

宏观经济大数据研究：构建国家经济大脑的实践探索与初步设想

BBD Data

2022-03-03

导读：充分发挥大数据技术优势，助力提升国家经济监测预测和宏观调控水平

◎来源 | 国家信息中心

◎作者 | 王建冬、于施洋

运用大数据提升宏观经济运行决策水平，已成大势所趋。近年来， BBD在推出中国新经济指数（NEI）的基础上，深度参与宏观经济运行监测分析工作，为政府治理提供了有力的技术支持和决策支撑。

国家信息中心发布的《构建国家经济大脑的实践探索与初步设想》一文，多处引用BBD在构建动态本体库、宏观经济监测指标、风险评估模型等方面的实践案例。该文分别从微观、中观、宏观三个层面进行系统思考，阐述了运用大数据手段支撑宏观经济监测预测、构建国家经济大脑的基本思路。

近年来，充分发挥云计算、大数据、人工智能等新技术手段，提高宏观经济运行决策水平，已经成为各界高度共识。充分发挥大数据技术优势，助力提升国家经济监测预测和宏观调控水平，已经成为大势所趋。本文拟从大数据经济学的特点出发，论述在国家层面发挥我国独特制度优势，构建政企一体化的数据归集和治理体系，建设支撑宏中微观经济运行分析的“国家经济大脑”的基本思路。

构建国家经济大脑的基本思路

在数据基础上，坚持政府数据与社会数据相统一。要想系统描述和刻画全社会经济运行全貌，就要形成覆盖政府、企业、社会机构、个人和海外相关信息，跨层级、跨地域、跨系统、跨部门、跨业务的数据采集汇聚机制，强化陆海空天电网数据资源全领域、全要素统筹，实现对全国范围内信息化、网络化、可视化和智能化的数字集成创新，实现“一人一档、一物一档、一事一档、一机一档”的国家一体化数据资源体系框架，有效增强国家数据资源的纵横联动和协同管理能力。通过各类数据的深度整合和关联应用，深刻刻画国家政治、经济、文化等各方面发展状况，揭示宏观经济结构和微观社会状况。

在分析手段上，坚持均衡范式与演化范式相统一。过去百余年来，经济学研究领域的均衡范式和演化范式正在呈现逐渐融合的态势。目前，大数据在均衡和演化两个方向上都在发挥重要作用：在均衡范式下，由于大数据在分析时效性、颗粒度、热点识别等方面的优势，主流经济学界开始大量尝试基于大数据的计量经济学方法创新；在演化范式下，通过将基于主体建模（ABM）、演化博弈论、机器学习等新技术方法与大数据相结合，形成人类真实主体( HS)数据和计算虚拟主体( CA) 数据之间的对比，有效支撑宏观经济风险识别和趋势预测。因此，在构建国家经济大脑时，应当力图将演化分析和均衡分析方法融为一体。

表1 大数据经济分析的主要方法及代表性研究

在应用方向上，坚持监测预测与风险监管相统一。一是运用大数据手段改进经济监测预测的效果。在经济监测方面，应用大数据手段可以提高经济运行监测的时效性、精准性和客观性，如通过开展经济现时预测（Nowcasting）研究帮助人们相比过去更快应对经济运行可能出现的趋势性、苗头性问题，通过应用异常检验、新事件探测等技术手段发现海量经济数据中隐藏的新业态、新模式等等。二是近年来随着中国贸易争端等不断升级，国际国内经济形势日趋复杂，加之中央政府大力推进“放管服”改革，各级政府在防范化解重大风险、加强重大政策重大项目事中事后监管等方面面临的挑战日益增加，亟待利用大数据手段强化监管手段，提升风险识别与防范能力。

从大数据视角看待经济运行，可以构建一个以中观层面的规则、结构、机制及其涌现性分析为切入，向上向下统筹宏观和微观经济分析的新框架。从这一角度，我们可以分别从微观、中观和宏观三个层面思考和规划国家经济大脑的技术框架。

