论文部分内容阅读
摘 要：随着社会主义市场经济的快速发展，大数据时代也随之到来，加快了数据信息的传播速度，让社会各个领域都受益匪浅。在宏观经济的发展中，大数据使宏观经济能够获得先进的技术，更加科学地预测未来的经济走向。虽然大数据有利于宏观经济的预测，但是还没有得到完善的实践应用，实际遇到的问题还没有得到妥善解决。
关键词：信息时代;经济发展;互联网
一、传统宏观经济预测方法的不足
1.1宏观经济的传统预测方法
构建经济计量模型，需要在理论驱动的结构模型的基础上，以宏观经济理论为基础，构建出数理分析模型之后进行统计化。根据统计的数据进行进一步的分析，得出宏观经济变量之间的数量关系，并更为准确地预测关注变量的数据变化。而数据驱动的时序模式则不同理论驱动，数据驱动只根据数据的内在规律，不依靠经济理论建模。
1.2传统宏观经济预测方法的不足
经济运行规律长期看具有不确定性，在短时间内，经济运行规律是稳定的，但是随着时间快速流逝，原有的经济运行规律可能已经不符合当今的经济发展现状。传统宏观经济的预测方法对于使用数据的精确性非常依赖。但是在使用传统的宏观经济预测方法过程中，统计出来的数据因为方法原因，使得统计数据并不准确，进一步导致传统经济预测方法分析出的结果有很大的不准确性。
二、大数据的特征与对传统宏观经济预测的作用
2.1大数据的特点
2.1.1数据库庞大
數据信息是分等级的，应用传统的模型收集方法，只能收集到KB或MB级的数据信息，而大数据收集应用的数据量更为庞大，均在GB级以上，更有甚者达到TB、PB、EB级别的数据量。
2.1.2传统计算机工作效率低
传统计算机性能低，无法承受巨量数据的运算，它的计算能力无法使数据得到充分的分析处理。
2.1.3数据信息多样
传统的统计数据均为结构化的数据信息，包括截面数据、时间序列数据与面板数据。大数据则比传统的数据信息更为庞大，范围更广，囊括了文本、语音、视频、日志、URL等多种信息，基础信息库信息数据更多。
2.1.4价值高
“大数据”的定义有自己的标准，并不是所有的数据都可以统称为大数据，这些数据需要帮助人们更清楚地认识事物。大数据库中的数据较传统数据更为精准，但是由于信息量庞大，价值密度较低，即单位数据中所蕴含的价值量小，需要通过更复杂的算法提取出有用的价值信息。
2.2大数据对宏观经济预测的积极作用
2.2.1及时性
大数据具有及时性。大数据的数据信息，通过互联网平台积累下来，在网络空间中均有记录，在网络空间上进行交易后，交易的基本信息就会被记录，留在网络数据库中。如果在分析处理问题时需要这些信息，就会被特定的方法提取出来，操作简单快速。
2.2.2真实性
大数据具有真实性。网络平台上发生的交易数据真实，在查找提取的过程中减少人为干扰，数据相对基础真实，所以得到的数据更为准确实用。
2.2.3成本低
大数据具有成本低的效益性。在网络中发生的交易都会被记录下来，在网络中留下记录，没有更多的人为干扰，经过一定技术提取出来的数据更加客观，并且能过直接搜索到自己想要的结果，获得数据的成本降低了。
2.2.4细致化
传统的数据搜集方法人为干扰多，成本高，为了降低成本，搜集到的数据并不精准细化。而大数据在相同成本的状态下可以获得更加细化的数据，搜索总体数据与更为细化数据的操作并未有太大区别，所以在不耗费更多成本的状态下，可以获得更为细致的数据。
2.3大数据对传统宏观经济的作用
对宏观经济进行预测，在传统分析方法的基础上进行改进，提高技术，使模型的预测更为准确，应用的范围也更为广泛。传统的宏观经济预测方法虽然有很多优点，例如模型形式多样，方法技术更为纯熟，对于所有情况的数据结构问题都有解决方法，但是随着时代的进步，传统的方法已经不能满足人们的需求，预测出来的结果并不准确，新的大数据方式弥补了传统方式的不足。
三、大数据在宏观预测中面临的问题与解决建议
