摘要：數(shù)智時(shí)代，地方政府通過(guò)開(kāi)發(fā)利用市場(chǎng)主體活動(dòng)產(chǎn)生的高頻數(shù)據(jù)，搭建宏觀經(jīng)濟(jì)大數(shù)據(jù)分析平臺(tái)，構(gòu)建可視化的預(yù)測(cè)分析指標(biāo)體系，以實(shí)現(xiàn)對(duì)經(jīng)濟(jì)運(yùn)行狀態(tài)的前瞻性把握。但目前仍存在數(shù)據(jù)采集鴻溝、數(shù)據(jù)分析方法實(shí)用性不佳等困境?；诘胤秸c技術(shù)手段的現(xiàn)實(shí)條件約束，建議重點(diǎn)優(yōu)化經(jīng)濟(jì)數(shù)據(jù)歸集匯總機(jī)制，在基于高頻數(shù)據(jù)開(kāi)展地區(qū)宏觀經(jīng)濟(jì)分析時(shí)以增加經(jīng)濟(jì)運(yùn)行分析的維度為中心，深化研究高頻數(shù)據(jù)與分析預(yù)測(cè)對(duì)象之間的成分性關(guān)系，重點(diǎn)把握其結(jié)構(gòu)性關(guān)系。最后，針對(duì)在經(jīng)濟(jì)預(yù)測(cè)結(jié)果可能不準(zhǔn)確的前提下，對(duì)地方政府調(diào)度工作進(jìn)行了探討并建議應(yīng)建立形成良好的激勵(lì)機(jī)制。

關(guān)鍵詞：高頻數(shù)據(jù)；宏觀經(jīng)濟(jì)；客觀經(jīng)濟(jì)預(yù)測(cè)；地方政府

中圖分類(lèi)號(hào)：F224 文獻(xiàn)標(biāo)識(shí)碼：Ａ 文章編號(hào)：2096-5982（2024）08-0091-08

一、引言

宏觀經(jīng)濟(jì)預(yù)測(cè)分析與調(diào)控是國(guó)家和地區(qū)治理體系和治理能力的重要組成部分，對(duì)于科學(xué)研判經(jīng)濟(jì)形勢(shì)、引導(dǎo)政府和市場(chǎng)理性決策、促進(jìn)經(jīng)濟(jì)平穩(wěn)增長(zhǎng)具有重要作用。數(shù)智時(shí)代，數(shù)據(jù)既是重要的生產(chǎn)要素，同時(shí)也是重要的產(chǎn)品。經(jīng)濟(jì)在運(yùn)行中無(wú)時(shí)無(wú)刻不在產(chǎn)生數(shù)據(jù)，記錄著經(jīng)濟(jì)運(yùn)行的軌跡，使得數(shù)據(jù)特別是高頻數(shù)據(jù)成為預(yù)測(cè)和調(diào)控經(jīng)濟(jì)運(yùn)行的重要工具。一方面，數(shù)字經(jīng)濟(jì)的蓬勃發(fā)展，數(shù)字化、智能化與實(shí)體經(jīng)濟(jì)深度融合，使經(jīng)濟(jì)活躍度和復(fù)雜度明顯提升，對(duì)宏觀經(jīng)濟(jì)進(jìn)行及時(shí)、精準(zhǔn)、科學(xué)的預(yù)測(cè)提出了新需求；另一方面，數(shù)字政府加快。云計(jì)算、大數(shù)據(jù)、人工智能、區(qū)塊鏈等技術(shù)的發(fā)展，為利用高頻數(shù)據(jù)進(jìn)行宏觀經(jīng)濟(jì)預(yù)測(cè)和調(diào)控提供了技術(shù)手段，共同推動(dòng)宏觀經(jīng)濟(jì)預(yù)測(cè)分析和調(diào)控的理念與方法的變革。數(shù)智時(shí)代下，高頻數(shù)據(jù)在地方政府宏觀經(jīng)濟(jì)運(yùn)行分析與調(diào)控方面大有可為。

目前，世界各國(guó)都在探索利用高頻數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)形勢(shì)進(jìn)行預(yù)測(cè)，以此提升宏觀經(jīng)濟(jì)調(diào)控的前瞻性、有效性。學(xué)術(shù)界也從重點(diǎn)領(lǐng)域?qū)Υ诉M(jìn)行了研究。其中，在微觀層面，有學(xué)者針對(duì)高頻數(shù)據(jù)設(shè)計(jì)了預(yù)測(cè)模型和算法。例如張永安等構(gòu)建了用于股票市場(chǎng)收盤(pán)價(jià)預(yù)測(cè)的模型（1）；劉廣應(yīng)等構(gòu)建了協(xié)方差矩陣動(dòng)態(tài)預(yù)測(cè)模型。（2）還有學(xué)者借助高頻數(shù)據(jù)研究期權(quán)市場(chǎng)價(jià)格發(fā)現(xiàn)能力的決定性因素（3）和A股開(kāi)盤(pán)價(jià)操縱行為。（4）在宏觀層面，吳力波開(kāi)展了從處理數(shù)據(jù)到預(yù)測(cè)全環(huán)節(jié)的創(chuàng)新研究。（5）王建東等初步構(gòu)想了國(guó)家經(jīng)濟(jì)大腦，并總結(jié)了大數(shù)據(jù)經(jīng)濟(jì)運(yùn)行分析的四種方法，分別是統(tǒng)計(jì)分析方法、時(shí)空分析方法、復(fù)雜網(wǎng)絡(luò)方法和人工智能方法。（6）其中在人工智能領(lǐng)域最新研究較多。閆春等構(gòu)建了監(jiān)測(cè)預(yù)警宏觀經(jīng)濟(jì)運(yùn)行情況的CNN-SVM模型（7）；梁龍躍等利用LSTM＆WA模型預(yù)測(cè)季度GDP（8）；戎天（9）和燕佳靜等（10）探討了大數(shù)據(jù)技術(shù)在省級(jí)政府開(kāi)展經(jīng)濟(jì)運(yùn)行監(jiān)測(cè)分析工作中的應(yīng)用場(chǎng)景，并提出了省級(jí)政府缺乏成熟對(duì)口的分析模型和專(zhuān)業(yè)人才等問(wèn)題。

雖然高頻數(shù)據(jù)在宏觀經(jīng)濟(jì)預(yù)測(cè)分析方面得到越來(lái)越廣泛地運(yùn)用，但是受傳導(dǎo)機(jī)制、數(shù)據(jù)本身等多方面因素的影響，較高準(zhǔn)確度的預(yù)測(cè)經(jīng)濟(jì)運(yùn)行走勢(shì)絕非易事，尤其是需要對(duì)這一過(guò)程的內(nèi)在機(jī)制進(jìn)行深入探索，盡量消除影響精準(zhǔn)預(yù)測(cè)的“噪音”，才能更好地優(yōu)化分析和調(diào)控工作，這也是本文主要的研究?jī)r(jià)值所在。此外，目前高頻數(shù)據(jù)在宏觀經(jīng)濟(jì)層面的研究多集中于全國(guó)層面以及技術(shù)分析，缺乏對(duì)地方政府實(shí)用性較強(qiáng)的研究成果。本文希望就地方層面在理論分析方面作出一些邊際貢獻(xiàn)，并針對(duì)性地為提升高頻數(shù)據(jù)的地區(qū)宏觀經(jīng)濟(jì)預(yù)測(cè)與調(diào)控提供政策建議。