微观层面：

构建微观经济运行动态本体库

在国家经济大脑建设的微观层面，应当着眼于利用大数据手段快速构建领域本体和通用本体，形成对海量微观主体行为演变和关系网络的快速挖掘能力。具体而言，其主要任务包括几个方面：

建立政企一体化数据归集汇聚体系。应当综合考虑政府、企业、个人、海外、互联网、物联网等多种数据来源，形成与国家经济运行相关各方面数据源的统一汇聚机制。

建立面向微观经济主体的动态本体库体系。在归集汇聚相关数据的基础上，构建人、企、车、物、事、地等微观经济对象的动态本体库。目前，国家发展改革委大数据中心已经联合数联铭品（BBD）等业内相关企业开发了微观经济主体的动态本体（Dynamic Ontology）管理系统，其将不同类型本体（企业、个人、事件、文档等）建模的基本维度划分为对象（Objects）、属性（Properties）和关系（Relationships）三个方面，通过关联打通工商企业注册信息库、投资项目在线审批监管平台、全国信用信息共享平台和国家公共资源交易平台等若干国家级大数据平台数据资源，初步实现了“重大战略-重大政策-重大项目-企业-自然人”五类本体的关联关系构建。

图1 数据资源动态本体组织管理系统框架

中观层面：

构建中观经济大数据仿真分析平台

构建国家经济大脑的中观系统，就是要整合复杂网络、自然语言理解和时空分析三大类算法模型，将其作为模拟仿真中观经济现象的技术支撑。

以复杂网络分析为核心的行为依赖性仿真分析。与自然科学研究不同，社会科学研究的对象与人高度相关。大数据相比传统统计手段一个最大的优势就是可以通过非干预的方法获取经济社会主体行为方方面面的“痕迹”数据。构建以微观主体为节点、以主体间关联关系为边的经济社会运行复杂网络，并运用图计算、网络社群挖掘、复杂网络演化分析、社会网络等分析方法识别经济运行主体的行为依赖性突现现象和演化规律。

以自然语言处理为基础的观念依赖性仿真分析。长期以来，经济学领域对于主体预期、情绪等的策略始终是“世界性难题”。当前，人们越来越习惯于将自己对经济、社会、文化等各方面的观点和看法通过互联网社交媒体渠道与他人分享，这为利用大数据手段开展社会群体观点和社会心态研究提供了便利途径。除了开展社会心态监测分析之外，利用自然语言处理等技术，还可以进一步构建微观经济社会主体的大数据认知模型。

以地理信息系统为依托的时空依赖性仿真分析。一是传统意义上的地理信息技术在宏观经济分析中的应用，利用可见光、热红外等多波段卫星遥感数据，开展数据融和、变化检测、目标特征提取等技术研究，在识别违法违规工程建筑、监测项目施工进度、灾害应急响应、评估社会治理成效等应用中辅助分析决策。二是将各种经济社会运行相关数据在一个地理信息平台上实现时空叠加和比对分析。如针对部分政府投资的重大工程项目，可以基于项目位置信息叠加卫星高分遥感图片、项目用电量、周边人流密集度、路网拥堵情况等多重图层，实现对重大投资项目建设进度和实施效果的精准分析。三是从时空关联的角度开展分析挖掘。

宏观层面：

构建宏观经济监测预测大数据平台

基于微观层面经济动态本体和中观层面经济涌现仿真分析平台的坚实基础，在宏观层面，可以进一步围绕经济运行和重大风险防范等需求，构建经济运行监测、经济预测和风险识别“三位一体”的宏观经济监测预测大数据平台。

建立宏观经济监测指标库。在国家经济大脑中，笔者结合国家发展改革委大数据中心自2015年以来的实践与探索，探索构建了常态化监测分析经济社会运行情况的指标体系。大致而言，目前指标分为几个方面：