3.1数据来源
3.1.1利用网络公司
以互联网公司提供的信息为基础，例如百度公司、腾讯公司等。在当今宏观经济的问题研究中，这个方法的使用率高，获得信息的方法更为简便。
3.1.2利用“网络机器人”
通过网络机器人技术可以有目的地设计程序，不受限制地获取各个平台的信息，十分快速有效。但是这个方式有很大的局限性，对于技术的要求高，进而使学习的成本提高，操作困难。
3.2维度问题
大数据的单位价值低，所以需要更高的技术来获取数据，想要获得完备的数据，就要多维度获取，但是变量因素也会增加，可能会因为信息过多，对于信息的解释变量随之增多，就会产生维度上的难题。
3.3数据非结构化
大数据信息来源广泛，但结构化数据较少，绝大部分均为非结构化数据。而非结构化数据对于宏观经济预测是不可缺少的一部分。对于文本信息需要更高级的处理方法，这方面的前景还较为广阔。
3.4研究问题的转变
传统的宏观经济预测方法大多数为某两个变量之间的函数关系，但是由于大数据信息的来源广泛，在确定函数关系方面较为困难。而大数据的解释变量与宏观经济变量之间具有相关性。
3.5数据噪声
数据噪声就是对于想要研究的内容中没有价值的数据。当噪声数据存在，会产生两个后果。第一、研究中大量无价值的数据出现，使项目的研究更加困难，干扰了有价值信息的被发现，使得研究成本上升。第二、研究结论的正确性不能得到保障，因为错误信息的干扰，可能得到错误的研究结论。
四、结束语
中共中央、国务院最新发布的《关于新时代加快完善社会主义市场经济体制的意见》中强调：“建立健全运用互联网、大数据、人工智能等技术手段进行行政管理的制度规则。”“ 完善诚信建设长效机制，推进信用信息共享，建立政府部门信用信息向市场主体有序开放机制。”这对未来大数据的应用提出了更高要求。大数据使宏观经济的预测更为权威，它有了更加准确地数据的支撑，及时准确地对经济进行预测，促进经济的发展。想要更加熟练地运用大数据，使宏观经济的预测更加合理科学。
参考文献
[1]张涛，刘宽斌.“大数据”在宏观经济预测分析中的应用[J]社会科学文摘，2018（08）
关键词：信息时代;经济发展;互联网
一、传统宏观经济预测方法的不足
1.1宏观经济的传统预测方法
构建经济计量模型，需要在理论驱动的结构模型的基础上，以宏观经济理论为基础，构建出数理分析模型之后进行统计化。根据统计的数据进行进一步的分析，得出宏观经济变量之间的数量关系，并更为准确地预测关注变量的数据变化。而数据驱动的时序模式则不同理论驱动，数据驱动只根据数据的内在规律，不依靠经济理论建模。
1.2传统宏观经济预测方法的不足
经济运行规律长期看具有不确定性，在短时间内，经济运行规律是稳定的，但是随着时间快速流逝，原有的经济运行规律可能已经不符合当今的经济发展现状。传统宏观经济的预测方法对于使用数据的精确性非常依赖。但是在使用传统的宏观经济预测方法过程中，统计出来的数据因为方法原因，使得统计数据并不准确，进一步导致传统经济预测方法分析出的结果有很大的不准确性。
二、大数据的特征与对传统宏观经济预测的作用
2.1大数据的特点
2.1.1数据库庞大
數据信息是分等级的，应用传统的模型收集方法，只能收集到KB或MB级的数据信息，而大数据收集应用的数据量更为庞大，均在GB级以上，更有甚者达到TB、PB、EB级别的数据量。
2.1.2传统计算机工作效率低
传统计算机性能低，无法承受巨量数据的运算，它的计算能力无法使数据得到充分的分析处理。
2.1.3数据信息多样
传统的统计数据均为结构化的数据信息，包括截面数据、时间序列数据与面板数据。大数据则比传统的数据信息更为庞大，范围更广，囊括了文本、语音、视频、日志、URL等多种信息，基础信息库信息数据更多。
2.1.4价值高
