设的梗阻问题与整体协同策略》，《福建师范大学学报》（哲学社会科学版）2020年第3期。

（32） 闫政旭、秦超、宋刚：《基于Pearson特征选择的随机森林模型股票价格预测》，《计算机工程与应用》2021年第15期。

（33） Rajpal Akanksha， Bhatia Sumit Kaur， Kumar Praveen， Impact of Fiscal Policy Delays on the System Dynamics of IS-LM Model： A Mathematical Model Approach， Results in Control and Optimization， 2023， 1（10）， p.100196.

（34） 秦喆：《我国货币政策时滞对资产价格的影响》，浙江大学2019年硕士学位论文。

（35） 陈林、伍海军：《国内双重差分法的研究现状与潜在问题》，《数量经济技术经济研究》2015年第7期。

作者简介：夏梁，湖北省社会科学院经济研究所副研究员，湖北武汉，430077；张钰林，湖北省社会科学院经济研究所，湖北武汉，430077。

（责任编辑 赵 亮）