二、高頻數(shù)據(jù)的產(chǎn)生、預(yù)測(cè)價(jià)值及其局限性

（一）高頻數(shù)據(jù)的產(chǎn)生

高頻數(shù)據(jù)通常是指更新時(shí)間較短、包含細(xì)微差異的大量數(shù)據(jù)，如周頻、日頻、實(shí)時(shí)數(shù)據(jù)等。與之相對(duì)應(yīng)的低頻數(shù)據(jù)，則主要包括月度、季度、年度數(shù)據(jù)等。高頻數(shù)據(jù)的產(chǎn)生，有兩個(gè)重要因素：一是經(jīng)濟(jì)社會(huì)活動(dòng)的頻率日益加快，市場(chǎng)交易對(duì)象和范圍不斷擴(kuò)大，高頻數(shù)據(jù)實(shí)質(zhì)上是經(jīng)濟(jì)脈搏跳動(dòng)的映像；二是大數(shù)據(jù)、人工智能、云計(jì)算等技術(shù)的發(fā)展和運(yùn)用，使數(shù)據(jù)采集和存取方式更加便捷，成本不斷降低，海量的高頻數(shù)據(jù)隨之被“生產(chǎn)”出來(lái)。但從實(shí)際應(yīng)用角度出發(fā)，高頻數(shù)據(jù)與低頻數(shù)據(jù)的界限是相對(duì)的，主要取決于反映經(jīng)濟(jì)活動(dòng)的數(shù)據(jù)獲取時(shí)間及研究對(duì)象和目的。例如宏觀經(jīng)濟(jì)領(lǐng)域的高頻數(shù)據(jù)時(shí)間間隔明顯要大于金融領(lǐng)域。在金融領(lǐng)域，諸如證券等產(chǎn)品的交易頻率極高，生產(chǎn)出大量日頻及以?xún)?nèi)的數(shù)據(jù)。同時(shí)由于國(guó)內(nèi)金融市場(chǎng)參與者的買(mǎi)賣(mài)頻次大都可以實(shí)現(xiàn)T+1交易，因此金融領(lǐng)域高頻數(shù)據(jù)的更新頻率一般為日頻及以?xún)?nèi)。例如劉廣應(yīng)（11）和朱菲菲等（12）分別通過(guò)5分鐘高頻收益率數(shù)據(jù)和每6秒加成的高頻交易數(shù)據(jù)進(jìn)行預(yù)測(cè)分析。此外，在宏觀經(jīng)濟(jì)領(lǐng)域，傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)更新頻率主要為月頻或季頻，因此只要高于月頻或季頻的數(shù)據(jù)均可視為地區(qū)宏觀經(jīng)濟(jì)領(lǐng)域的高頻數(shù)據(jù)。例如在預(yù)判季度GDP走勢(shì)過(guò)程中，劉漢等（13）和李正輝等（14）將月度數(shù)據(jù)視為高頻數(shù)據(jù)。

（二）高頻數(shù)據(jù)的優(yōu)勢(shì)價(jià)值

由于高頻數(shù)據(jù)更新快，能夠及時(shí)反映市場(chǎng)變化的最新情況，因此在對(duì)地區(qū)開(kāi)展宏觀經(jīng)濟(jì)運(yùn)行分析和調(diào)控時(shí)具有獨(dú)特的優(yōu)勢(shì)和價(jià)值。一是能夠提高宏觀經(jīng)濟(jì)運(yùn)行分析和調(diào)控的時(shí)效性。傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)的頻率通常至少為月度，一般于次月中旬發(fā)布。而高頻數(shù)據(jù)頻率較高，可以較好地被用來(lái)觀察短期地方經(jīng)濟(jì)運(yùn)行的變化，提前對(duì)經(jīng)濟(jì)形勢(shì)進(jìn)行趨勢(shì)性判斷，能夠更及時(shí)地運(yùn)用政策工具，緩解政策的滯后性問(wèn)題。二是能夠提高宏觀經(jīng)濟(jì)運(yùn)行分析和調(diào)控的豐富性。傳統(tǒng)宏觀統(tǒng)計(jì)數(shù)據(jù)顆粒度不夠（15），高頻數(shù)據(jù)由于頻率較高、分布較廣、種類(lèi)較多、顆粒度較細(xì)等原因，相關(guān)的指標(biāo)既有物量維度，亦有價(jià)值維度。借助高頻數(shù)據(jù)，能夠從不同視角觀測(cè)不同領(lǐng)域、不同行業(yè)、不同階段的生產(chǎn)經(jīng)營(yíng)情況，切入傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)不能覆蓋的領(lǐng)域，更充分的反映地方經(jīng)濟(jì)運(yùn)行的情況。三是能夠提高宏觀經(jīng)濟(jì)運(yùn)行分析和調(diào)控的精準(zhǔn)性。由于增加了微觀數(shù)據(jù)，在經(jīng)濟(jì)運(yùn)行分析中增加了更多的信息，有利于增加經(jīng)濟(jì)運(yùn)行分析的科學(xué)依據(jù)。例如Shaar Khaled證明借助高頻數(shù)據(jù)較精確地反映了美國(guó)和加拿大匯率波動(dòng)對(duì)貿(mào)易的影響。（16）

（三）高頻數(shù)據(jù)的局限性

相較于傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)，雖然高頻數(shù)據(jù)在地區(qū)宏觀經(jīng)濟(jì)運(yùn)行分析中具有明顯優(yōu)勢(shì)，但也存在一些不足之處。一是穩(wěn)定性差，波動(dòng)大。高頻數(shù)據(jù)由于顆粒度較細(xì)，存在較多干擾因素，容易受到干擾因素的影響，出現(xiàn)一些難以被單獨(dú)解釋的異常波動(dòng)。例如銀聯(lián)等部門(mén)產(chǎn)生的消費(fèi)數(shù)據(jù)、互聯(lián)網(wǎng)平臺(tái)公司產(chǎn)生的搜索數(shù)據(jù)、行業(yè)內(nèi)的頭部公司和行業(yè)協(xié)會(huì)等產(chǎn)生的行業(yè)數(shù)據(jù)等，都容易受到季節(jié)性、熱點(diǎn)事件等外部因素影響。二是數(shù)據(jù)來(lái)源分散，不夠規(guī)范，歸集難度較大。宏觀經(jīng)濟(jì)運(yùn)行分析通常要綜合多個(gè)高頻數(shù)據(jù)來(lái)預(yù)測(cè)，但高頻數(shù)據(jù)的來(lái)源單位比較分散。例如用電量數(shù)據(jù)來(lái)自電力部門(mén)，稅收數(shù)據(jù)來(lái)自稅務(wù)部門(mén)，貨運(yùn)客運(yùn)數(shù)據(jù)來(lái)自交通部門(mén)等。相較于統(tǒng)計(jì)部門(mén)的定期發(fā)布，高頻數(shù)據(jù)匯總完成時(shí)間多變且不夠規(guī)范，加之?dāng)?shù)據(jù)壁壘、數(shù)據(jù)安全等因素的影響，及時(shí)獲得最新數(shù)據(jù)的難度較大。三是反饋信息較為直觀，受運(yùn)用場(chǎng)景和方式限制。高頻數(shù)據(jù)能夠較為直觀地反映經(jīng)濟(jì)運(yùn)行的特點(diǎn)和趨勢(shì)，但是不能完全替代理性決策。在運(yùn)用高頻數(shù)據(jù)時(shí)受到數(shù)據(jù)產(chǎn)生的場(chǎng)景、方式的影響，如果不全面分析與高頻數(shù)據(jù)產(chǎn)生的邏輯信息，可能會(huì)在決策中以偏概全、判斷失誤。

