大数据与大数据经济
科学网—大数据与大数据经济学- 俞立平的博文
2013-08-29 11:01:41| 分类：默认分类|举报|字号订阅
本文发表于《中国软科学》2013年7期。
摘要：本文从大数据的发展现状分析入手，讨论了大数据对传统经济学的挑战，首次提出大数据经济学的概念。认为大数据经济学包括大数据计量经济学、大数据统计学和大数据领域经济学，并分析了大数据经济学与信息经济学、信息技术等相关学科的关系，最后对大数据经济学发展前景进行了展望，认为大数据经济学不仅将理论科学、实验科学、复杂现象模拟统一在一起，而且将自然科学和社会科学统一在一起，将理论研究与实践应用实时地统一在一起，大数据经济学具有“智能经济学”的特点。
关键词：大数据大数据经济学大数据计量经济学大数据统计学
1引言
2012年，Twitter上每天发布超过4亿条微博，Facebook上每天更新的照片超过1000万张，Farecast公司用将近10万亿条价格记录来预测机票价格，准确率高达75％，采用该系统购票，平均每张机票可节省50美元。Gartner预测未来5年全球大数据将会增加8倍，其中80%是非结构化数据。2013年世界上存储的数据将达到1.2ZB（1ZB=1024EB，1EB=1024PB，1PB=1024TB，1TB=1024GB），如果将这些数据刻录到CDR只读光盘上，并堆起来，其高度将是地球到月球距离的5倍。2011年，麦肯锡公司对全世界大数据的分布作了一个研究和统计，中国2010年新增的数据量约为250PB，而欧洲约为2000PB，美国约为3500PB，大数据已经深深地充斥了人类经济社会的许多角落。
著名未来学家阿尔文·托夫勒（1980）[1]很早就在其经典著作《第三次浪潮》中，将大数据热情地赞誉为“第三次浪潮的华彩乐章”，但是大数据成为高频词是最近一两年的事情。随着社交网络、物联网、云计算的兴起，数据规模越来越大，2011年5月，全球知名咨询公司麦肯锡（Mckinsey and Company）发布了《大数据：创新、竞争和生产力的下一个前沿领域》[2]报告，标志着“大数据”时代的到来，指出“数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们
对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来”。2012年世界经济论坛发布了《大数据、大影响》[3]的报告，从金融服务、健康、教育、农业、医疗等多个领域阐述了大数据给世界经济社会发展带来的机会。2012年3月，奥巴马政府发布《大数据研究和发展倡议》[4]，投资2.5亿美元，正式启动大数据发展计划，计划在科学研究、环境、生物医学等领域寻求突破。据Gartner公司2012年8月发布的技术发展生命周期[5]趋势图（图1），大数据不到两年时间内成为新技术发展的热点。一时间大数据蜂拥袭来，那么什么是大数据？大数据对传统经济学会带来哪些冲击？传统经济学应该如何面对大数据带来的挑战？
对于什么是大数据，目前业界并没有公认的说法。Dumbill（2012）[6]采用IBM公司的观点，认为大数据具有“3V”特点，即规模性（Volume）、多样性（Variety）、实时性（Velocity）。以 IDC 为代表的业界认为大数据具备“4V”特点，即在3V的基础上增加价值性（value）。NetApp公司[7]认为大数据应包括 A、B、C 三大要素，即分析（Analytic）、带宽（Bandwidth）和内容（Content）。所谓大分析（BigAnalytics），指通过对大数据进行实时分析后带来新的业务模式，帮助用户获得洞见，从而更好进行客户服务；高带宽（Big Bandwidth）指快速有效地消化和处理大数据；大内容（Big Content）一方面指大数据包括结构化、半结构化数据与非机构化数据，另一方面则是指对数据的存储扩展要求极高，能轻松实现数据的恢复、备份、复制与安全管理。Gartner认为，大数据需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
图1 Gartner新技术生命周期
大数据是工业传感器、互联网、移动数码等固定和移动设备产生的结构化数据、半结构化数据与非结构化数据的总和，大数据重在实时的处理与应用，以获得所需要的信息和知识，从而实现商业价值以及为公共管理服务，数据挖掘和人工智能等应用工具在大数据处理中发挥着重要作用，现代信息技术是大数据赖以存在和发展的重要支撑力量。
2大数据给经济学带来的影响
Victor（2012）[8]在其最新著作《大数据时代——生活、工作与思维的大变革》中指出，大数据时代，思维方式要发生3个变革：第一，要分析与事物相关的所有数据，而不是依靠分析少量数据样本；要总体，不要样本。第二，要乐于接受数据的
纷繁复杂，而不再追求精确性。第三，不再探求难以捉摸的因果关系，应该更加注重相关关系。杨华磊（2013）[9]分析了高频数据对传统经济学研究范式的冲击，出现了“非主流经济学就是致力研究异常现象的经济学”，当然高频数据与大数据不是一回事，两者之间存在交集。那么，大数据给经济学带来了哪些影响呢？
2.1大数据研究对象变成了总体
传统经济学研究中，由于搜集数据的条件所限，人们往往对数据进行抽样，用少量样本来进行研究，这一传统一直延续至今，并且成为经济学研究的主流做法，但是抽样的质量对研究结果影响很大，比如公众对政府统计部门公布的物价指数和基尼系数引发的怀疑。在大数据时代，很多场合下已经无需进行针对样本的研究，直接将总体作为研究对象，从而很大程度上改变了数据来源方式，对数据的处理也产生了深远的影响。
2.2大数据不需要基于假设检验的研究
传统的经济学研究，往往根据研究内容提出数个假设，然后再采用数学模型基于统计检验来验证假设。但在大数据时代，由于有足够的变量、足够的数据，可以采用人工智能来进行数据挖掘和知识发现，得到的结论是成百上千的，和传统经济学研究需要验证假设的数量永远不是一个数量级。在大数据时代，如果继续采用传统的假设检验方法进行研究，永远是不充分的、不完备的、无法满足需要的。大数据时代重在对数据处理的多样化结果进行分析，可以是基于经济学的，也可以是基于应用的，从而辅助人们决策。
此外，由于变量的完备性要求使得传统的基于假设验证的研究有时变得十分尴尬。比如，研究研发投入对企业绩效的影响，需要考虑的不仅仅是研发投入，还要考虑企业资本结构、竞争水平、人员素质、行业特点、管理能力等诸多因素，研究者重点关注的是研发投入的弹性系数，但却得到了其他所有数十个变量的弹性系数，从而使研究重心不容易掌握。
2.3大数据使得因果关系变得不太重要
传统经济学是一门解释科学，重在对经济现象的解释，了解他们的因果关系，但在大数据时代，这样做是远远不够的，大数据甚至可以发现事物发展潜在的规律，以供经济学家解释，具有一定的“智能性”，某种程度上超越了经济学研究的因果关系。
大数据并没有改变因果关系，但是使传统经济学的因果关系变得不太重要。比如经济学家在预测房价时，无非是根据住房价格变化的影响因素来进行分析，比如经济发展水平、人均收入、土地价格、宏观房产政策、地点等因素。但谷歌预测房价时，根据住房搜索查询量变化进行预测，结果比不动产经济学家的预测更为准确及时。IBM日本公司，通过检索关键词“新订单”、“雇员”、“生产”等来预测采购经理人指数，仅用6小时就得出结果，并且和专业的采购人指数分析师们计算的结果基本一致。大数据并没有改变因果关系，但使因果关系变得意义不大，很多时候因果关系成为“正确的废话”。
2.4传统的因果关系有时无法验证
弄清事物之间的内在联系和作用机制，一直是传统经济学研究的核心。但有时因果关系是没有办法验证的。比如新产品上市，人们往往倾向于购买新产品，这样对旧产品的需求会下降，那么旧产品价格应该立即回落，这是其一。从另外一个角度，如果大家都认识到这一点，就会贪便宜购买旧产品，短期内会造成旧产品供不应求，反而导致旧产品涨价。究竟是涨是跌，要看这两种因素谁弱谁强，采用传统经济学研究方法是难以验证这两种效应的，只能验证两种效应作用的综合结果。
实际情况是，在大数据时代，西雅图https://www.360docs.net/doc/fd12727085.html,g公司分析了近400万商品的超过250亿条价格信息，发现新产品上市时，短期内旧产品价格是上涨的，过一段时间才逐步回落。采用大数据，既可以知道多少人购买旧产品，也能知道多少人购买新产品，以及旧产品价格变化的规律。在这种情况下，我们知道所有的因果关系，却难以检验，并且没有意义，知道结果更重要。
2.5传统经济学研究具有滞后性
传统经济学对于新生事物是不敏感的，必须等事情发生并且成长到一定规模以后才能搜集到足够数据进行相关研究。在大数据时代，可以通过海量数据对经济行为进行分析，一旦有新情况、新动态立即予以关注，从而实现对新生事物的早期干预和分析，因此具有前瞻性。大数据本身就具有智能，可以辅助经济学发现知识。
2.6大数据对基于统计检验的计量经济学冲击很大
建立在回归和统计检验基础上的计量经济学以其严谨的逻辑成为经济学研究的重要方法论，迄今为止，诺贝尔经济学奖获得者有近半数是计量经济学家，但大数据动摇了这一根基，比如采用普通回归研究自变量X于因变量Y的关系，对于X回归系数采用t检验，一般认为相伴概率小于0.05（特殊情况可以放大到0.1）就说明两
变量相关。其实在这种情况下，犯两变量不相关错误的可能性是5%，以CNNIC发布的《第31次中国互联网络发展状况统计报告》[10]为例，2012年底我国网民数量达5.64亿人，假设我们研究网民平均受教育年限（X）与上网时长（Y）的关系，5%就是2820万人，此时我们还能漠视这5%的错误吗？同样，如果t检验的相伴概率为0.95，那么很明显说明平均受教育年限与上网时长不相关，但同样会犯错误，即有5%的可能性平均受教育年限（X）与上网时长（Y）是相关的，会涉及2820万网民，这同样是不能忽视的。
2.7大数据对经济学建模提出挑战
传统的经济学研究，往往采用1个或少数几个数学模型来进行研究，但任何模型都各有长处，也各有其局限，没有包治百病万能的数学模型。比如动态面板容易使投入变量的弹性系数估计变小，空间面板容易出现空间矩阵设置方法不当导致结果偏误，面板变系数模型难以和空间面板结合使用，面板联立方程模型对方程形式的要求极高，面板向量自回归模型难以和空间面板融合等等。在研究同一问题时，可用模型其实较多，有没有最佳模型呢？这恐怕是个无解的问题。实际情况是，迄今为止传统经济学研究得出的结论，至多只能说明采用甲模型的结论，并不具有普适性，换个乙模型结论可能立即就变了，其实研究结论是脆弱的。