“大数据”的定义有自己的标准，并不是所有的数据都可以统称为大数据，这些数据需要帮助人们更清楚地认识事物。大数据库中的数据较传统数据更为精准，但是由于信息量庞大，价值密度较低，即单位数据中所蕴含的价值量小，需要通过更复杂的算法提取出有用的价值信息。
2.2大数据对宏观经济预测的积极作用
2.2.1及时性
大数据具有及时性。大数据的数据信息，通过互联网平台积累下来，在网络空间中均有记录，在网络空间上进行交易后，交易的基本信息就会被记录，留在网络数据库中。如果在分析处理问题时需要这些信息，就会被特定的方法提取出来，操作简单快速。
2.2.2真实性
大数据具有真实性。网络平台上发生的交易数据真实，在查找提取的过程中减少人为干扰，数据相对基础真实，所以得到的数据更为准确实用。
2.2.3成本低
大数据具有成本低的效益性。在网络中发生的交易都会被记录下来，在网络中留下记录，没有更多的人为干扰，经过一定技术提取出来的数据更加客观，并且能过直接搜索到自己想要的结果，获得数据的成本降低了。
2.2.4细致化
传统的数据搜集方法人为干扰多，成本高，为了降低成本，搜集到的数据并不精准细化。而大数据在相同成本的状态下可以获得更加细化的数据，搜索总体数据与更为细化数据的操作并未有太大区别，所以在不耗费更多成本的状态下，可以获得更为细致的数据。
2.3大数据对传统宏观经济的作用
对宏观经济进行预测，在传统分析方法的基础上进行改进，提高技术，使模型的预测更为准确，应用的范围也更为广泛。传统的宏观经济预测方法虽然有很多优点，例如模型形式多样，方法技术更为纯熟，对于所有情况的数据结构问题都有解决方法，但是随着时代的进步，传统的方法已经不能满足人们的需求，预测出来的结果并不准确，新的大数据方式弥补了传统方式的不足。
三、大数据在宏观预测中面临的问题与解决建议
3.1数据来源
3.1.1利用网络公司
以互联网公司提供的信息为基础，例如百度公司、腾讯公司等。在当今宏观经济的问题研究中，这个方法的使用率高，获得信息的方法更为简便。
3.1.2利用“网络机器人”
通过网络机器人技术可以有目的地设计程序，不受限制地获取各个平台的信息，十分快速有效。但是这个方式有很大的局限性，对于技术的要求高，进而使学习的成本提高，操作困难。
3.2维度问题
大数据的单位价值低，所以需要更高的技术来获取数据，想要获得完备的数据，就要多维度获取，但是变量因素也会增加，可能会因为信息过多，对于信息的解释变量随之增多，就会产生维度上的难题。
3.3数据非结构化
大数据信息来源广泛，但结构化数据较少，绝大部分均为非结构化数据。而非结构化数据对于宏观经济预测是不可缺少的一部分。对于文本信息需要更高级的处理方法，这方面的前景还较为广阔。
3.4研究问题的转变
传统的宏观经济预测方法大多数为某两个变量之间的函数关系，但是由于大数据信息的来源广泛，在确定函数关系方面较为困难。而大数据的解释变量与宏观经济变量之间具有相关性。
3.5数据噪声
数据噪声就是对于想要研究的内容中没有价值的数据。当噪声数据存在，会产生两个后果。第一、研究中大量无价值的数据出现，使项目的研究更加困难，干扰了有价值信息的被发现，使得研究成本上升。第二、研究结论的正确性不能得到保障，因为错误信息的干扰，可能得到错误的研究结论。
四、结束语
中共中央、国务院最新发布的《关于新时代加快完善社会主义市场经济体制的意见》中强调：“建立健全运用互联网、大数据、人工智能等技术手段进行行政管理的制度规则。”“ 完善诚信建设长效机制，推进信用信息共享，建立政府部门信用信息向市场主体有序开放机制。”这对未来大数据的应用提出了更高要求。大数据使宏观经济的预测更为权威，它有了更加准确地数据的支撑，及时准确地对经济进行预测，促进经济的发展。想要更加熟练地运用大数据，使宏观经济的预测更加合理科学。
参考文献
[1]张涛，刘宽斌.“大数据”在宏观经济预测分析中的应用[J]社会科学文摘，2018（08）