三、基于高頻數(shù)據(jù)開(kāi)展宏觀經(jīng)濟(jì)分析的理論邏輯與實(shí)現(xiàn)機(jī)制

（一）理論邏輯

高頻數(shù)據(jù)與地區(qū)宏觀經(jīng)濟(jì)分析預(yù)測(cè)對(duì)象之間關(guān)系密切，可依據(jù)其內(nèi)在邏輯將兩者關(guān)系劃分為相關(guān)性、成分性和結(jié)構(gòu)性。（見(jiàn)圖1）根據(jù)這三個(gè)層面，為地方政府基于高頻數(shù)據(jù)開(kāi)展宏觀經(jīng)濟(jì)分析預(yù)測(cè)提供了理論邏輯支撐，為運(yùn)用包括機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析在內(nèi)的各類(lèi)方法優(yōu)化、政策設(shè)計(jì)指明了方向。

圖 1 高頻數(shù)據(jù)與分析預(yù)測(cè)對(duì)象的關(guān)系

一是相關(guān)性。目前普遍使用的各類(lèi)高頻數(shù)據(jù)與對(duì)應(yīng)的傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)關(guān)聯(lián)程度較高（17），二者之間往往具有相同或相反的波動(dòng)趨勢(shì)，相關(guān)性一般較高。與此同時(shí)，相關(guān)性分析操作較為簡(jiǎn)單，相關(guān)性驗(yàn)證可以作為地方政府研究各類(lèi)高頻數(shù)據(jù)與分析預(yù)測(cè)對(duì)象的一般工具。

二是成分性。高頻數(shù)據(jù)本身就是傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)涉及領(lǐng)域的重要組成部分（18），二者之間通常存在著一定的微觀聯(lián)系，能夠在一定范圍內(nèi)反映分析預(yù)測(cè)對(duì)象的情況，這種微觀聯(lián)系往往也可以通過(guò)一定的邏輯推理得到。例如電力作為制造業(yè)發(fā)展的關(guān)鍵生產(chǎn)要素，是制造業(yè)領(lǐng)域的重要組成成分，當(dāng)制造業(yè)產(chǎn)能擴(kuò)張或收縮，或者產(chǎn)業(yè)增加值增長(zhǎng)或下降時(shí)，一般對(duì)電力資源的需求也會(huì)增長(zhǎng)或下降。因此短期內(nèi)某個(gè)細(xì)分行業(yè)電力消耗量的波動(dòng)可以一定程度反映該行業(yè)的產(chǎn)業(yè)增加值和景氣度。

三是結(jié)構(gòu)性。許多類(lèi)型的高頻數(shù)據(jù)僅能反映傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)所涉及領(lǐng)域的一部分范圍，并不能反映傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)所涉及的所有領(lǐng)域。這意味著高頻數(shù)據(jù)的波動(dòng)反映的是傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)所涉及領(lǐng)域的結(jié)構(gòu)性變化，而非整體性和全局性變化。當(dāng)形勢(shì)發(fā)生大幅變化時(shí)，單個(gè)高頻數(shù)據(jù)對(duì)分析預(yù)測(cè)對(duì)象的反映可能不再充分，反映范圍可能大幅縮小，因此需要增加分析的維度才能更全面和更準(zhǔn)確地反映目標(biāo)領(lǐng)域的狀況。例如電力雖然是制造業(yè)領(lǐng)域的關(guān)鍵生產(chǎn)資料，但并非是唯一且不可替代的。當(dāng)某一制造業(yè)的生產(chǎn)方式發(fā)生大幅調(diào)整時(shí)，此時(shí)用電量的波動(dòng)并不能完全地反映該產(chǎn)業(yè)增加值或者景氣度的變化。由于結(jié)構(gòu)性的存在，通過(guò)梳理現(xiàn)有文獻(xiàn)發(fā)現(xiàn)目前各類(lèi)預(yù)測(cè)分析方法均存在著一定的誤差，通過(guò)高頻數(shù)據(jù)難以準(zhǔn)確預(yù)測(cè)傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)的變化幅度。此外，鄭挺國(guó)等通過(guò)構(gòu)建我國(guó)經(jīng)濟(jì)不確定性指數(shù)，指出通過(guò)目前的常規(guī)方法難以準(zhǔn)確預(yù)判我國(guó)的經(jīng)濟(jì)波動(dòng)幅度。（19）

通過(guò)研究高頻數(shù)據(jù)與分析預(yù)測(cè)對(duì)象之間的成分性，才能更好地把握結(jié)構(gòu)性，將多個(gè)維度的數(shù)據(jù)進(jìn)行比對(duì)，通過(guò)結(jié)合不同維度的數(shù)據(jù)分析來(lái)減少模型的結(jié)構(gòu)性問(wèn)題。而隨著分析預(yù)測(cè)對(duì)象的發(fā)展變化適當(dāng)調(diào)整模型，可以通過(guò)機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析等提升其準(zhǔn)確率。例如用電量數(shù)據(jù)波動(dòng)可能是因?yàn)楫?dāng)?shù)禺a(chǎn)業(yè)生產(chǎn)方式的調(diào)整，但并不能解讀為行業(yè)的景氣程度大幅波動(dòng)。此時(shí)結(jié)合稅收數(shù)據(jù)則可以在一定程度上剔除這類(lèi)異動(dòng)，這也是稅電指數(shù)目前推廣較快較廣的重要原因。雖然研究成分性和結(jié)構(gòu)性往往需要掌握分析預(yù)測(cè)對(duì)象相關(guān)的大量知識(shí)，但也要契合地方政府相關(guān)工作人員的專(zhuān)業(yè)領(lǐng)域，即工作內(nèi)容多與分析預(yù)測(cè)對(duì)象在現(xiàn)實(shí)中相關(guān)，學(xué)科背景多以社會(huì)科學(xué)等為主。（20）

（二）實(shí)現(xiàn)機(jī)制

利用高頻數(shù)據(jù)開(kāi)展地區(qū)宏觀經(jīng)濟(jì)預(yù)測(cè)分析主要包括5個(gè)流程，即數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析、政策調(diào)控、信息反饋（見(jiàn)圖2）。由于高頻數(shù)據(jù)開(kāi)展宏觀經(jīng)濟(jì)分析主要涉及前三個(gè)流程，因此本文主要對(duì)這三個(gè)流程展開(kāi)分析。

