您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[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? - 发现报告
当前位置:首页/宏观策略/报告详情/

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?

2023-03-28高频和宏观研究团队腾景数研枕***
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?

腾景文献解读 实时经济学:OECD如何使用谷歌趋势实时监测经济活动? ——基于腾景AI高频模拟和预测腾景高频和宏观研究团队 相关报告 《腾景宏观周报:汛期扰动南方部分地区经济活动》2023-03-27 《腾景宏观月报:据1-2月天津高频数据,预计一季度天津GDP增长3.7%》2023-03-14 《腾景宏观快报:美国四季度GDP同比增速或为0.8%,较三季度小幅回落》2023-01-06 联系我们 010-65185898|+86 15210925572 IR@TJRESEARCH.CN http://www.tjresearch.cn 北京市朝阳区朝阳门外大街乙6号朝外SOHO-A座29层 前言: •今天,我们生活在一个万物互联的世界之中。因此,我们比以往任何时候都更亟需全面且详细地了解一切是如何彼此连接的。随着这种高度互联的现实、日益激烈的竞争、差异化和创新的需求,实时经济 (Instanteconomy,也可以译为即时经济)正在加速发展。 •各种类型的国际连通性是知识传播的渠道,而知识传播又对长期经济增长至关重要。然而,一个国家的知识传播量的多少,不仅取决于其内部的整体连通水平,还取决于其与外界的关联度。与具有广泛全球联系的经济体建立良好联系可能比与孤立经济体建立联系更有利于强大的知识共享和学习渠道,良性的连接有助于形成相互补充。这种更广泛的连通性是未来经济增长的重要决定因素。 •3月22日,美联储在议息会议上将政策利率上调0.25个百分点,符合市场普遍预期。自2021年1月至今,美联储已累计加息450个基点,英国央行也已累计加息390个基点,全球金融系统脆弱性正在上升,全球互联也让资本市场异常敏感。近期,硅谷银行破产,标志银行倒闭,第一共和银行危机,瑞信银行重组,其AT1债券一夜变“废纸”,此类事件短时间内相继爆发,引起投资者的恐慌,美股主要指数重挫,银行股全线走低。此类多米诺骨牌倒下会引发多大的蝴蝶效应通常难以预判。 •半个世纪前,混沌理论的提出者发现蝴蝶效应让长期预测变得不可能。在混沌系统中,初始条件的十分微小的变化经过不断放大,对其未来状态会造成极其巨大的差别。复杂系统的最小扰动也能触发一连串的事件,导致未来发生巨大变化。 •这其中既有系统复杂性的原因,也不排除是高质量数据的普遍稀缺所致。从亚当·斯密和卡尔·马克思到税收、债务危机、不平等和经济自由,早期的经济学研究由于数据的极度缺乏,导致这门学科的研究更像哲学而非科学。受新冠疫情影响,世界因祸得福收获了实时经济的发展。互联网、人工智能技术带动的线上经济繁荣,政府监管由线下部分转移到线上,无论是企业还是政府,都有望从即时展现的大量数据中,了解世界运行的底层逻辑。 一、实时经济学:人流、物流、资金流、信息流等资源要素直观反映经济基本面 •我们认为实时经济学是指利用大数据和实时数据分析技术来研究和理解经济现象的学科。它利用各种数字工具来监测市场动态、企业绩效和政策变化等各方面数据,进而进行快速决策,以提高效率和收益。其应用领域包括货币和财政政策、金融市场、商品市场和企业经营管理等诸多领域。 •随着技术和数据的发展,越来越多的经济数据可以在实时或接近实时的基础上收集和分析。这些数据包括消费者行为、市场价格、货币流动和产量等,而实时经济学家则会利用这些数据来研究和预测宏观经济趋势。 •在宏观和行业研究领域,经济学家、宏观和行业研究员在生产、需求、投资、消费、通胀、金融等板块中使用高频数据进行经济研究和分析已是常态,并通过对这些数据的分析和建模,识别经济趋势和周期,预测未来经济发展的走势。 •政府也可以通过高频、实时的数据进行经济监测,降低政策失误的风险。比如说,如果经济活动的下滑正在演变为经济衰退,有了高频数据的支撑,那么作出的判断就会更可靠。政府可以利用其“工具箱”进行应对从而实现未雨绸缪。目前比较常见的实时高频数据类型如下: (1)移动设备数据: •移动设备位置数据:通过移动设备的定位信息可以反映人口流动和活动范围,例如交通流量、人流量、旅游活动等。 •移动设备应用数据:通过移动设备的应用使用情况,可以反映人们的消费行为、购物习惯、娱乐需求等。 (2)互联网数据: •搜索引擎数据:通过分析互联网搜索引擎的搜索次数和搜索内容,可以了解人们的需求和关注点,例如商品需求、新闻热点、政策变化等。 •社交媒体数据:通过分析社交媒体的用户活动、内容传播等,可以了解人们的态度、情感和社会舆情等。 •在线交易数据:通过分析在线交易平台的销售额、订单量等数据,可以了解电商市场的变化和趋势。 (3)传感器数据: •气象传感器数据:通过气象传感器采集的气象数据,可以反映天气状况、自然灾害等情况。 •环境传感器数据:通过环境传感器采集的数据,可以了解空气质量、噪声水平、交通情况等。 •以研究机构比较关注的消费类指标为例:第三方地图可查到主要景区 (例如北京环球影城、欢乐谷等景区)的实时客流量,知名餐饮品牌喜茶、海底捞的营业额,G7等数字货运物流平台通过物联网技术和设备获取的公路、高速货运近实时数据等。 •可以预见,万物互联时代的经济学研究的新打法和新趋势逐渐成形:通过数字化赋能的的物联网等科技手段,实时获取数据,数据汇集到云端打造“经济大脑”,再建立数据模型和机器算法,使用多种方法来实时追踪经济活动,以提供及时、准确的经济数据和分析,预测经济变化。 图:房地产、物流、居民出行等领域高频数据(截至2023年3月26日) 数据来源:Wind、同花顺iFinD、腾景宏观高频模拟和预测库 二、实时经济学的明与暗 •实时经济是一种新兴的经济模式,它基于数字技术和实时数据,通过实时监测和响应市场需求和供应,实现生产、交易和消费的实时协调和优化。