1、监测经济动力的指数。主要分析宏观经济“三驾马车”运行情况，核心指数包括：（1）投资强度指数；（2）消费活跃度指数；（3）消费升级指数。消费升级指数旨在量化中国消费结构及质量升级状况。如财新传媒和数联铭品（BBD）等联合发布的“中国消费升级指数” ，基于电商消费统计数据，通过计算相邻两个月一组相同商品的消费变化情况（月度环比），将每个月的消费升级指数环比连乘得到消费升级指数。（4）贸易活跃度指数。

2、监测产业运行的指数。核心指数包括：（1）反映产业运行情况的典型实物量指标；（2）产业用工指数；（3）初创企业活力指数；（4）产业运行风险指数；（5）产业创新能力指数。

3、监测区域发展的指数。核心指数包括：（1）卫星灯光指数；（2）基于工商注册资本的产业集聚度指数；（3）产业辐射度指数；（4）产业迁移指数；（5）重点城市和产业功能区常驻人口变动指数；（6）重点交通枢纽周边人流量变动指数。

建立宏观经济预测分析平台。当前，大数据手段已经与商业化场景紧密结合，通过运用基于大数据的分析和挖掘技术手段，使得商业智能从过去的报告和决策支持模式跃升到商业预测和未来决策（next-move decision making）模式。在宏观经济领域，研究者正在试图通过大数据手段，从各种实时、交互、离散化、非结构化的海量数据中，发现经济社会运行的各种先行指标信号，并形成多种预测模型。结合前文的论述，我们可以将这些预测模型大致分为两大方向，一是对传统预测模型的改进，二是围绕中观层面经济涌现的三个依赖性，分别从复杂网络、行为链条和时空演化三条路径对复杂的宏观经济现象进行预测。具体包括：对传统预测模型的优化改进、基于复杂网络的预测模型、基于行为链条的预测模型、基于时空演化的预测模型等。

构建宏观经济风险监测预警平台。当前，随着国际国内经济形势的日趋复杂，现代西方经济学在识别和预测风险方面的理论缺陷越来越明显。我们经济学家的普遍倾向是，设计政策并对其结果进行一些模拟，但是不会充分地探讨行为假设的稳健性，不能将那些因系统性的剥削而可能失败的地方识别出来。” 运用大数据方法，则可以较好地弥补传统均衡经济学的这一缺陷。

1、构建风险识别模型库。针对自然人方面，重点围绕犯罪热点预测、疫情传播预测、人群聚集点风险、互联网金融、网络诈骗、非法传销等问题进行风险识别建模。针对法人方面，重点围绕涉及重大政策、重大项目的违法违规、社会纠纷、实施进度、金融杠杆率、流动性风险、社会信用风险、影子银行、违法犯罪、外部冲击等重点风险领域开展建模分析。

2、构建风险评级体系。利用机器学习、风险模型、专家评分等多种手段，构建覆盖自然人和法人的风险识别特征库，在整合归集多种数据源的基础上，对不同行业、不同层级的评估对象进行风险评级，以实现更加精准、超前的风险识别与预测预警。例如，国家发展改革委大数据中心曾联合成都数联铭品等企业，探索从企业工商变更、关联关系演变、招聘行为变化等数据中抽取非法集资样本企业的行为特征，结合深度学习等算法形成企业经营风险评估模型，并研发了企业静态风险特征指数和企业动态风险特征指数。

3、构建风险压力测试平台。未来，面对日趋复杂的宏观经济环境，需要坚持底线思维，形成对重大宏观经济政策成效和风险层级的测试仿真环境。在宏观经济分析中，通过归集各方面数据资源，构建重大外部事件对宏观经济运行情况的“极限测试环境”，具有重要现实意义。

（因篇幅原因，本文在原文基础上有删节调整）

【声明】内容源于网络

BBD Data

大数观天下，微言解疑难

内容 748

粉丝 0

BBD Data 大数观天下，微言解疑难

总阅读693

粉丝0

内容748