1.數(shù)據(jù)采集

高頻數(shù)據(jù)采集主要有三種來(lái)源，一是內(nèi)部共享，二是外部合作，三是主動(dòng)挖掘。其中，主動(dòng)挖掘分為兩類(lèi)，分別是部門(mén)在自身權(quán)力影響范圍內(nèi)直接匯總數(shù)據(jù)，以及利用網(wǎng)絡(luò)爬蟲(chóng)等技術(shù)手段收集大數(shù)據(jù)。而內(nèi)部共享和外部合作情況如下。第一，內(nèi)部共享。政府內(nèi)部是數(shù)據(jù)的重要來(lái)源，各個(gè)部門(mén)在其所屬權(quán)力范圍內(nèi)能夠采集到大量數(shù)據(jù)。不同部門(mén)單位之間可以通過(guò)建立友好聯(lián)系后互通一部分?jǐn)?shù)據(jù)，或者成立大數(shù)據(jù)中心統(tǒng)一匯總各方數(shù)據(jù)。第二，外部合作。包括互聯(lián)網(wǎng)平臺(tái)公司和大型制造業(yè)企業(yè)在內(nèi)的諸多市場(chǎng)主體產(chǎn)生和收集的大量數(shù)據(jù)。例如福田智科物流指數(shù)中建材相關(guān)行業(yè)物流指數(shù)、基于樹(shù)根互聯(lián)“根云”平臺(tái)提供的包括挖掘機(jī)平均每日開(kāi)工設(shè)備數(shù)和總工作時(shí)長(zhǎng)在內(nèi)的三一重工機(jī)械運(yùn)行數(shù)據(jù)、智聯(lián)招聘等就業(yè)平臺(tái)的招聘就業(yè)數(shù)據(jù)等。地方政府內(nèi)部主要通過(guò)兩種方式從外部獲取數(shù)據(jù)，一是通過(guò)建立友好聯(lián)系實(shí)現(xiàn)合作共享，二是直接購(gòu)買(mǎi)通用版或定制化數(shù)據(jù)。

2.數(shù)據(jù)處理

數(shù)據(jù)處理部分可以分為三類(lèi)模塊。一是處理不同頻率、不同單位、不同口徑等數(shù)據(jù)。例如月度通貨膨脹率和季度GDP增長(zhǎng)率，一個(gè)更新頻率為月度，一個(gè)更新頻率為季度。為統(tǒng)一口徑以及充分利用，李正輝等（21）以及于洋等（22）研究發(fā)現(xiàn)使用MIDAS混頻數(shù)據(jù)模型處理結(jié)果較好。二是大數(shù)據(jù)預(yù)處理。在各類(lèi)高頻數(shù)據(jù)中大數(shù)據(jù)占比較大，而大數(shù)據(jù)單個(gè)價(jià)值含量極低且每一類(lèi)數(shù)據(jù)量巨大。同時(shí)包含大量例如網(wǎng)絡(luò)言論等非結(jié)構(gòu)化數(shù)據(jù)，需要對(duì)海量雜亂的數(shù)據(jù)進(jìn)行分類(lèi)匯總和清洗，以及保障數(shù)據(jù)安全；三是通過(guò)數(shù)字平臺(tái)實(shí)現(xiàn)自動(dòng)化和可視化處理，提高宏觀經(jīng)濟(jì)分析工作效率。例如浙江省的經(jīng)濟(jì)調(diào)節(jié)e本賬應(yīng)用，其預(yù)警信號(hào)燈功能，可用于更好地觀測(cè)各類(lèi)經(jīng)濟(jì)指標(biāo)異動(dòng)。此外，可以將異動(dòng)劃分為短期異動(dòng)和趨勢(shì)異動(dòng)，前者反映增速短期內(nèi)大幅波動(dòng)的情形，后者則是指標(biāo)增速減去GDP增速后單邊下滑或上升，并按不同異動(dòng)程度對(duì)應(yīng)不同的顏色預(yù)警。

3.數(shù)據(jù)分析

除利用單項(xiàng)數(shù)據(jù)分析局部情況外，大多數(shù)情況需結(jié)合多個(gè)維度的數(shù)據(jù)進(jìn)行分析以提高分析預(yù)測(cè)的精確度。面對(duì)多個(gè)維度的數(shù)據(jù)，需要對(duì)各個(gè)維度數(shù)據(jù)的影響進(jìn)行賦權(quán)，以及隨著趨勢(shì)變化調(diào)整權(quán)重。目前，常見(jiàn)的賦權(quán)方法有德?tīng)柗品ā⒔y(tǒng)計(jì)分析法、機(jī)器學(xué)習(xí)法等。然而現(xiàn)有的各類(lèi)方法對(duì)傳統(tǒng)經(jīng)濟(jì)指標(biāo)的波動(dòng)幅度預(yù)判并不能做到足夠的精確，僅實(shí)現(xiàn)了對(duì)波動(dòng)趨勢(shì)的把握。李俊珅等通過(guò)德?tīng)柗品?gòu)建稅收經(jīng)濟(jì)發(fā)展指數(shù)，通過(guò)使用2018—2021年上海市相關(guān)數(shù)據(jù)，經(jīng)過(guò)研究發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展指數(shù)與GDP指數(shù)的線(xiàn)性回歸決定系數(shù)為0.88，精確度較低。（23）在諸多數(shù)量方法中，機(jī)器學(xué)習(xí)相關(guān)研究較多且效果較好。為從多個(gè)維度描述宏觀經(jīng)濟(jì)，黃恒君等提出了一種基于機(jī)器學(xué)習(xí)的數(shù)據(jù)融合方法。（24） Yasir等利用基于事件情緒的人工智能技術(shù)預(yù)測(cè)港幣匯率，均方根誤差約為港幣匯率標(biāo)準(zhǔn)差的一半，對(duì)數(shù)值預(yù)測(cè)具有一定意義。（25） Madera等提出了一種可以節(jié)省計(jì)算時(shí)間的改進(jìn)的微遺傳算法用于匯率波動(dòng)的即時(shí)預(yù)測(cè)。（26）閆春等利用CNN-SVM模型通過(guò)機(jī)器學(xué)習(xí)對(duì)中國(guó)經(jīng)濟(jì)景氣監(jiān)測(cè)中心編制發(fā)布的介于2015—2016年之間五個(gè)月的預(yù)警等級(jí)進(jìn)行預(yù)判，其精確度達(dá)到100%。（27）梁龍躍利用LSTM＆WA預(yù)測(cè)模型通過(guò)不同維度的月頻數(shù)據(jù)對(duì)季度GDP進(jìn)行預(yù)測(cè)，其5個(gè)季度下的MAPE值為4.73%，相較于目前國(guó)內(nèi)5%左右的GDP平均增長(zhǎng)幅度，存在不小的誤差。（28）除此之外，學(xué)界從生產(chǎn)法出發(fā)構(gòu)建月度GDP波動(dòng)幅度指數(shù)，基于三次產(chǎn)業(yè)的增加值數(shù)據(jù)，選取具有代表性的重點(diǎn)行業(yè)及與其相關(guān)性較高的高頻指標(biāo)，并按重點(diǎn)行業(yè)的歷史增加值占比進(jìn)行賦權(quán)，對(duì)2017—2022年一季度的數(shù)據(jù)進(jìn)行一元線(xiàn)性回歸，分析結(jié)果顯示其決定系數(shù)達(dá)0.99。