此外，在研究同一个问题时，即使采用同一模型，由于模型的变量选择、估计的方法、参数设置、滞后期选择等不同，也会导致估计结果相差很大。
在大数据时代，借助云计算和分布式处理等现代信息技术，往往可以采用成百上千的模型来进行研究。Google公司在预测2009年美国甲型H1N1流感爆发时间时，把5000万条美国人常用的检索词条和美国疾控中心2003～2008年期间季节性流感传播数据进行比较，希望通过搜索记录判断这些人是否得了流感，先后共采用了4.5亿个不同的数学模型，预测结果和官方数据的一致率高达97%，但比官方节省了两周时间，从而为政府采取相关措施赢得了宝贵的时间。
在传统经济学研究中，由于研究对象错综复杂，直接影响与间接影响因素众多，变量的完备性被认为是不可能的事情，往往只能选取少数变量来进行研究，达到一个相对满意的结果。在大数据时代，我们可以获取越来越多的变量，从而使遗失变量的可能性降到最低，这样在研究中由原来的数个变量可能会变成数十个甚至成百上千的变量，在这样的情况下，对原有的建模技术就带来了巨大挑战，对计量经济学的发展将会产生深远影响。
2.8大数据给经济学研究工具和手段发生变化
传统经济学研究，一个团队，数台电脑，几个软件就能进行像样的研究，很少有运算需要动用大中型服务器的，但在大数据时代，经济学研究发生了巨大的变化，在人员组成上，不光要有经济学家和领域专家，还要有大数据维护专家、大数据建模专家；在计算工具上，需要广泛借助云计算，几台电脑根本解决不了问题；从合作关系上，需要广泛与政府、大数据拥有者、云计算服务商等合作，不然难以进行研究。大数据时代，经济学研究必须依靠跨学科团队，传统的少数几个学者就能进行研究的模式已经难以为继。
2.9大数据彻底改变了传统的统计调查方式
大数据彻底改变了传统的统计调查方式，比如对于经济指数、物价指数的计算，完全可以采用全新的模式，彻底摒弃传统方式。对于统计学中的异常点，以往的处理方式往往是丢弃，或者是平滑，在大数据时代，由于样本众多，异常点成为宝贵的资源和研究对象广受重视。传统的统计数据是经过加工后的结构化的数据，在大数据时代，人们更加重视原始数据和非结构化数据，因为如果统计数据已经经过加工，那就变成了二手数据，如果一手数据加工过程出现问题必然导致后续处理出现误差。此外，大数据还使间隔时间较短的高频数据研究成为可能。
3大数据经济学
3.1大数据经济学的定义与研究内容
考虑到大数据给传统经济学带来的巨大冲击和影响，迫切需要对此进行研究，斯坦福大学的教授、沃尔玛全球电子商务的高级副总裁、WalmartLabs的共同创立者AnandRajaraman（2012）[11]发明了一个新词Econinformatics，指将计算机科学和信息技术应用于经济学领域，特别指应用于大数据的经济分析。由于该词和Information Economics的意义相近，翻译成中文后更容易混淆，加上其和Ecoinformatics（生态）相近，因此并不是一个好的名词。本文提出大数据经济学（Big Data Economics或Economics of BigData），给出如下定义：
大数据经济学是在经济学研究和应用中采用大数据并且采用大数据思想对传统经济学进行深化的新兴交叉学科。大数据经济学不仅要研究如何建模、管理和应用大数据，而且要深入研究传统经济学如何应对大数据带来的挑战并进行改良，大数据经济学需要经济学家、领域专家和信息技术专家等密切合作，对人文社科与自然科学的跨学科研究提出了更高的要求，并且对整个经济学、社会学、公共管理等将带来革命性变革。大数据经济学的研究内容包括：
第一，大数据计量经济学（Big Data Econometrics）。这是和传统计量经济学对应的一个学科，也是大数据经济学下面的子学科。在大数据背景下，经济学建模与分析方法与传统计量经济学完全不同，迫切需要采用全新的思路和方法进行研究。对信息技术专家们而言，大数据经济学仅仅是算法和建模问题，但是如果没有经济学理论指导，没有经济学家的思维，必然会导致研究方向的迷失。一些大数据领域的学者认为“要相关，不要因果”，这是非常要不得的，传统经济学理论至今仍然到处闪烁着智慧的光芒，对经济现象的深入见解时刻发挥着重要的作用，所以大数据背景下的经济学分析不能主要靠信息技术的建模专家来进行，必须继续依靠大数据计量经济学家。
第二，大数据统计学（Big Data Statistics）。如前所述，大数据给统计学带来的挑战是革命性的，在某些领域，传统统计学所采用的抽样调查方式必将彻底淘汰。此外，传统统计学所要求的精确数据与数据加工方式可能是画蛇添足甚至败笔之举，人们更加重视对一手数据而不是经过加工过的二手统计数据进行分析。大数据时代，人们更加关注原始数据、关注半结构化甚至非结构化数据，浏览记录、查询关键词、微薄文字、照片等等都是宝贵的数据资源。在大数据时代，传统统计学也必须进行变革，对数据储存手段、处理设备、处理方法都提出了新的要求。
第三，大数据领域经济学。包括大数据生态经济学、大数据环境经济学、大数据金融学、大数据城市经济学、大数据工业经济学、大数据农业经济学、大数据交通经济学、大数据建筑经济学、大数据商业经济学、大数据信息经济学、大数据人口经济学等学科，借用大数据的思想和技术来进行各应用经济领域的研究。
在以上大数据经济学的各学科中，大数据统计学是基础，大数据计量经济学是研究方法，而大数据领域经济学是具体的运用，他们之间存在着密切的共生关系。
大数据由于是基于总体的，很大程度上解决了传统宏观经济学与微观经济学缺乏较强逻辑联系的问题，此外大数据对传统计量经济学带来的一个有益之处就是，结构化的大数据更加接近正态分布，这样就降低了小样本假设检验失效问题。
3.2大数据经济学与传统经济学的关系
大数据经济学刚刚提出，现在讨论其与其他学科的关系也许为时尚早。大数据经济学与与传统经济学是一种互补共存关系，在大数据经济学诞生之初，由于大数据经济学理论和技术尚不成熟，虽然大数据经济学发展很快，但仍然以传统经济学为主，随着大数据经济学的发展，两者会达到某种均衡。毕竟，大数据不能解决所有的经济学问题，一些研究仍然无法获得大数据，需要采用传统经济学解决的问题留待传统经济学解决，需要大数据经济学解决的问题由大数据经济学解决。
3.3大数据经济学与信息经济学的关系
大数据是现代信息技术高速发展的产物，因此必须研究大数据经济学与信息经济学的关系。传统信息经济学（Information Economics）包括两个部分：宏观信息经济学与微观信息经济学，严格意义上讲，这两者并没有必然的关系。Machlup（1962）[12]和Porat（1977）[13]是宏观信息经济学的创始人，又称为情报经济学、信息产业经济学，主要从产业经济学角度研究信息这一特殊商品的生产、流通、利用以及经济效益的一门新兴学科，研究视角集中在信息化与产业经济学，是经济学的重要分支。
Stigler（1961）[14]和Arrow（1972）[15]是微观信息经济学的创始人，又称为理论信息经济学，研究不对称信息理论、信息商品的分析、信息成本和价格、信息市场分析、信息搜寻理论等，提出用不完全信息理论来修正传统的市场模型中信息完全对称的假设，又称契约理论或机制设计理论。
大数据产业自身发展的经济学问题仍然属于信息经济学的范畴，不属于大数据经济学。随着大数据的迅猛发展，据世界经济论坛预测，大数据会为全球带来 440 万个 IT 岗位，其中 190 万个在美国，另外每一个大数据的岗位会催生 3 个非 IT 就业岗位，也就是说未来会推动美国产生 600 万个就业岗位，这类问题就是信息经济学的研究范畴。
3.4大数据经济学与信息技术及其他相关学科的关系
毋庸置疑，大数据经济学离不开现代信息技术，是现代信息技术发展到大规模计算与存储阶段的必然结果，甚至在信息技术专家眼里，大数据仅仅是一种技术。但是大数据经济学更是一种思想，只不过现代信息技术使这种思想成为可能。大数据经济学必须以现代信息技术为基石，重在研究其在经济学领域中的应用，因此大数据经济学是一个学科跨度很大的学科，包括经济学、管理工程、统计学、信息技术、情报学、心理学等相关学科。
4大数据经济学发展展望
本文首次提出大数据经济学的概念，大数据经济学将是21世纪经济学的重大进展之一。它是随着大数据在人类经济社会中的应用而产生的，目前尚处于萌芽阶段，其实践远远超越理论，可以预见的是，不久的将来是大数据经济学的理论建构和高速发展期，借助高度发达的现代信息技术，大数据经济学理论可以随时得到检验和修正，这样一开始大数据经济学就处在一个很高的研究和应用水平上，其发展速度远远高于其他任何新兴学科，这也是现代信息技术对新兴学科的重要贡献之一。
从学科分类上，目前的经济学包括理论经济学与应用经济学两个一级学科，可以预计的是，随着大数据经济学的日益发展与成熟，大数据经济学将成为和理论经济学与应用经济学并列的一级学科，是经济学一级学科中的“小弟弟”。
图灵奖得主Jim Gray 2007年在美国国家科学研究委员会发表演讲，指出科学研究共经历了4个阶段：数千年前，人类注重采用实验科学来描述自然现象；几百年前，人类注重理论科学；几十年前，人类转向计算科学，模拟复杂现象；而今天，人类进入数据探索阶段，将理论科学、实验科学、复杂现象模拟趋于统一。Jim Gray 的结论主要针对自然科学，对大数据经济学而言，不仅是将理论科学、实验科学、复杂现象模拟统一在一起，而且将自然科学和社会科学统一在一起，将理论研究与实践应用实时地统一在一起，大数据经济学将是智能经济学。
参考文献
[1]阿尔文·托夫勒(AlvinToffler)著,黄明坚译.第三次浪潮[M].北京，中信出版社，2006
[2]Bigdata： Thenext frontier for innovation， competition，and productivity. http://www. https://www.360docs.net/doc/fd12727085.html,/insights/mgi/research/technology_and_innovation/big_data_the_next_frontier_for_innov ation，2013.1.24
[3]BigData, Big Impact: New Possibilities for International Development. http://www.
