20230328-腾景数研-基于腾景AI高频模拟和预测_实时经济学_OECD如何使用谷歌趋势实时监测经济活动__18页_905kb

报告摘要

腾景文献解读总结

核心内容

实时经济学是一种新兴的经济研究方法，利用大数据和实时数据分析技术来研究和理解经济现象。它通过监测市场动态、企业绩效和政策变化等数据，为政策制定者、企业和个人提供更及时、准确的经济信息和决策支持。OECD通过使用Google Trends搜索数据，构建了“OECD Weekly Tracker”以追踪46个OECD和G20国家的经济活动，其方法基于神经网络面板模型，具有较强的预测能力和可解释性。

主要观点

实时经济学依赖于信息技术的发展，尤其是互联网和物联网技术，以实现对经济活动的实时监测和响应。
Google Trends数据具有实时性、覆盖面广、精度高和数据可用性强等优点，适用于经济活动的预测。
通过Shapley值等机器学习可解释性工具，可以量化不同搜索主题对GDP增长预测的贡献，如“失业”、“投资”、“学生贷款”等。
OECD Weekly Tracker在伪实时模拟中表现良好，尤其在疫情期间，能够有效捕捉经济变化趋势。
实时经济学的发展受到数据质量和模型适用性的限制，未来需要进一步研究以提升其在不同情境下的有效性。

关键信息

高频数据类型

移动设备数据：包括位置数据和应用数据，可用于分析人口流动、消费行为等。
互联网数据：包括搜索引擎数据、社交媒体数据和在线交易数据，能够反映公众兴趣、舆情和市场变化。
传感器数据：如气象和环境传感器数据，可用于分析自然灾害和环境因素对经济的影响。

研究方法

采用神经网络面板模型，结合Google Trends数据进行经济活动预测。
使用**多层感知器（MLP）**算法，包含两个隐藏层，分别有100个和20个神经元。
每个神经元使用ReLU激活函数，以提高模型的非线性捕捉能力。
通过随机梯度下降优化模型参数，以最小化损失函数。

稳健性检验

使用交叉验证评估模型的预测能力。
应用稳健标准误差来纠正异方差问题。
进行偏误校正以消除长期偏差。
实施伪实时模拟验证模型在危机期间的可靠性。

可解释性

使用Shapley值分析各变量对预测结果的贡献，如失业率、投资、学生贷款等。
Shapley值帮助识别哪些变量对模型影响较大，从而增强模型的可解释性。

腾景AI经济预测

高频模拟：将月度指标日度化，实现经济数据的即时获取和分析。
AI预测：通过深度学习算法，挖掘数据中的非线性关系，预测经济变量的走向和拐点。
全口径数据：通过动态投入产出矩阵，构建更完整、准确的经济指标体系，涵盖居民消费、政府消费、固定资产形成等。
全口径数据库包含150多个常用指标，远超官方的72个指标，提升数据的全面性和深度。

拓展研究建议

探索其他搜索引擎数据（如百度指数、必应搜索量）的使用，以比较其在经济预测中的效果。
研究不同行业和地区对搜索数据的敏感度差异。
分析不同时间尺度下（如月度、季度）算法的有效性。
比较其他机器学习方法（如支持向量机、随机森林）在经济预测中的表现。
研究算法在危机事件和政策干预下的鲁棒性和适应性。

联系方式

电话：010-65185898 | +86 15210925572
邮箱：IR@TJRESEARCH.CN
网站：http://www.tjresearch.cn
地址：北京市朝阳区朝阳门外大街乙6号朝外SOHO-A座29层

参考文献

Brynolfsson, E., & McAfee, A. (2014). The second machine age: Work, progress, and prosperity in a time of brilliant technologies. WW Norton & Company.
Choi, H., & Varian, H. (2012). Predicting the present with Google Trends. Economic Record, 88(s1), 2-9.
Diebold, F. X., & Yilmaz, K. (2014). On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics, 182(1), 119-134.
Giannone, D., Reichlin, L., & Small, D. (2008). Nowcasting: The real-time informational content of macroeconomic data. Journal of Monetary Economics, 55(4), 665-676.