與此同時(shí)，識(shí)別并處理異常波動(dòng)，替換異常數(shù)據(jù)或重新對(duì)異常數(shù)據(jù)賦權(quán)值得重視。個(gè)別數(shù)據(jù)指標(biāo)由于特殊原因出現(xiàn)大幅波動(dòng)，倘若仍按照一般情況下的邏輯關(guān)系對(duì)其賦權(quán)，則可能會(huì)影響結(jié)果的精確度。

四、高頻數(shù)據(jù)在宏觀經(jīng)濟(jì)預(yù)測(cè)分析中的實(shí)踐及困境

（一）高頻數(shù)據(jù)在宏觀經(jīng)濟(jì)預(yù)測(cè)分析中的地方實(shí)踐

近年來(lái)，鑒于高頻數(shù)據(jù)在地區(qū)宏觀經(jīng)濟(jì)運(yùn)行分析中的重要價(jià)值，地方政府積極利用高頻數(shù)據(jù)開(kāi)展宏觀經(jīng)濟(jì)運(yùn)行分析，主要體現(xiàn)在三個(gè)方面。

一是各地積極開(kāi)發(fā)利用國(guó)有單位產(chǎn)生的數(shù)據(jù)，創(chuàng)新構(gòu)建經(jīng)濟(jì)分析指標(biāo)體系。在國(guó)有單位生產(chǎn)的高頻數(shù)據(jù)中，隨著電力和稅務(wù)大數(shù)據(jù)平臺(tái)的建立，憑借其在各行各業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)中的重要地位，各地積極借助電力和稅務(wù)相關(guān)數(shù)據(jù)開(kāi)展經(jīng)濟(jì)形勢(shì)分析。電力方面，例如河南省工業(yè)和信息化廳構(gòu)造規(guī)上工業(yè)企業(yè)用電指數(shù)，其覆蓋規(guī)上和小微工業(yè)企業(yè)，并由用電增長(zhǎng)、用電活躍、用電預(yù)期三個(gè)子指數(shù)組成，每月5日前可發(fā)布各個(gè)行業(yè)和地市的上月數(shù)據(jù)，實(shí)現(xiàn)對(duì)全省經(jīng)濟(jì)形勢(shì)提前展開(kāi)多維度分析。除河南之外，浙江、福建、山西和湖北等地也借助電力數(shù)據(jù)分別開(kāi)展“穩(wěn)產(chǎn)保供”“復(fù)工達(dá)產(chǎn)”“景氣度”等方面的研究。稅務(wù)方面，稅務(wù)總局基于增值稅發(fā)票數(shù)據(jù)開(kāi)展大宗商品價(jià)格監(jiān)測(cè)、消費(fèi)、投資、省際貿(mào)易流向等專(zhuān)題研究以及各行業(yè)經(jīng)濟(jì)運(yùn)行情況方面的深入研究。同時(shí)，基于新設(shè)、注銷(xiāo)企業(yè)戶(hù)數(shù)等數(shù)據(jù)研究涉稅市場(chǎng)主體活躍程度。江蘇省、陜西省、上海市、福建省、河北省、湖北省、天津市也借助稅務(wù)數(shù)據(jù)分別開(kāi)展農(nóng)房改善情況、煤電企業(yè)生產(chǎn)經(jīng)營(yíng)、長(zhǎng)三角一體化、專(zhuān)精特新企業(yè)發(fā)展情況、冰雪產(chǎn)業(yè)、經(jīng)濟(jì)高質(zhì)量發(fā)展、復(fù)工復(fù)產(chǎn)等方面的研究，從不同視角切入經(jīng)濟(jì)體，豐富了經(jīng)濟(jì)分析的維度。四川省協(xié)調(diào)五部門(mén)聯(lián)合掛牌成立稅電指數(shù)辦公室，運(yùn)用稅收和電力大數(shù)據(jù)構(gòu)建稅電指數(shù)，對(duì)企業(yè)在購(gòu)買(mǎi)、生產(chǎn)及銷(xiāo)售環(huán)節(jié)活動(dòng)中微觀數(shù)據(jù)進(jìn)行整合加工，相關(guān)指標(biāo)可以支持次日更新和用于各類(lèi)領(lǐng)域的專(zhuān)題研究，極大地促進(jìn)了經(jīng)濟(jì)分析的時(shí)效性和豐富性。浙江、江西、吉林、遼寧、內(nèi)蒙古等地隨后也將這一指標(biāo)作為研判當(dāng)?shù)亟?jīng)濟(jì)運(yùn)行的“晴雨表”。

二是各地大力建設(shè)宏觀經(jīng)濟(jì)大數(shù)據(jù)分析平臺(tái)，加速智能化和信息化建設(shè)。黨的十八大以來(lái)，浙江、河南、吉林、河北、重慶、海南、湖北等多地建立了宏觀經(jīng)濟(jì)大數(shù)據(jù)分析平臺(tái)。例如在浙江省委、省政府統(tǒng)一部署下，浙江省發(fā)展改革委推出浙江經(jīng)濟(jì)調(diào)節(jié)e本賬應(yīng)用，其中預(yù)警信號(hào)燈和月晾曬功能實(shí)現(xiàn)了智能分析高頻數(shù)據(jù)周增速環(huán)比變化情況，以柱狀圖和“五色圖”綜合晾曬全省穩(wěn)進(jìn)提質(zhì)八大攻堅(jiān)成果，實(shí)現(xiàn)了可視化分析，推動(dòng)形成了全省爭(zhēng)先創(chuàng)優(yōu)的氛圍。

三是通過(guò)外部合作和購(gòu)買(mǎi)，積極尋求市場(chǎng)數(shù)據(jù)。例如銀聯(lián)線(xiàn)下消費(fèi)數(shù)據(jù)、三一重工綜合機(jī)械指數(shù)、美團(tuán)消費(fèi)數(shù)據(jù)等市場(chǎng)層面的數(shù)據(jù)。其中銀聯(lián)線(xiàn)下消費(fèi)數(shù)據(jù)使用較廣，江蘇、浙江、湖北、上海等地實(shí)現(xiàn)了對(duì)消費(fèi)領(lǐng)域的領(lǐng)先分析。除此之外，國(guó)家層面使用的市場(chǎng)高頻數(shù)據(jù)較多，覆蓋投資、建筑業(yè)、消費(fèi)、工業(yè)、消費(fèi)、小微企業(yè)、出口等多個(gè)領(lǐng)域，但大部分缺乏省級(jí)層面的數(shù)據(jù)，通常需要相似數(shù)據(jù)進(jìn)行替代。