https://www.360docs.net/doc/fd12727085.html,/reports/big-data-big-impact-new-possibilities-international-development
[4]BigData Across the Federal Government,https://www.360docs.net/doc/fd12727085.html,/sites/default/files/ microsites/ostp/big_data_fact_sheet.pdf,2013.1.24
[5]Gartner's2012 Hype Cycle for Emerging Technologies Identifies "Tipping Point"Technologies That Will Unlock Long-Awaited Technology Scenarios. https://www.360docs.net/doc/fd12727085.html,/newsroom/id/2124315
[6]Edd Dumbill What is big data. https://www.360docs.net/doc/fd12727085.html,/2012/01/what-is-big-data.html,2013.1.24
[7]NetApp.Big Data Solutions for Government.
https://www.360docs.net/doc/fd12727085.html,/us/solutions/industry/government/bigdata.html,2013.1.24
[8]维克托·迈尔·舍恩伯格肯尼斯·库克耶著. 盛杨燕周涛译. 大数据时代——生活、工作与思维的大变革[M]. 杭州，浙江人民出版社，2012
[9]杨华磊. 高频数据对传统经济学研究范式的冲击. https://www.360docs.net/doc/fd12727085.html,/blog-456786-656901.
html,2013.1.24
[10]第31次中国互联网络发展状况统计报告. https://www.360docs.net/doc/fd12727085.html,/hlwfzyj/hlwxzbg/hlwtjbg/
201301/t20130115_38508.htm.2013.1.24
[11]Welcome to Econinformatics: Home of Economics & Big Data.
https://www.360docs.net/doc/fd12727085.html,/blog/2012/01/23/welcome-to-econinformatics-home-of-economics-big-data.
[12]MachlupF. The Production and Distribution of Knowledge in the United States[M]. Princeton UniversityPress, New Jersy,1962
[13]PoratM.U. The information Economy[M]. Washington, DC,Government Printing Office, 1977
[14]G．J．stigler. The economics of information[J]. The journal of politicaleconomy, 1961, 69(3): 213-225
[15]K.J. Arrow The economics of information[M]. Harvard University Press ,1984
中国人民大学经济学院教授韩小明：
我关注大数据是从研究经济学角度来看的，因为经济学有两个命题没有解决，一是信息不完全，所有做得推理和论证都缺失基础，第二个更严重，如果学经济学，宏观经济学和微观经济学是分离的，宏观经济学找不到微观基础，宏观总量怎么样预测呢？现在做宏观预测严格来讲找不到微观基础都在那儿按照统计数据在推，其实统计一个很重要的就是过许的行为，而不是以后的，我们做预测要判断以后的，而以后的行为得出的结果用金殿的数据来说，最准确的可能是1/10就已经不错了，在判断上有问题，大数据的出现，可以填补这两个空白。
第一所有的数据是微观行为，微观行为构成宏观基础，在大数据挖掘里，能够找到归类，找到不同类型，不同组合的人的行为在经济中，这样的合成，再加上计算机的模拟，完全可以得到至少比现在这样判断准确的宏观基础。第二信息不完全的问题，相对来说能得到解决。信息处理的成本和信息收益的比较关系，这么庞大的数据，如果去处理的话，如果成本偏高，就有一点问题了。因为实际信息不完全就是信息成本太高，所以没有穷尽它，信息成本相对比较低，才有可能更多的获取它，大数据既提供了这两个方面的支持，又提出了一个问题，就是成本问题。但是这里还有一个，信息实际上有真伪两个方面，我们现在做问卷调查实际上是很简单
的信息收集过程，有很多是虚假信息，设计了一整套排出虚假信息的方法，那是针对问卷里那么简单的数据做的，还不能完全排除，第一信息成本，第二排除虚假信息，来得到真实的信息支持经济学的那两个基础，我想这个肯定是很大的进步。经济学走到尽头了，实际上就是分割使它走到尽头了，更多的期望于计算技术的发展提供数据的支持，提供模拟，这两个东西是所有经济学模型都解决不了的问题。我觉得前景很好，你们做这件事情真的很重要，我也是非常关注的。
“我喜欢这个话题，我也喜欢你对这个话题的热情。最近关于“大数据”已经有很多的讨论，但我不认为这是一个新的想法。在消费者金融业，人们已经开发了多年的基于大数据的模型，比如按揭贷款违约模型，信用卡模型，信用评分模型，我相信对此你应该很熟悉（我的这个学生有在消费者信用评级社的工作经验）。然而，为什么从大数据估计出来的模型并没有阻止我们进入金融危机？我认为有两个基本原因：
1. 计量经济学模型（或任何基于历史数据的预测模型），都假设在相同条件下，人们会做出相同的行为选择，这通常是正确的。但在模型中没有被捕获的变量（即所谓潜在变量Latent Variable），有可能在某时某地发生改变，从而改变人们的行为。像新的抵押贷款承保指引，人们对拥有自有住房的看法，等等。这种影响是很难单独被“大数据”模型抓获的。
2. 预测不仅需要模型，也需要输入，比如假设：未来的利率如何变化，房价增长率如何？但是在很多时候，没有一个好办法来事先判断假设的合理性。例如，在2007年的时候假设房屋价格将保持长期的4.2%年增长率（当时美国房价已经保持了10年的持续高速增长），当时看上去也许是一个非常合理的假设。但现在回头来看，这个假设不但是完全没有用的，甚至是非常有害的。
我认为这种“大数据”技术的革命性意义在于它可以改变游戏规则：即创造更加公平的竞争环境。在以往的情况下，只有大公司可以收集和使用大的数据，但现在用廉价的存储和云计算能力，小而专的企业也可以参与其中（个人认为，云存储和云计算在未来都会成为普通商品，就如同个人电脑、硬盘、闪存一样，而能够真正发掘出金子的将是那些懂得如何分析大数据、开发预测模型、或者运用模型成功进行市场营销和风险管理的公司）。例如，我的公司现在可以处理和两房（房利美和房地美）几乎同样规模的抵押贷款数据（数以千万计的贷款数据和上亿的交易记录），而我们的模型估计、实施、以及预测可能是更加经济、更为高效的。
尽管如此，我认为你可以继续进行ETF的现金流折现模型的想法。不过，我更感兴趣的是研究风险投资，因为我觉得小公司/初创企业将能够比你提到的ETF的大牌公司更加有效地利用这项技术。让我听听你怎么看。”
昨天，学生回信说他打算试试看怎么分析小企业如何可以运用数据采矿（data mining，即从数据中发现有用信息）技术来发掘商机。而对我来说，能够指导出一篇好的研究论文，那也像挖到了金矿一样令人高兴。
大数据是一个新概念，大数据产生的背景是整个社会走向数字化，特别是社交网络和各种传感设备的发展。大数据分析拥有自身的特点，与计量经济学既有区别又有联系。当前对大数据的分析存在许多流行观点，但其中很多核心观点都值得商榷。
大数据产生的背景是整个社会走向数字化，特别是社交网络和各种传感设备的发展。云计算和搜索引擎的发展，使得对大数据的高效分析成为可能，核心问题是如何在种类繁多、数量庞大的数据中快速获取有价值信息。大数据在社会分析、科学发现和商业决策中的作用越来越大，金融只是其中的一个应用领域。
什么是大数据
大数据是一个新概念，英文中至少有三个名称：大数据（big data）、大尺度数据（big scale data）和大规模数据（massive data），至今未形成统一定义。但一般认为大数据具有四个基本特征（即所谓4V特征）：数据体量庞大（volume）、价值密度低（value, 也有人理解成应用价值巨大）、来源广泛和特征多样（variety）、增长速度快（velocity, 也有人理解成需要高速分析能力）。
从学术角度，对大数据的讨论基本属于数据科学（Data Science）和数据挖掘（Data Mining）的范畴。
大数据的主要类型：第一类是记录数据，即记录的汇集，其中每个记录包含固定的数据字段（或属性）。比如，计量经济学中的横截面数据，文档数据，事务数据或购物篮数据；第二类是基于图形的数据，包括带有数据对象之间联系的数据和具有图形对象的数据，比如网页链接、化合物结构；第三类是有序数据，包括时序数据、序列数据、空间数据。比如，宏观经济指标序列，金融价格序列，基因组序列，词或字母的序列，同一时点上从不同的地理位置收集的气象数据（温度、湿度、气压等）。
