2023慧科-香港科技大学-旅游指数白皮书-慧科讯业_23页_2mb

慧科－香港科技大学旅游指数（WISERS-HKUST Tourism Index）是慧科讯业与香港科技大学商学院合作开发的实时预测性指数，基于社交媒体大数据及线下旅游业统计数据，旨在为香港旅游业提供精准预测与分析工具。该指数聚焦六大关键因素：到访方法（交通、签证）、设施、景点、娱乐活动（购物、运动、文娱、展览）、当地社群（正面、负面）及附带因素（如HPV疫苗、保险等），并细分为11个自变量，同时结合9个外生变量（公众假期、学生寒暑假、港币人民币汇率、社会运动影响、通关政策、气温、空气质量、月份等）。研究团队利用慧科的自然语言处理（NLP）技术及机器学习模型，对2018年1月至2023年3月期间的社交媒体数据（日均超1000万条）进行清洗与量化分析，构建预测模型。

项目采用随机森林回归模型处理时间序列数据，克服线性模型的局限性，显著提升预测精度（误差率低至4%）。通过SHAP（Shapley Additive Explanations）方法对模型进行解释，量化各变量对预测结果的影响程度，揭示非线性关系及变量交互作用。预测结果分三个时间维度：本月、下月与下下月，以应对旅游业数据披露的延迟问题。例如，基于X月10日的数据，预测X月及后续两个月的指标。

该指数包含三大核心成分：到访人数、酒店入住率与酒店价格，各成分按权重（50%、25%、25%）加权计算综合指数，基准值设定为2018年平均值100点。高指数表明市场活跃需加强资源配置，低指数则提示需通过促销活动或政策扶持拉动需求。研究发现，酒店入住率与签证讨论、负面社群情绪相关，到访人数受交通讨论驱动，价格则与签证和交通关联度较高。2023年二季度预测显示旅游气氛逐渐回暖。

项目创新点在于：（1）首次以大数据建模替代传统问卷或专家小组方法，增强实时性与客观性；（2）结合香港本地特点设计变量，系统分析多维度影响因素；（3）通过SHAP提升模型可解释性，为政策制定与商业决策提供依据。未来计划拓展至每日或每周预测，并探索与政府及旅游行业的更紧密合作以优化数据时效性。该指数已成为衡量香港旅游热度的重要参考工具，助力政府和企业动态调整策略。