实时经济的理论基础可以追溯到信息经济学和新古典经济学中的一些重要概念。 •实时经济依赖于信息技术的发展,特别是互联网和物联网技术的进步,这些技术可以实现实时数据的收集、处理和传输。信息经济学认为,信息是市场经济中的重要资源,信息的不对称会导致市场失灵。实时经济通过实时数据的收集和传输,可以减少信息不对称,提高市场效率。 •实时经济涉及到供求关系的实时协调。新古典经济学认为,市场经济中,供求关系决定了价格和数量的变化,市场机制通过价格信号来协调供求关系。实时经济通过实时监测和响应市场需求和供应,可以更加准确地反映市场状况,从而实现供求关系的实时协调。 •此外,实时经济还涉及到数据分析和机器学习技术的应用。这些技术可以对大数据进行处理和分析,提取出有用的信息和知识,为实时经济的决策提供支持。 •2021年10月23日《经济学人》发表封面文章:一场即时革命将颠覆宏观经济学的实践(Areal-timerevolutionwillup-endthepracticeofmacroeconomics)。文章认为:“即时经济学不是围绕着洞察力或无所不知。相反,它的承诺平淡无奇,却具有变革意义:做出更好、更及时、更理性的决策。” •这里提到的实时经济学是指利用现代信息技术和大数据分析等工具,及时地获取和分析经济数据以揭示经济活动的动态变化和趋势。其目标是提供更加准确和及时的经济信息,帮助政策制定者、企业和个人做出更加明智的决策。 三、ChatPDF如何解读《OECD:TrackingactivityinrealtimewithGoogleTrends》? •本周我们选择《OECD:TrackingactivityinrealtimewithGoogleTrends》使用ChatPDF进行解读分享。这篇论文为经合组织 (OECD)经济部的工作论文。经合组织经济部的主要研究方向涵盖:经济形势、政策分析和预测;财政政策、公共支出和税收;以及结构性问题,包括老龄化、增长和生产力、移民等诸多领域。 •该论文的作者为NicolasWoloszko,现为总部位于巴黎的全球资产管理公司CapitalFundManagement(CFM)的研究副总裁,曾任经合组织宏观经济分析部和经合组织创新实验室的经济学家,OECDWeeklyGDPTracker的作者。他的研究领域包括财富和收入不平等、住房、贸易政策及其分配影响,结构性政策和最低工资的分配影响,短期预测和转折点预测以及方法论问题。他还为机器学习可解释性文献做出了贡献。 •OECDWeeklyTracker使用两步模型根据GoogleTrends预测每周GDP增长。首先,根据季度频率的谷歌趋势搜索强度估算GDP增长的季度模型。其次,将谷歌趋势与活动之间的关系(使用从季度模型中估计的相同弹性)应用于每周谷歌趋势系列以产生每周跟踪器。因此,OECDWeeklyTracker可以解释为对“每周GDP”(与上一年同一周相比)的同比增长率的估计。 •首先我们给出该论文中英文版本的摘要,供读者了解其主要研究内容和结论。 Abstract •ThispaperintroducestheOECDWeeklyTrackerofeconomicactivityfor46OECDandG20countriesusingGoogleTrendssearchdata.TheTrackerperformswellinpseudo-realtimesimulationsincludingaroundtheCOVID-19crisis.TheunderlyingmodeladdstothepreviousGoogleTrendsliteratureintworespects: •(1)thedataareadjustedforcommonlong-termbiasand(2)thedataincludevariablesbasedonbothGoogleSearchcategoriesandtopics(thelatterbeingacollectionofrelatedkeywords),thusfurtherexploitingthepotentialofGoogleTrends.Thepaperhighlightsthepredictivepowerofspecifictopics,including"bankruptcies","economiccrisis","investment","luggage"and"mortgage".Calibrationisperformedusinganeuralnetworkthatcapturesnon-linearpatterns,whichareshowntobeconsistentwitheconomicintuitionusingmachinelearninginterpretabilitytools("Shapleyvalues").Thetrackershedslightontherecentdownturnandthedynamicsoftherebound,andprovidesevidenceaboutlastingshiftsinconsumptionpatterns. 摘要 •本文介绍了使用GoogleTrends搜索数据追踪46个经合组织和G20国家经济活动的OECD每周追踪器。该追踪器在包括COVID-19危机在内的伪实时模拟中表现良好。该模型在两个方面增加了先前GoogleTrends文献的贡献:(1)数据已经调整了常见的长期偏差,(2)数据包括基于Google搜索类别和主题的变量(后者是一组相关关键词),从而进一步利用GoogleTrends的潜力。本文突出了特定主题的预测能力,包括“破产”,“经济危机”,“投资”,“行李”和“抵押贷款”。采用一个能够捕捉非线性模式的神经网络进行校准,使用机器学习可解释性工具(“Shapley值”)表明这些模式符合经济直觉。该追踪器阐明了最近的经济衰退和复苏动态,并提供了关于消费模式持久性转变的证据。 1.关于研究背景和目的