大数据分析的主要任务：第一类是预测任务，目标是根据某些属性的值，预测另外一些特定属性的值。被预测的属性一般称为目标变量或因变量，被用来做预测的属性称为解释变量和自变量；第二类是描述任务，目标是导出概括数据中潜在联系的模式，包括相关、趋势、聚类、轨迹和异常等。描述性任务通常是探查性的，常常需要后处理技术来验证和解释结果。具体可分为分类、回归、关联分析、聚类分析、推荐系统、异常检测、链接分析等几种。
大数据分析与计量经济学的差异与联系
大数据分析与计量经济学既有差异又有联系。
两者的差异表现为：第一，两者处理的数据类型不同。计量经济学处理结构型数据，主要包括横截面数据、时间序列数据和面板数据，一般能以excel表格的形式呈现，而且表格的行列都有清晰的经济学含义，有一致统计口径。大数据分析能处理很多非结构型数据，包括文档、视频、图像，一般难以用excel表格的形式呈现。
但这些非结构型数据需要量化后才能分析，在量化中一般伴随着信息损失。
第二，两者分析重点不同。计量经济学分析的重点是假设检验，核心理念与波普的证伪主义非常接近。计量经济学就是通过假设检验，来证伪或支持（注意不是证实）某个经济理论。相比之下，大数据分析更具实用主义色彩。预测在大数据分析中占有很大比重。对预测效果的后评估也是大数据分析的重要内容。
大数据分析与计量经济学的内在联系也不容忽视。在对随机问题的处理上，它们没有本质差别，基础理论都是概率论和数理统计。
对大数据分析的主流误解
舍恩伯格与合作者的《大数据时代》非常流行，但里面的很多核心观点都值得商榷。
第一，他们认为，大数据分析不是针对随机样本，而是全体数据。尽管数据收集和分析手段足够发达后，对全部数据的收集和分析成为可能，但从成本收益上衡量，这样做不是总有必要。根据中心极限定理，统计分析质量与样本数量之间存在平方根关系。比如，样本数量提高100倍，分析质量提高10倍。而统计分析工作量与样本数量之间存在线性关系。比如，样本数量提高100倍，存储和计算量一般增加100倍。这样，样本数量增长到一定程度后，新增工作量对应的成本就会超过质量提高产生的好处。因此，通过科学设计的抽样调查获得有代表性的样本，在大数据分析中仍有价值。
第二，他们还认为，大数据分析不是因果关系，而是相关关系。这个说法在统计学中是老生常谈，不是什么新观点。统计学基于相关关系，只能被用来证伪因果关系，而不能被用来证实因果关系。大数据分析的基础理论也是概率论和数理统计，从根本上就属于相关关系的范畴。
第三，大数据分析也不是万能的。基于大数据的预测可以抽象表述为：用表示已知信息，用表示未知信息，寻找关于的函数作为的预测。预测误差是，用（类似于均方误差）来衡量预测效果。概率论有一个基本结论：
对任意，总有，其中等号仅当时才成立，所以也被称为最佳预测（best predictor）。
可以看出两点结论：首先，大数据分析中，各种算法的核心任务是使尽可能接近理论上的最优预测；其次，即使在最优预测上，代表的预测误差仍不能被消除，是内生于信息结构的。比如，即使信息技术非常发达，如果现实世界中仍有部分信息不能被数字化（从而不能用在大数据分析中），这部分被“尘封”的信息就决定了大数据分析的有效边界。
第四，大数据能降低信息不对称的程度，但不能消除随机性（不确定性）；有助于评估风险（未来遭受损失的可能性，其中损失分布可计量），但不能消除奈特式不确定性（其中损失分布不可计量）。
中国主要微观经济大数据大数据库
1. UHS(Urban Household Survey) （此数据使用需要得到国家统计局授权） 简介：中国城镇住户调查数据。它是国家统计局城调总队负责调查的。现在可以拿到1986年至2006年的数据。如果可能的话，我们可以拿到全部省份的数据，但现在大家使用的是六个省份的数据（、、、、、）。每年大约有3500-4000户的数据。 包含变量：（1）个人层次上的变量。与户主关系，性别、年龄、文化程度、行业、职业、就业状况、工资、总收入、工作小时数、参加工作年份、退休金、财产性收入。（2）家庭层次上的变量。家庭总收入、家庭人口数、居住面积、房间个数、家庭财产、现金支出、现金流入、储蓄、借款、家庭消费。 可做的研究：（1）教育回报率问题。（2）收入不平等问题。（3）劳动力供给问题。家庭财产、孩子（老人）、退休金。（4）行业的分布及变化。（5）职业的分布及变化。人力资源管理。（6）就业问题。失业率和劳动参与率。（7）教育决定因素及教育不平等问题。（8）社会保障方面的研究（退休金）。（9）财产性收入研究。（10）房地产需求问题。它与人口结构的关系。（11）非正规金融问题（借款）。（12）家庭消费的决定因素及模式变化。
2.CHIP（Chinese Household Income Project Survey） ：Chinese Household Income Project, 1988; Chinese Household Income Project, 1995; Chinese Household Income Project, 2002 简介：中国家庭收入项目调查。它是由国家统计局农调总队和中国社会科学院经济研究所共同开展此项专门调查。调查容主要包括：收入、消费、就业、生产等有关方面的情况。现在做了三轮，分别是1988,1995,2002，可能2006的也正在进行中。这个数据是全部省份。这个数据的好处是，农村及城镇的数据都有。城镇每年家庭的数据大约有6800户，人数大约为20000人。农村每年家庭的数据大约有9200户，人数大约有38000人。 包含变量：（1）个人层次上的变量。与户主关系，性别、年龄、受教育年限、行业、所有制、职业、就业状况、工资、总收入、工作小时数、参加工作年份、是否中共党员、是否当过兵、是否当过干部、吸烟花多少钱、喝酒花多少钱、是否残疾、医药支出额多少、生病的时间、从事家务劳动的时间、照顾家里其它病人的时间、工资收入总额、退休金、股票红利、工作天数、工作小时数、找工作的渠道、居住条件、开始非农就业的年份。（2）家庭层次上的变量。家庭总收入、家庭人口数、居住面积、房屋所有权、贷款的数量、借钱的途径、自己及配偶父母的家庭成分、家庭收入、老人补助金、现金支出、家庭消费、家庭财产。 可做的研究：（1）教育回报率问题；（2）收入不平等问题。（3）劳动力供给问题。家庭财产、孩子（老人）、退休金、家务劳动时间。（4）找工作的方式问题。（5）行业的分布及变化。（6）职业的分布及变化。人力资源管理。（7）就业问题。失业率和劳动参与率。（8）教育决定因素及教育不平等问题。（9）社会保障方面的研究（退休金）。（10）财产性收入研究（股票）。（11）房地产需求问题。它与人口结构的关系。（12）住房解决方式问题。（13）农村非正规金融问题（借款）。（14）家庭消费的决定因素及模式变化。（15）党员、当兵、当干部、父母家庭成分对收入和就业的影响（16）吸烟、喝酒等支出的决定因素及变化趋势（17）农村老人补助金问题。（18）老人养老安排问题。（19）老年人劳动供给问题（退休年龄的提高）。
大数据的经济学研究文献综述
大数据的经济学研究文献综述 摘要： 本文从大数据背景下的经济学研究出发，分析了大数据背景下对传统经济学所带来的冲击和挑战，以及大数据在经济学中的应用。大数据的应用给传统经济学带来了全新的方法，更重要的是，大数据给传统经济学带了全新的视角。 【关键词】大数据；大数据经济学；传统经济学；挑战 Abstract This article analyzed the big data which bring a big impact and challenges on the traditional economics under the background of big data, as well as the big data applications in economics. Big data’s applications has brought a new approach to traditional economics, more importantly, big data has brought a new perspective of traditional economics. 【Key words】big data; big data economics; traditional economics; challenges 1国外关于大数据经济学问题的探讨现状 对于大数据的概念，企业和学术界目前尚未形成公认的准确定义。维基百科的定义：大数据指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策目的的资讯。麦肯锡的定义：大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。Dumbill ( 2012)采用IBM 公司的观点，认为大数据具有“3V”特点，即规模性( Volume ) 、多样( Variety ) 、实时性( Velocity) 。以IDC 为代表的业界认为大数据具备“4V”特点，即在3V 的基础上增加价值性( Value) 。权威IT 研究与顾问咨询公司Gartner将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题。美国国家科学基金会( NSF) 则将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”。 维克托（2013）赞同许多物理学家的看法，认为世界的本质就是数据。因此，大数据时代的经济学、政治学、社会学和许多科学门类都会发生巨大甚至是本质上的变化和发展，进而影响人类的价值体系、知识体系和生活方式。