此外，各地將構(gòu)建宏觀經(jīng)濟(jì)運(yùn)行類(lèi)的大數(shù)據(jù)平臺(tái)列入重大改革項(xiàng)目以及積極開(kāi)發(fā)利用國(guó)有單位和市場(chǎng)機(jī)構(gòu)產(chǎn)生的數(shù)據(jù)，在經(jīng)濟(jì)趨勢(shì)預(yù)測(cè)、風(fēng)險(xiǎn)監(jiān)管等方面均取得了較好成效。但尚未充分加工利用國(guó)有單位產(chǎn)生的數(shù)據(jù)，數(shù)據(jù)挖掘和指標(biāo)體系的完善還需進(jìn)一步深入，各地之間也存在互相學(xué)習(xí)的空間。同時(shí)各地推進(jìn)進(jìn)度不一，相較于浙江等先進(jìn)地區(qū)，部分地方省份在跨單位跨部門(mén)數(shù)據(jù)互聯(lián)互通狀況以及時(shí)效性等方面存在差距。此外，各地在平臺(tái)建設(shè)方面的數(shù)字化和智能化水平仍有一定的進(jìn)步空間。

（二）高頻數(shù)據(jù)在實(shí)際應(yīng)用中的現(xiàn)實(shí)困境

就目前地方政府開(kāi)展的應(yīng)用實(shí)踐而言，數(shù)據(jù)處理分析并不復(fù)雜，主要以增加分析維度為主，取得了顯著的成績(jī)。然而，除部分地區(qū)用于建設(shè)完善數(shù)字化平臺(tái)的資金不足以及人力資源緊張外，目前仍缺乏實(shí)用的可供地方層面學(xué)習(xí)使用的方法理論。同時(shí)數(shù)據(jù)鴻溝依然是最大的阻礙。

一是數(shù)據(jù)采集困難，存在數(shù)據(jù)鴻溝。目前在數(shù)據(jù)互通匯總中，頂層設(shè)計(jì)不夠完善（29），體制機(jī)制不暢（30），仍然存在較多的阻礙。主要表現(xiàn)為五點(diǎn)：一是缺乏激勵(lì)機(jī)制，存在本位主義（31），條塊分割和科層體制下不同部門(mén)、單位之間互通數(shù)據(jù)積極性不高，存在明顯的縱強(qiáng)橫弱現(xiàn)象；二是時(shí)效性不足，不同部門(mén)單位之間即使數(shù)據(jù)互看，但往往相對(duì)滯后，不能滿(mǎn)足及時(shí)使用的要求；三是數(shù)據(jù)質(zhì)量不佳，不同來(lái)源數(shù)據(jù)格式并未建立統(tǒng)一標(biāo)準(zhǔn)，存在美化數(shù)據(jù)現(xiàn)象，需要進(jìn)行手動(dòng)換算；四是人力資源不足，收集數(shù)據(jù)過(guò)程較為繁雜，缺乏負(fù)責(zé)手動(dòng)收集數(shù)據(jù)和處理計(jì)算機(jī)自動(dòng)收集數(shù)據(jù)的人力；五是政企合作存在數(shù)據(jù)泄露和濫用的風(fēng)險(xiǎn)，且政企合作開(kāi)發(fā)利用數(shù)據(jù)推進(jìn)緩慢。

二是可供地方政府層面學(xué)習(xí)使用的方法理論較為缺乏。一方面，目前許多針對(duì)宏觀經(jīng)濟(jì)數(shù)據(jù)處理和分析的方法多為全國(guó)層面服務(wù)，地方政府因缺乏地方層面數(shù)據(jù)和受人力財(cái)力約束等，難以直接借鑒使用；另一方面，在宏觀經(jīng)濟(jì)以及金融層面，許多研究對(duì)預(yù)測(cè)結(jié)果的評(píng)價(jià)指標(biāo)略有欠缺，易對(duì)其實(shí)用性產(chǎn)生過(guò)高預(yù)期，實(shí)際上對(duì)地方政府實(shí)用性不強(qiáng)。例如許多機(jī)器學(xué)習(xí)的相關(guān)研究雖然與統(tǒng)計(jì)分析法等方法對(duì)比，顯示出其模型精確度更高且對(duì)預(yù)測(cè)工作產(chǎn)生了實(shí)際作用，但整體精確度并不高。例如閆政旭通過(guò)Pearson-隨機(jī)森林模型在對(duì)上證指數(shù)進(jìn)行預(yù)測(cè)時(shí)，給出其MSE值為415.879，優(yōu)于其他幾類(lèi)模型結(jié)果。（32）但作者通過(guò)換算得出其與實(shí)際波動(dòng)幅度誤差約在0.7%左右，大于期間多個(gè)上證指數(shù)的單日漲跌幅。同時(shí)，通過(guò)觀察其給出的比較圖，估算出其對(duì)上證指數(shù)次日漲跌判斷的正確率不足50%。不同的指標(biāo)對(duì)正負(fù)的判斷要求等級(jí)不同，對(duì)誤差范圍要求也不同。例如，資產(chǎn)價(jià)格的漲跌將決定是否能買(mǎi)入，不能僅用絕對(duì)值判斷預(yù)測(cè)結(jié)果好壞；預(yù)測(cè)誤差0.5個(gè)百分點(diǎn)，對(duì)于長(zhǎng)期穩(wěn)定在5%左右的指標(biāo)和在-2%和3%之間波動(dòng)的指標(biāo)意義完全不一樣。此外，在政府有形的手干預(yù)下，諸多重要的傳統(tǒng)經(jīng)濟(jì)指標(biāo)往往會(huì)朝設(shè)定目標(biāo)靠近，且波動(dòng)范圍往往并不大，其對(duì)預(yù)測(cè)誤差范圍的要求則更高。因此需要結(jié)合實(shí)際應(yīng)用對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià)。

三是人力資源不足，難以結(jié)合不同維度數(shù)據(jù)對(duì)經(jīng)濟(jì)形勢(shì)展開(kāi)系統(tǒng)且全面的分析。雖然地方政府相關(guān)工作人員普遍綜合素質(zhì)較高，但是人數(shù)總量較少，同時(shí)還得承擔(dān)其他綜合類(lèi)工作。尤其是部分宏觀經(jīng)濟(jì)運(yùn)行大數(shù)據(jù)平臺(tái)建設(shè)較為落后的地區(qū)，相關(guān)工作人員需要投入大量時(shí)間進(jìn)行數(shù)據(jù)采集和初步處理。結(jié)合不同維度數(shù)據(jù)對(duì)經(jīng)濟(jì)形勢(shì)展開(kāi)研究分析，對(duì)相關(guān)工作人員的工作經(jīng)驗(yàn)和時(shí)間要求較高。因此，受人力物力不足的約束，難以快速積累工作經(jīng)驗(yàn)和保證充足的工作時(shí)間。與此同時(shí)，地方政府相關(guān)工作人員學(xué)科背景多以社會(huì)科學(xué)等為主，深入學(xué)習(xí)應(yīng)用統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)領(lǐng)域的分析方法存在較大的困難。

五、基于高頻數(shù)據(jù)的宏觀經(jīng)濟(jì)運(yùn)行調(diào)控機(jī)制

（一）常規(guī)調(diào)度與基于高頻數(shù)據(jù)的調(diào)度

對(duì)于常規(guī)宏觀經(jīng)濟(jì)運(yùn)行分析和調(diào)度的程序，首先根據(jù)對(duì)當(dāng)?shù)亟?jīng)濟(jì)運(yùn)行情況，識(shí)別經(jīng)濟(jì)運(yùn)行的風(fēng)險(xiǎn)和亮點(diǎn)，然后研究對(duì)應(yīng)的政策工具，隨后調(diào)度這些政策工具，并根據(jù)結(jié)果進(jìn)行反饋調(diào)整。借助高頻數(shù)據(jù)，提高了經(jīng)濟(jì)運(yùn)行分析與調(diào)度的時(shí)效性、豐富性和精確性。然而，發(fā)揮不同作用的高頻數(shù)據(jù)存在不同的特征，其對(duì)應(yīng)的調(diào)度工作也需要分類(lèi)討論。