基于城市交通的大数据社会计算
基于城市公交情况的城市大数据应用 刘平成 (中科院高能物理研究所，北京，100049) 摘要：现在互联网大数据越来越多的应用在社会计算的学科之中，人们的生活、出行方式，人们通过上传数据、共享数据，共同完成数据收集的过程，分享数据处理结果，形成良性循环。本文基于城市的公交系统，简单分析了几种城市公交情况的数据获取，并提出大数据计算在社会计算中的一些应用构想。 关键词：城市公交；大数据；社会计算 1引言 由于互联网的高速发展，我们的信息被大量记录在一些站点中，大量的零散数据彼此相互关联，这些数据背后存在大量的社会、经济关联。要研究整个互联网的社交网络是非常困难的，因此大多数研究都基于网络的某个子集。城市交通作为市民生活的重要一部分，在市民生活习惯的分析和预测中，可以起到数据的重要支撑。 挖掘用户签到位置轨迹，提取用户社会活动的空间特征模型及其与社会关系的关联性，成为当前基于位置的社会化网络推荐系统的主要任务。从城市公交中挖掘知识对很多方面都非常有用，政府可以从中获得有利于民生的信息，如城市规划、位置推荐城市公共空间、公众参与和互动等领域。互联网信息爆炸式增长，各种服务的繁复经常难以抉择，用户的位置信息可以反映用户的社会属性（经历、工作生活环境以及年龄、兴趣爱好等）。此外由具体位置产生的热点社会话题等容易引起社会关注，位置又把虚拟空间与现实世界连接起来所以企业可以通过推荐系统来为用户过滤，通过对人们的行为分析，获得其相关领域的人们的位置偏好和行为偏好，基于位置给用户推荐离他近的且他感兴趣的服务，用户就更有可能去消费。 2数据来源 在各种交通相关的应用中使用出租车，地铁以及公交车轨迹，比如交通流量估计，这方面的数据主要来源于交通局、地铁站、公交公司以及包括高德、百度、腾讯地图在内的app，基本上如果能收集到覆盖较全、时间较长的交通出行数据，则能统计测算出人们的出行路线、交通偏好，路面的拥堵情况。 对于北京的阶梯性计价措施，乘车费用取决于乘客的乘车距离，我们可以从中知道乘客的上车时间、上车地点和下车地点。可以从数据中重建用户的轨迹。然后，能够知道这些用户的家庭住址、工作地点等重要地点，以及他们的乘车模式。 3数据处理与应用 3.1社交生活推荐 把用户去过的地方看成用户对一个特定地点的偏好。而用户去一个地点的次数则表示偏好的置信度。根据用户的出生年份分组。比如一些人喜欢去咖啡厅这样的地方，一些人喜欢看香港的文章和玩电子游戏。这说明这些用户很年轻。很多人都喜欢火锅，其中一些人喜欢川菜，他们会在白天和晚上去办公室。这意味着，他们年龄要大一些，因为他们需要去上班。 如果你去一些地方的次数更多，那么就更加确信你喜欢这些地方。对于没有去过的地方，由于缺乏信息，所以它们可能是正的或者负的。据此，产生了很多推荐系统，包括朋友推荐、社区推荐、地点推荐和行为活动推荐等。这些推荐算法可以用于一些社交，旅行，团购app 中，为用户定制个性化的推荐。
大数据与大数据经济学
大数据与大数据经济学 2012年，Twitter上每天发布超过4亿条微博，Facebook上每天更新的照片超过1000万张,Farecast公司用将近10万亿条价格记录来预测机票价格，准确率高达75%,采用该系统购票，平均每张机票可节省50美元。Gartner预测未来5年全球大数据将会增加8倍，其中80%是非结构化数据。2013年世界上存储的数据将达到,如果将这些数据刻录到CDR只读光盘上，并堆起来，其高度将是地球到月球距离的5倍。2011年，麦肯锡公司对全世界大数据的分布作了一个研究和统计，中国2010年新增的数据量约为250PB,而欧洲约为2000PB,美国约为3500PB,大数据已经深深地充斥了人类经济社会的许多角落。 著名未来学家阿尔文?托夫勒(1980)^很早就在其经典著作《第三次浪潮》中，将大数据热情地赞誉为“第三次浪潮的华彩乐章”，但是大数据成为高频词是最近一两年的事情。随着社交网络、物联网、云计算的兴起，数据规模越来越大，2011年5月，全球知名咨询公司麦肯锡(MckinseyandCompany)发布了《大数据：创新、竞争和生产力的下一个前沿领域》2报告，标志着‘‘大数据”时代的到来，指出‘‘数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素;而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来”。2012年世界经济论坛发布了《大数据、大影响》3的报告，从金融服务、健康、教育、农业、医疗等多个领域阐述了大
数据给世界经济社会发展带来的机会。2012年3月，奥巴马政府发布《大数据研究和发展倡议》4,投资2.5亿美元，正式启动大数据发展计划，计划在科学研究、环境、生物医学等领域寻求突破。据Gartner 公司2012年8月发布的技术发展生命周期5趋势图(图1),大数据不到两年时间内成为新技术发展的热点。一时间大数据蜂拥袭来，那么什么是 大数据?大数据对传统经济学会带来哪些冲击?传统经济学应该如何面对大数据带来的挑战? 对于什么是大数据，目前业界并没有公认的说法。Dumbill(2012)6采用IBM公司的观点,认为大数据具有“3V”特点，即规模性(Volume)、多样性(Variety)、实时性(Velocity)。以IDC为代表的业界认为大数据具备“4V”特点，即在3V的基础上增加价值性(Value)。NetApp公司7认为大数据应包括A、B、C三大要素，即分析(Analytic)、带宽(Bandwidth)和内容(Content)。所谓大分析(BigAnalytics),指通过对大数据进行实时分析后带来新的业务模式，帮助用户获得洞见，从而更好地进行客户服务;高带宽(BigBandwidth)指快速有效地消化和处理大数据;大内容(BigContent)—方面指大数据包括结构化、半结构化数据与非机构化数据，另一方面则是指对数据的存储扩展要求极高，能轻松实现数据的恢复、备份、复制与安全管理。Gartner认为，大数据需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力，满足海量、
怎么看经济指标
怎么看经济指标？ 经济指标是金融及经济的数据的片断, 由政府或私人机构的各种各样的代理处出版的.这些统计是定期告知公众, 因此, 在金融市场, 几乎每一个人都会依赖这些数据. 当许多投资对这种共享的信息的待机反应时, 经济指标通常对产生交易及价格变动有很大的潜在力。尽管在表面上看起来在经济上领先的掌握程序会带来更大的方便去分析, 然后在充分了解经济指标所提供的信息下交易, 几个简单的规则都是指有必要地根据这些数据来跟踪组织及做出交易决定。确切了解什么时候每一经济指标会如期公布，把一个日历，它记载着每个将公布于众的指标发布的时间及日期。查找经济指标，这些相同的信息通常也可以在其他网站或在您执行交易的公司找到。 追踪经济指标的日历会帮助您明白在市场上那些非常规不能预见的价格变动,考虑以下情形,现在是周一早上,并且美元一直很混乱, 在这三周,在这种情况下，假定许多交易者持有大量看跌头寸，是很稳妥的，然而，在周五，美国就业数据将如期公布，很可能的是，随着这关键的经济信息即将公布于众，当交易者减少持有他们的看跌头寸,美元可能会经历一个短时期的价格回升直至周五公布的那天。此观点是经济指标可能直接地(按照公布于众)或间接(当交易者在预测数据后变动他们持有的头寸)价格。 理解那种特别经济情况，可以在数据里找到。例如，您应当知道，哪一种指标判断经济增长(GDP)，判断通货膨胀，或就业率，跟踪这些数据后，很快您会熟悉每一经济指标细微差别，及熟悉那部分他们正在判断的经济情况。
不是所有的经济指标是同等而设。这些指标可能是同等重要，但按照这种方式，有些指标比其他的有更大的潜在力影响市场，市场参与者会按照经济情况更看重某一统计数据。 知道哪一种指标市场正在倚重。例如，如果价格通胀，对于某一特定外汇不是一个关键因素，那麽通胀数据很有可能不为市场预期反应，另一方面，如果经济增长是一个另以焦虑的问题，那么就业数据或GDP数据将会紧急预期，并且可能在数据公布之前引发很大的波动。数据本身并不是想它是否在符合市场预期下降那样重要，除了知道所有数据何时公布。非常重要的是知道经济学家和其他市场权威人士正在对每月一指标要预测些什么。例如，您知道了这个月的产品价格指数(PPI)非预期地上升0.3%, 但这对你的短期交易决定几乎没有象你知道这个月市场正预期PPI下降0.1%那样重要。如上所述，您应当知道此月PPI是评估价格以及一个非预期上升会是一个通胀的信号,但要分析这种每月非预期的价格上升的长期细节,可以等到你已利用了由数据提供的交易机会.再次重申市场对所公布的经济信息预期会在各种网上资源找得到,您应当把这些期待与那些经济数据公布日时间表一起放在日历上。 不要只抓住标题，掌握市场正在预测各种经济指标是怎样，部分取决于要知道每一指标里关键要素。然而您的宏观经济学教授可能已将失业率的重要性教过您。既使老手交易者可能告诉您薪资数据是指非农业的薪资数据是指非农业的薪资数据,其他经济指标是类似的,就是说标题数据几乎没有象数据里更敏感的点那样更受密切注意,含PPI作例子,它是度量产品价格的变化。但是最受市场密切关注的是食品与能源PPI。交易者知道食品与能源要素在这个数据里是太反复无常的，并且要接受基于一个月对一个月的修正以提供一个在产品价格变动上的正确解读。
论大数据与企业经济发展
龙源期刊网 https://www.360docs.net/doc/fd12727085.html, 论大数据与企业经济发展 作者：潘倩王梅 来源：《现代商贸工业》2018年第03期 摘要：随着信息技术的快速发展，近几年来数据呈现爆炸式增长，这意味着大数据的时 代已经到来。数据是高度抽象的事实，大数据的本质是现实社会大量具体事实的反映和汇聚，数据所附属的信息价值推动着各企业的发展与转型，在大数据的时代背景下，经济发展面临着新的挑战与机遇。 关键词：大数据；经济；发展 中图分类号：F27 文献标识码：A doi：10.19311/https://www.360docs.net/doc/fd12727085.html,ki.1672-3198.2018.03.032 1 新形势下的大数据 随着大数据的发展，大数据在各行各业中的应用更加广泛，大到国家政务，小到个人决策，无一不需要数据的支持，未来的各行各业中都离不开大数据，其附属的信息价值将会为社会带来最大化的利益。 近几年来，伴随着计算机信息技术的迅猛发展和应用的遍及，各种APP的出现与火热，数据呈现出爆炸式的增长速度。谷歌代码量达20亿行，代码库每天处理85TB数据，淘宝数 据库每天的活跃数据量超过50TB，滴滴出行每天处理的信息达到70TB，类似微信、QQ这种社交软件，日均登录用户也是上亿，百度每天处理的数据量将近100个PB，相当于5000个国家图书馆信息量的总和。据IDC研究报告预测：全世界数据量未来几年内到2020年数据量将增长至40ZB（1ZB=1000EB=1000000PB），这一数据是2011年的22倍，并以每年58%的速度增长。而这些数据大都具有很高的潜藏价值，为经济的发展提供了强有力的帮助。 早在几年前麦肯锡公司发布的一份有关大数据的报告中就指出了无论于私人商业活动中，还是国民经济上，大数据都有着十分重要的经济作用，数据不仅本身具有信息价值，还能为经济的发展创造价值，提高企业和公共部门的生产效率和竞争力，并为消费者创造大量的经济剩余。2015年，十八届五中全会上，大数据战略被置于重要地位，国务院印发了关于大数据的《促进大数据发展行动纲要》，纲要中指出：要坚持创新驱动发展，加快大数据部署，深化大数据应用。而在中共十九大中，习总书记在《决胜全面建成小康社会夺取新时代中国特色社 会主义伟大胜利》报告中也着重提到了互联网，大数据在现代化经济体系中的作用。当前世界经济既面临着结构调整的现实需求，又面临了新一轮的科技和产业变革带来的巨大压力，大数据在助推经济转型上已成长为重要的动力。 2 大数据带来的经济发展机遇与挑战 2.1 面临的机遇
历年中国GDP增长率
历年中国GDP年增长率与GDP世界排名 7.8%！2012年中国GDP增速“破8”。国家统计局今天上午公布数据，2012年中国国内生产总值(GDP)为519322亿元，比上年增长7.8%。“7.8%”是进入1999以来中国经济增速的最低值，也是最近20年来“倒数第二”的经济增长速度。 2012年是“十二五”规划的第二年，中国经济在内、外(美国经济复苏乏力，欧债危机继续发酵等)夹击下遭遇前所未有的“稳增长”压力，前三个季度的增速第次由8.1%、7.6%和7.4%“连降三级”，算上2011年“中国GDP增速连续7个季度放缓”，“比2008年金融危机还严重”的经济寒冬说一时甚嚣尘上。1月18日，国家统计局公布的数据显示，2012年四季度GDP增速已升至7.9%，“7个季度增速放缓”彻底成为“历史记录”。 多年来，“保8”一直是中国经济最重要的名词和指引，因为经济增长和就业超稳定的正相关联系，结合历史经验，当中国GDP增速低于8%时被认为将会出现大规模的失业，因此“保8”也是中国经济增长的一条红线。而现实是，中国虽然每年都制定8%的增长目标，实际上都会“超额”完成，就连被认为最难“保8”的2009年，在“4万亿”等一揽子计划的刺激下，GDP也实现了9.2%的高速增长。
数据显示，从2003年至2011年，中国GDP实际增长了1.5倍，年均增速10.7%。随着中国经济体量的增大(2012年GDP已超过50万亿元)，如今GDP每增长一个百分点的分量与过去已大不相同。中国经济进入转型的“深水区”后，发展的内涵也出现了新变化。普遍的观点是，中国经济的高速增长时代已经结束，未来的经济增速将保持在7%-8%的“中速增长区间”。“十二五”中国不再“保8”，设定了年均GDP增长7%的新目标，就是出于经济中长期发展的考量和开启战略性调整和加快转变发展方式主线的规划要求。
大数据对未来经济社会发展的影响
大数据对未来经济社会发展的影响 近来，大数据似乎在一夜之间闯入了任何一个关于互联网未来的讨论，成为一个炙手可热无所不包的概念。大数据，越来越成为了一个很时髦的词汇。有人把大数据形容为未来世界的石油，有人宣称掌握大数据的人可以像上帝一样俯瞰整个世界，美国政府甚至已经把对大数据的研究上升为国家战略。2013年被称为“大数据元年”，这一年几乎所有的世界级互联网企业，都将业务触角延伸至大数据产业；无论社交平台逐鹿、电商价格大战还是门户网站的竞争，都有它的影子。如今，一个大规模生产、分享和应用数据的时代正在开启。《大数据时代》的作者维克托教授曾说，大数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山的一角，绝大部分都隐藏在表面之下。 那么什么是大数据？ 我们可以这样解释，“大数据”是数量特别大、数据类别特别多的数据的集合。大数据无法用传统的数据库工具对其进行抓取、处理和管理。 大数据产生的主要来源：一是媒体数据。特别是互联网、各种社交媒体产生的数据等等。二是各类企事业的生产、管理、销售数据等。三是政府部门的数据。四是物联网和各种传感器产生的数据以及未联网的各种摄像头拍摄的数据。五是人民群众留存的个人数据等等。然而，以上几个方面所产生的海量数据只是大数据的一小部分。 1.大数据的特点 （1）数据体量巨大。数据量从TB级别跃升到了PB级别。（2）数据类型多种多样，如音频、视频、动画、图像、网络日志、地理位置信息等。（3）数据价值密度低。例如，在连续不间断的视频监控过程中，有用的数据可能仅仅只有两秒钟。（4）数据处理速度快。移动互联网、平板电脑、车联网、物联网、云计算、PC以及遍布全球的各种传感器。 2.大数据的特征 （1）数据的综合性和完整性。（2）数据的公共性和开放性。（3）数据的及时性和动态性。 日前，由中国科协举办的“科学家与媒体面对面——大数据离我们生活有多远”活动中，有关专家为我们介绍了大数据对未来生活的影响。我们生活在一个充满“数据”的时代，这里的“数据”，并不仅仅指数字，理论上讲，一切可以以文件形式储存于计算机硬盘的东西，包括数字、文字、图像、声音、视频等，均可称为“数据”。我们打电话，使用微博、QQ、博客等社交工具，都是在不断增加着社会总体数据量，据权威预测，未来每隔18个月，整个世界的数据总量就会翻倍。IBM的研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。数据，除了它第一次被使用时提供的价值以外，那些积累下来的数据海洋并不是无用的废物，它还有着无穷无尽的“剩余价值”，关于这一点，人们已经有了越来越多的认识。 大数据对社会发展产生的影响 大数据时代的国家竞争是控制权的竞争。我国大数据的建设将围绕大智慧进行，未来十年，决定我国是否有大智慧的核心标准是国民幸福。而国民幸福的体现，一是民生：通过大数据看我们在人与人的关系上做得是否比以前更有意义；二是生态：通过大数据看我们在社会与自然、人与自然的关系上做得是否比以前更有意义。 大数据对经济方面的影响： （1）大数据激发内需的剧增，引发产业的巨变。生产者具有自身的价值，而消费者则是价值的意义所在。有意义的东西才会有价值，消费者如果不认同，就卖不出去，价值就实现不了；消费者如果认同，就卖得出去，价值就得以体现。大数据可以帮助我们从消费者这
大数据的经济学研究文献综述
大数据的经济学研究文献综述 学院：金融学院班级：13金融学硕姓名：熊美兰 摘要：本文从传媒经济本体研究、产业经济学视角下的传媒经济研究、传媒经济研究工具的创新等方面来管窥近年来该领域的主要关注点以及新趋势和新突破，同时关注传媒经济学科体系研究的最新发展。本年度传媒经济研究主题较为集中，主要是探讨传媒产业的数字化生存、全媒体转型策略与路径。演化经济学、制度经济学、计算机和通信技术等视角和方法的引人，更加凸显了传媒经济学“跨学科”和“融合”的特征。 关键字：全媒体；三网联合；大数据；云计算；传媒经济学 一、引言 2012年，Twitter上每天发布超过4亿条微博，Facebook上每天更新的照片超过1000万张，Farecast公司用将近10万亿条价格记录来预测机票价格，准确率高达75%，采用该系统购票，平均每张机票可节省50美元Gartner 预测未来5年全球大数据将会增加8倍，其中80%是非结构化数据2013年世界上存储的数据将达到1.2ZB(1ZB=1024EB，1EB=1024PB，1PB=1024TB，1TB=1024GB)，如果将这些数据刻录到CDＲ只读光盘上，并堆起来，其高度将是地球到月球距离的5倍2011年，麦肯锡公司对全世界大数据的分布作了一个研究和统计，中国2010年新增的数据量约为250PB，而欧洲约为2000PB，美国约为3500PB，大数据已经深深地充斥了人类经济社会的许多角落。 著名未来学家阿尔文托夫勒(1980)［1］很早就在其经典著作《第三次浪潮》中，将大数据热情地赞誉为第三次浪潮的华彩乐章，但是大数据成为高频词是最近一两年的事情。随着社交网络“物联网”云计算的兴起，数据规模越来越大，2011年5月，全球知名咨询公司麦肯锡(Mckinsey andCompany)发布了《大数据: 创新、竞争和生产力的下一个前沿领域》［2]报告，标志着“大数据”时代的到来，指出数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用，将预示着新一波生产率增长和消费者盈余浪潮的到来，2012年世界经济论坛发布了《大数据、大影响》［3］的报告，从金融服务、健康教育农业、医疗等多个领域阐述了大数据给世界经济社会发展带来的机会。2012年3月，奥巴马政府发布《大数据研究和发展倡议》［4］，投资2.5亿美元，正式启动大数据发展计划，计划在科学研究、环境、