一是對(duì)于能夠提高經(jīng)濟(jì)運(yùn)行分析與調(diào)度的豐富性和精確性的高頻數(shù)據(jù)，通過(guò)其可以從不同視角觀測(cè)到不同領(lǐng)域、不同行業(yè)、不同產(chǎn)業(yè)的生產(chǎn)經(jīng)營(yíng)情況，以及研判更細(xì)致的經(jīng)濟(jì)活動(dòng)。借助這類(lèi)高頻數(shù)據(jù)對(duì)當(dāng)?shù)亟?jīng)濟(jì)運(yùn)行情況進(jìn)行分析，能夠更細(xì)致和準(zhǔn)確地識(shí)別經(jīng)濟(jì)運(yùn)行的風(fēng)險(xiǎn)點(diǎn)和亮點(diǎn)，從而研究出相應(yīng)的政策工具，進(jìn)而在調(diào)度層面實(shí)現(xiàn)調(diào)度顆粒度更細(xì)和更具有針對(duì)性的政策，最后再根據(jù)結(jié)果進(jìn)行反饋調(diào)整。這類(lèi)分析和調(diào)度結(jié)果往往較好，調(diào)度工作面臨的主要問(wèn)題則是對(duì)行政能力的消耗，增加了政府工作人員的工作強(qiáng)度和工作壓力。

二是對(duì)于能夠提高時(shí)效性的高頻數(shù)據(jù)，其為減少政策時(shí)滯作出了較大貢獻(xiàn)。政策時(shí)滯對(duì)宏觀經(jīng)濟(jì)運(yùn)行的分析和調(diào)度工作產(chǎn)生了較大影響（33），政策時(shí)滯的緣由較廣，包括政策在不同經(jīng)濟(jì)部門(mén)傳導(dǎo)方式和速度不同等原因。（34）借助這類(lèi)高頻數(shù)據(jù)對(duì)當(dāng)?shù)亟?jīng)濟(jì)運(yùn)行情況進(jìn)行分析，能夠更及時(shí)的發(fā)現(xiàn)經(jīng)濟(jì)波動(dòng)的趨勢(shì)以及識(shí)別經(jīng)濟(jì)運(yùn)行的風(fēng)險(xiǎn)點(diǎn)和亮點(diǎn)，從而更及時(shí)的研究政策工具，在調(diào)度層面可以選擇更合適的調(diào)度政策，再根據(jù)結(jié)果進(jìn)行反饋調(diào)整。但這一流程存在一個(gè)較大的難題，即由于預(yù)測(cè)本身可能具有一定的誤差，預(yù)測(cè)結(jié)果可能并不準(zhǔn)確，地方政府根據(jù)不準(zhǔn)確的預(yù)測(cè)分析進(jìn)行調(diào)度可能會(huì)造成糟糕的結(jié)果，這是相關(guān)技術(shù)尚未在地方政府廣泛推廣和使用的重要原因。目前關(guān)于在宏觀經(jīng)濟(jì)預(yù)測(cè)可能不準(zhǔn)確的條件下，政府如何開(kāi)展調(diào)度工作的學(xué)術(shù)研究幾乎處于空白。

（二）基于提高時(shí)效性的調(diào)度

對(duì)于主要提高時(shí)效性的高頻數(shù)據(jù)，除了需要進(jìn)一步提高基于高頻數(shù)據(jù)的地區(qū)宏觀經(jīng)濟(jì)預(yù)測(cè)分析能力外，還需要解決在預(yù)測(cè)結(jié)果并不十分精準(zhǔn)的條件下如何根據(jù)預(yù)測(cè)結(jié)果進(jìn)行調(diào)度的問(wèn)題?；诖耍饕媾R兩個(gè)問(wèn)題：一是由于可能錯(cuò)誤的預(yù)判導(dǎo)致的調(diào)度，地方政府出于避責(zé)，不予或放緩基于高頻數(shù)據(jù)進(jìn)行宏觀經(jīng)濟(jì)運(yùn)行分析和調(diào)度；二是假設(shè)通過(guò)預(yù)判結(jié)果進(jìn)行調(diào)度后避免了宏觀經(jīng)濟(jì)問(wèn)題的發(fā)生，應(yīng)該如何認(rèn)定是預(yù)判調(diào)度發(fā)揮了作用。這對(duì)相關(guān)工作人員的激勵(lì)機(jī)制建設(shè)尤為重要。為此，在這一前提下地方政府如何開(kāi)展調(diào)度工作，本文從兩個(gè)角度進(jìn)行了初步探討。

一是以處理政策內(nèi)在時(shí)滯為中心?；诟哳l數(shù)據(jù)進(jìn)行宏觀經(jīng)濟(jì)運(yùn)行分析，能夠提前發(fā)現(xiàn)經(jīng)濟(jì)運(yùn)行中的潛在問(wèn)題，相較于利用傳統(tǒng)的宏觀經(jīng)濟(jì)指標(biāo)開(kāi)展分析調(diào)度，為政府增加了更多的時(shí)間。以處理政策內(nèi)在時(shí)滯為中心，側(cè)重于發(fā)現(xiàn)問(wèn)題和研究制定相關(guān)政策，是基于高頻數(shù)據(jù)進(jìn)行宏觀經(jīng)濟(jì)運(yùn)行分析。同時(shí)，在深入研判后根據(jù)分析結(jié)果提前研究對(duì)應(yīng)的政策，待傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)顯現(xiàn)出類(lèi)似的問(wèn)題后，地方政府可以迅速出臺(tái)對(duì)應(yīng)的政策予以應(yīng)對(duì)。雖然這一原則較為保守，但是避免了根據(jù)可能不準(zhǔn)確的預(yù)測(cè)結(jié)果進(jìn)行調(diào)度所帶來(lái)的問(wèn)題。此外，也可以通過(guò)傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)與預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，從而對(duì)相關(guān)工作人員形成一定的激勵(lì)作用。