城市计算
城市计算的基本框架及核心问题 基本框架 城市计算的基本框架包括城市感知及数据捕获、数据管理、城市数据分析和服务提供（如图1）。与自然语言分析和图像处理等“单数据单任务”系统相比，城市计算是 一个“多数据多任务”系统。城市计算中的任务包括改进城市规划、缓解交通拥堵、 保护自然环境、减少能源消耗等。而一个任务又需要同时用到多种数据。例如，在城 市规划的设计过程中，需要同时参考道路结构、兴趣点分布、交通流等多种数据源。 城市计算与大数据 核心问题 城市计算是一门新兴的交叉领域，涵盖面较广。从计算机科学的角度来看，其核心的 研究问题主要包括以下4 个方面： 城市感知如何利用城市现有的资源（如手机、传感器、车辆和人等），在不干扰人们生活的前提下自动感知城市的韵律，是一个重要的研究课题。如何从大量的传感器和 设备中高效而可靠地收集、传送数据将给现有的传感器网络技术带来挑战。此外，人 作为传感器参与到城市感知过程是一个新概念。例如，当一场灾难发生后，有些用户 会在社交网络上发布消息或上传照片。这些用户其实就是在感知发生在他们身边的事情。用户在出入地铁站时的刷卡行为也间接帮助我们感知了地铁系统的拥挤和人们的 出行。人赋予了传统传感器强大的感知能力和前所未有的灵活性，但产生的数据更加 随机、无序（如微博上的文字），数据的产生时间也变得难以预测、不可控，这给数 据的收集和解析带来了挑战。 海量异构数据的管理城市产生的数据五花八门，属性差别很大。例如：气象是时序数据，兴趣点是空间点数据，道路是空间图数据，人的移动是轨迹数据（时间+ 空间），交通流量是流数据，社交网上用户发布的信息是文本或图像数据。如何管理和整合大 规模的异构数据是一个新的挑战。尤其是在一个应用中使用多种数据时，只有提前建 立起不同数据之间的关联，才能使后面的分析和挖掘过程变得高效、可行。
2016年朝阳区经济社会发展统计指标数据
2016年朝阳区经济社会发展统计指标年度数据 指标2016年增长(%)一、地区生产总值（亿元）5171.0 6.5 第一产业 1.1-5.5 第二产业351.0-0.5 第三产业4818.97.1二、农业 农林牧渔业总产值（万元）31935.1-8.9三、工业 规模以上工业总产值（亿元）688.5-4.8 其中：高技术制造业工业总产值165.7-3.4 四、能源 1、能源消费总量（万吨标准煤）874.44 2.09 其中：第一产业 1.29 4.03 第二产业112.95-1.88 第三产业490.17 3.21 2、万元GDP能耗(吨标准煤）0.1691-4.14 五、商业 社会消费品零售额（亿元）2654.5 5.6 六、建筑业 1、建筑业总产值（亿元）1155.17.6 2、房屋施工面积（万平方米）7284.810.5 七、固定资产投资 1、全社会固定资产投资（亿元）1257.9 1.5 其中：城镇固定资产投资529.5 5.7 房地产开发投资666.4-3.3 2、房屋施工面积（万平方米）3243.011.3 3、房屋竣工面积（万平方米）459.014.7 八、房地产开发 1、商品房施工面积（万平方米）2034.4-2.5 其中：新开工面积386.4-13.7 2、商品房竣工面积（万平方米）277.6-11.5 3、商品房销售面积（万平方米）162.4-13.6 4、商品房销售额（亿元）696.413.0
九、居民收支 1、居民人均可支配收入（元）600568.3 2、居民人均消费支出（元）400340.9 十、劳动情况 全部法人单位从业人员（万人）221.0 3.9十一、中关村朝阳园 中关村朝阳园企业总收入（亿元）4603.68.9十二、人口 年末常住人口（万人）385.6-2.5 其中：常住外来人口174.8-5十三、限额以上第三产业经营状况 1、资产总计（亿元）142754.916.1 2、收入合计（亿元）29381.57.7 3、利润总额（亿元）4227.8-3.5注：1、地区生产总值增速为不变价增速。 2、万元GDP能耗增速为不变价增速。 3、固定资产投资、房地产开发统计口径为项目建设地口径。 4、社会消费品零售额为产业经营地口径数据。
大数据与城市规划习题及答案
大数据与城市规划 第一章课程概况习题 1新数据的出现使得城市规划与城市研究更加深入，下面哪个不属于新数据（大数据+开放数据）？ A、公共交通刷卡记录数据 B、人口普查公报 C、社交媒体数据 D、手机信号数据 解析：新数据为大数据以及公开数据，人口普查公报是汇总的数据，也是传统数据，因此不属于新数据。 2、请问以下数据几何形式上属于哪种类型？ A、线状数据（polyline） B、面状数据（polygon） C、点状数据（point） D、以上皆非 解析：根据图片的点状分布以及核心字段的说明，可推断出本数据为point点状数据。 3、下列关于“街道步行指数”核心字段的解释，下列叙述哪个不恰当？ A、WalkScore：街道步行指数，是街道可步行性的综合指标 B、function_density：街道功能密度，以街道的商业建筑面积密度做参考 C、function_mix：街道功能混合度，一个区域内设施的功能多样性 D、junction_density：道路交叉路口密度，街道周边一定范围内的道路交叉路口数量与面积的比值 解析：unction_density：街道功能密度是以计算该街道的兴趣点POI密度。公式如下： 4、请问以下哪个字段不包含在“ResidentialCommunity居住小区”数据里？ A、小区占地面积 B、小区内容积率 C、邻近设施状态 D、小区住房成交量 解析：此字段不包含于该数据中 5、下面哪项属于本课程的教学内容？
A、数据抓取 B、数据分析 C、数据可视化 D、数据增强设计 E、以上皆是 第二章变化中的中国城市与未来城市 1、以城市规划学科而言，下面对于城市的定义哪个不恰当？ A、行政地域是一般大家所熟悉的城市范围，其边界大多依据历史、地理等要素划定 B、实体地域是指利用地形地貌所刻画出来的适宜城市建设的范围 C、功能地域侧重于实质功能上的关联，如：通勤交通所体现的劳动力市场 解析：实体地域是实际情况下城市化的土地，一般以城镇建设用地的范围作为表征。 2、关于当前中国城市的叙述，下列叙述哪个不恰当？ A、现在的行政地域与真实的城市状况有所出入的，不足以客观表达中国的城市化进程以及中国城市的基本规模和分布 B、过去的人类社会发展属于“硅基文明”，演化进程相对于“碳基文明”更为缓慢 C、互联网的发展虽为人类带来了高效与便捷，却也出现了碾压城市空间，造成城市空间凋敝甚至是衰败等现象 解析：人类社会发展以来长期属于碳基文明，如今，硅基文明以更低耗的进化速率席卷而来，驱动着世界朝向更高阶层的进化。 3、近几年中国城市正在面临各种变革，以下何者为本章所提及的变化之一？ A、全天候在线化 B、小型化 C、居家化 D、以上皆是 解析：以上三种皆为本章提及的"当前中国城市所面临的变化"。 4、智能化的快速发展逐步冲击各行各业，下列叙述哪个不恰当？ A、亚马逊的无人商店Amazon Go 有自动识别商品、自动结账等技术，对传统零售商产生 较大冲击 B、国际四大会计事务所之一的德勤与人工智能企业合作，将人工智能引入会计和审计等工 作中 C、设计师、教职人员、医务人员等职业并不会被智能化的趋势所影响和取代。 解析：阿里巴巴在2016年已经使用了智能机器人“鲁班”设计商品广告的海报。在不久后，教职人员、分析師、医务这些以往被认为无可取代的工作，都有可能受到智能化的趋势所影响。 5、下列关于“共享化”趋势的叙述，下列叙述哪个不恰当？ A、近年来，“共享”概念在城市里蓬勃发展，闲置物品、空间，甚至是知识经验获得了 更有效率的重新分配或交换，同时也对城市空间带来了巨大影响 B、在北上广深等城市，共享单车仍旧无法改善交通盲点（以公共交通工具服务半径无 法到达的区域）的困境
宏观经济数据有哪些指标
国内生产总值（GDP）： 是某一国在一定时期其境内生产的全部最终产品和服务的总值。反映一个国家总体经济形势的好坏，与经济增长密切相关，被大多数西方经济学家视为“最富有综合性的经济动态指标”。主要由消费、私人投资、政府支出、净出口额四部分组成。数据稳定增长，表明经济蓬勃发展，国民收入增加，有利于美圆汇率；反之，则利淡。一般情况下，如果GDP连续两个季度下降，则被视为衰退。此数据每季度由美国商务部进行统计，分为初值、修正值、终值。一般在每季度末的某日北京时间21：30公布前一个季度的终值。 工业生产（INDUSTRIAL PRODUCTION）： 某国工业生产部门在一定时间内生产的全部工业产品的总价值。在国内生产总值中占有很大比重。由于工业部门雇佣了大量工人，其变动对整个国民经济有着重大影响，与汇率呈正相关。尤其以制造业为代表。此数据由美联储统计并在每月15日左右晚间21：15或22；15发布。 失业率（UNEMPLOYMENT RATE）： 经济发展的晴雨表，与经济周期密切相关。数据上升说明经济发展受阻，反之则看好。对于大多数西方国家来说，失业率在4%左右为正常水平，但如果超过9%，则说明经济处于衰退。此数据由美国劳工部编制，每月第一个周五21：30公布。 贸易赤字（TRADE DIFICIT）： 国际间的贸易是构成经济活动的重要环节。当一国出口大于进口时称为贸易顺差；反之，称逆差。美国的贸易数据一直处于逆差状态，重点是在赤字的扩大或缩小。赤字扩大不利于美圆，反之则有利。此数据由美国商务部编制，每月中、下旬某日晚间21：30公布前一个月数字。 经常项目收支： 经常帐为一国收支表上的主要项目，内容记载一国与外国包括因为商品/劳务进出口、投资所得、其他商品与劳务所得以及片面转移等因素所产生的资金流出与流入的状况。如果为正数，为顺差，有利本国货币；反之，则不利于本国货币。此数据由美国商务部编制，每月中旬某日21：30公布。 资本帐收支： 主要描述一国的长、短期资本流动情况，包括长期资本、非流动性短期私人资本、特别提款权、误差与遗漏，以及流动性短期私人资本等项目。资本项目在金融日益国际化、自由化的今天，影响不亚于经常帐项目，金融市场对外开放程度越高，影响越大。其对汇率的影响的观察方法与经常帐基本相同。 利率（INTRESTRATE）： 利率是借出资金的回报或使用资金的代价。一国利率的高低对货币汇率有着直接影响。高利率的货币由于回报率较高，则需求上升，汇率升值；反之，则贬值。美国的联邦基金利率由美联储的会议来决定。
浅析大数据与经济学
浅析大数据与经济学 摘要 文章从大数据的发展现状分析入手,讨论了大数据对传统经济学带来的机遇与挑战。运用大数据经济学的概念，分析了大数据经济学与信息经济学、信息技术等相关学科的关系。并将理论研究与实践应用实时地统一在一起,最后对大数据经济学发展前景进行了展望,认为大数据经济学不仅将理论科学、实验科学、复杂现象模拟统一在一起,而且将自然科学和社会科学统一在一起,具有非常好的发展前景。 关键词：大数据大数据经济学传统经济学大数据统计学
目录 前言 (1) 1. 论文概述 (2) 1.1 研究背景及意义 (2) 1.1.1 研究背景 (2) 1.1.2 研究意义 (2) 1.2 大数据的发展现状 (3) 1.2.1国内大数据发展现状 (3) 1.2.1 国外大数据发展现状 (3) 1.3 论文研究主要内容 (4) 2. 论文相关理论基础 (4) 2.1 大数据经济学的概念 (4) 2.2 大数据经济学与传统经济学的关系 (5) 2.3 大数据经济学与信息经济学的关系 (5) 2.4 大数据经济学在未来发展的趋势 (6) 3. 大数据在经济领域的应用 (6) 3.1 大数据在经济领域的研究现状 (6) 3.2 大数据在经济领域存在的问题 (7) 3.3 大数据在经济领域未来的发展前景 (7) 4. 结论 (8) 参考文献 (9)
前言 自微博成立以来，新浪微博的用户已经增至5亿人，每天就要发布4亿多条讯息，每天更新的照片超过1000万张，美国的Facebook公司利用将近10万亿条价格记录来预测飞机票的价格，准确率高达75%，采用该系统购票每张机票平均可节省50美元。据专家预测未来几年的全球大数据将会增加8倍，世界上存储的数据将达到1.2ZB。美国麦肯锡公司（McKinset&Company）曾对全球的大数据分布做了一个研究和统计，中国每年的新增数据量约为250PB，美国约为3500PB，欧洲约为2000PB，可见大数据已经深深地充斥了人类经济社会的诸多角落。 《计算机学报》刊登的“架构大数据：挑战、现状与展望”一文列举了大数据分析平台需要具备的几个重要特性，对当前的主流实现平台——并行数据库、MapReduce及基于两者的混合架构进行了分析归纳，指出了各自的优势及不足，同时也对各个方向的研究现状及作者在大数据分析方面的努力进行了介绍，对未来研究做了展望。著名未来学家阿尔文？夫勒（1980）很早就在其经典著作《第三次浪潮》中，将大数据热情地赞誉为“第三次浪潮的华彩乐章”。2012年世界经济论坛发布了《大数据、大影响》的报告，从金融服务、健康、教育、农业、医疗等多个领域阐述了大数据给世界经济社会发展带来的机会。从某种程度上说，大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。 那么，大数据对经济夜来说意味着什么？对传统经济学会带来哪些冲击？传统经济学又应该如何面对大数据带来的挑战？
浅析大数据与传统经济学
浅析大数据与传统经济学 大数据对传统经济学体制带来的挑战与机遇 李晓雨 （山东建筑大学管理工程学院，山东省济南市 250100） 摘要：文章从大数据的发展现状分析入手,讨论了大数据对传统经济学带来的机遇与挑战。运用大数据经济学的概念，分析了大数据经济学与信息经济学、信息技术等相关学科的关系。并将理论研究与实践应用实时地统一在一起,最后对大数据经济学发展前景进行了展望,认为大数据经济学不仅将理论科学、实验科学、复杂现象模拟统一在一起,而且将自然科学和社会科学统一在一起,具有非常好的发展前景。 关键词：大数据；大数据经济学；传统经济学；大数据统计学； 中图分类号：F49 文献标识码：A Big data and traditional economics The challenge and opportunity of big data to the traditional economic system Abstract: The paper analyzes the challenge of big data to traditional economics from big data development. Using the concept of big data economics, the relationship between big data economics and information economics, information technology and other related subjects is analyzed.. And theoretical research and practical application in real time unified together. Finally, the development prospects of the big data economics prospect, that big data economics will not only scientific theory, scientific experiments, complex phenomenon simulation unified together, and the system of natural science and social science a together, with very good prospects for development. Key word: big data; big data economics; traditional economics; big data statistics 收稿日期：2015/5/28 作者简介：李晓雨（1993—），女，研究方向：信息管理与信息系统，电子邮箱：xiaoyu_li0827@https://www.360docs.net/doc/fd12727085.html,
从行业哪些数据能看清中国宏观经济的真相
从行业哪些数据能看清中国宏观经济的真相? 路透北京7月31日电---中国宏观经济数据的真实性近期再遭质疑,那麽行业的哪些数据,能真实反映中国宏观经济的真相? 美银美林在一份名为"中国行业活动数据概览"的研究报告中指出,一些行业指标能相对较好地反应整体经济运行情况,这些指标可分为上游指标和下游指标. 具体来说,出口、基建和房地产固定资产投资以及汽车销售等下游经济活动,通常能够快速传导到电力、煤炭、钢铁、水泥、有色金属和建造机械等上游领域.这些上游领域原材料的价格和库存,对下游需求的波动极其敏感.此外,运输和电信行业因连接上下游领域,也被美银美林纳入视线. 以下为美银美林重点关注的部分上下游行业指标: * 电力 关注指标:国家统计局发布的发电量数据 国家能源局和电力企业联合会发布的用电量数据 电力数据和工业生产及消费活动密切相关.由於中央对地方单位GDP能耗控制得日益严格,因此地方官员不太愿意在能源问题上虚报.另外,中国五大发电集团在全国发电量中占据"半壁江山",令发电量数据亦不太容易被扭曲. 用电量和发电量指标相比较的话,前者相对更可靠一些,因为国家统计局公布的发电量数据,仅包括年营收超2,000万元人民币的大型发电企业,小型电厂则被排除在外. * 煤炭: 价格指标:秦皇岛港口5,500大卡大同优混动力煤价格 山西柳林4号焦煤价格 澳洲BJ动力煤价格指数 库存指标:秦皇岛港动力煤库存(该港口占中国港口煤炭吞吐量的约50%) 电厂动力煤库存(包含沿海地区六家主要发电集团) 钢铁企业焦煤库存 煤炭需求主要受电力、水泥和钢铁需求推动.动力煤价格和库存主要跟随发电量而波动,但有一定滞後.因此,要牢记仅仅关注煤炭数据,可能对中国经济做出错误评判. * 钢铁: 产量指标:国家统计局月度钢材产量数据