二是以處理政策外在時(shí)滯為中心。待到傳統(tǒng)經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)反映出問(wèn)題，即使已經(jīng)提前研究出政策工具，此時(shí)再進(jìn)行調(diào)度可能已經(jīng)為時(shí)已晚。以處理政策外在時(shí)滯為中心，側(cè)重于提前調(diào)度，是根據(jù)預(yù)判結(jié)果提前發(fā)現(xiàn)問(wèn)題后隨即進(jìn)行調(diào)度。為了減少由于預(yù)測(cè)結(jié)果可能不準(zhǔn)確所帶來(lái)的負(fù)面影響，本文首先根據(jù)已有研究成果嘗試提出兩條調(diào)度方式，分別是“走試點(diǎn)”和“找對(duì)照”。其中，“走試點(diǎn)”屬于折中處理方案，地方政府可以在通過(guò)預(yù)判發(fā)現(xiàn)經(jīng)濟(jì)問(wèn)題并研究出應(yīng)對(duì)政策后在所轄部分區(qū)域進(jìn)行提前調(diào)度；“找對(duì)照”則是按照雙重差分的思想，找到與試點(diǎn)區(qū)域或者所轄區(qū)域經(jīng)濟(jì)形勢(shì)類(lèi)似的其他區(qū)域。（35）當(dāng)類(lèi)似的其他區(qū)域出現(xiàn)問(wèn)題，而試點(diǎn)區(qū)域由于提前調(diào)度而避免了問(wèn)題發(fā)生時(shí)，則可以認(rèn)定為預(yù)判調(diào)度發(fā)揮了作用。其次，由于調(diào)度多為擴(kuò)張性政策，而擴(kuò)張性政策無(wú)論能促進(jìn)短期經(jīng)濟(jì)發(fā)展。同時(shí)，調(diào)度政策本身也需要一定的成本。例如消耗行政資源和透支未來(lái)政策空間等。因此，在考核預(yù)判準(zhǔn)確率的同時(shí)，應(yīng)綜合衡量期間各類(lèi)調(diào)度政策的成本與收益，在此基礎(chǔ)上形成對(duì)相關(guān)工作人員的激勵(lì)機(jī)制。

六、研究結(jié)論與建議

高頻數(shù)據(jù)是一個(gè)相對(duì)概念。因此，從實(shí)際應(yīng)用出發(fā)，本文認(rèn)為更新頻次高于或領(lǐng)先于統(tǒng)計(jì)局公布的傳統(tǒng)統(tǒng)計(jì)指標(biāo)的數(shù)據(jù)即可統(tǒng)一視為地區(qū)宏觀經(jīng)濟(jì)領(lǐng)域的高頻數(shù)據(jù)。首先，基于高頻數(shù)據(jù)的特殊性，運(yùn)用高頻數(shù)據(jù)對(duì)經(jīng)濟(jì)運(yùn)行分析和調(diào)度可以提高其時(shí)效性、豐富性和精確性等。然后，本文重點(diǎn)探究了高頻數(shù)據(jù)在地區(qū)宏觀經(jīng)濟(jì)預(yù)測(cè)分析中的理論邏輯和實(shí)現(xiàn)機(jī)制，為地方政府基于高頻數(shù)據(jù)開(kāi)展宏觀經(jīng)濟(jì)分析提供了理論依據(jù)，以及為包括機(jī)器學(xué)習(xí)、統(tǒng)計(jì)分析等研究方法的改進(jìn)指出了方向。與此同時(shí)，國(guó)內(nèi)各地方政府開(kāi)展了廣泛的實(shí)踐，制定了一些經(jīng)濟(jì)分析指標(biāo)體系和推動(dòng)建設(shè)宏觀經(jīng)濟(jì)大數(shù)據(jù)分析平臺(tái)。整體而言，目前國(guó)內(nèi)地方政府利用各類(lèi)高頻數(shù)據(jù)展開(kāi)經(jīng)濟(jì)形勢(shì)分析時(shí)，并未進(jìn)行較復(fù)雜的加工處理，而是側(cè)重于實(shí)現(xiàn)對(duì)經(jīng)濟(jì)運(yùn)行的多維度把握。同時(shí)，數(shù)字化分析平臺(tái)技術(shù)層面并不算特別先進(jìn)，主要通過(guò)一些程序?qū)崿F(xiàn)了自動(dòng)化處理和可視化展示功能，仍存在一些現(xiàn)實(shí)困境。此外，研究指出了除部分地區(qū)用于建設(shè)完善數(shù)字化平臺(tái)的資金不足以及人力資源緊張外，目前缺乏實(shí)用的可供地方層面學(xué)習(xí)使用的方法理論，而數(shù)據(jù)鴻溝依然是最大的阻礙。其次，對(duì)于基于高頻數(shù)據(jù)的宏觀經(jīng)濟(jì)運(yùn)行的調(diào)度，由于預(yù)測(cè)工作本身所具有的誤差性，本文初步探討了在預(yù)測(cè)分析可能不準(zhǔn)確的前提下以處理政策內(nèi)在時(shí)滯為中心和以處理政策外在時(shí)滯為中心兩個(gè)方面的調(diào)度工作。

與此同時(shí)，針對(duì)當(dāng)前現(xiàn)狀提出以下政策建議：一是優(yōu)化經(jīng)濟(jì)數(shù)據(jù)歸集匯總機(jī)制，提高數(shù)據(jù)質(zhì)量。完善的匯總協(xié)調(diào)機(jī)制和數(shù)據(jù)質(zhì)量控制機(jī)制不僅可以提高當(dāng)前經(jīng)濟(jì)分析工作的效率，更是建設(shè)好地方宏觀經(jīng)濟(jì)數(shù)字化分析平臺(tái)的關(guān)鍵一步。應(yīng)大力推進(jìn)跨部門(mén)、跨地區(qū)、跨層級(jí)業(yè)務(wù)數(shù)據(jù)的匯集和共享，形成有效的數(shù)據(jù)統(tǒng)籌管理調(diào)度體系。二是強(qiáng)化對(duì)政府內(nèi)部高頻數(shù)據(jù)的分析，探索使用市場(chǎng)高頻數(shù)據(jù)，以增加數(shù)據(jù)分析的維度為中心，深化研究各類(lèi)高頻數(shù)據(jù)與分析預(yù)測(cè)對(duì)象之間的成分性，重點(diǎn)把握其結(jié)構(gòu)性，從而更好地把握經(jīng)濟(jì)增長(zhǎng)和波動(dòng)的真正趨勢(shì)和實(shí)現(xiàn)政策精細(xì)化調(diào)度。三是完善經(jīng)濟(jì)運(yùn)行分析和調(diào)度大數(shù)據(jù)處理平臺(tái)，爭(zhēng)取早日實(shí)現(xiàn)對(duì)地方經(jīng)濟(jì)運(yùn)行態(tài)勢(shì)的動(dòng)態(tài)預(yù)警，靈敏捕捉與即時(shí)感知。四是強(qiáng)化對(duì)前瞻性高頻指標(biāo)的研判，進(jìn)一步充實(shí)專(zhuān)業(yè)力量。同時(shí)，合理看待通過(guò)高頻指標(biāo)研判所得出的結(jié)論偏離實(shí)際的情形，綜合衡量根據(jù)預(yù)測(cè)結(jié)果開(kāi)展各類(lèi)調(diào)度政策的成本與收益，在此基礎(chǔ)上為相關(guān)工作人員建立良好的激勵(lì)機(jī)制。五是地方政府應(yīng)從政策和經(jīng)濟(jì)等方面予以一定的支持，為經(jīng)濟(jì)分析和調(diào)度工作賦予更多的財(cái)權(quán)和事權(quán)。

注釋?zhuān)?/p>

（1） 張永安、顏斌斌：《一種股票市場(chǎng)的深度學(xué)習(xí)復(fù)合預(yù)測(cè)模型》，《計(jì)算機(jī)科學(xué)》2020年第11期。

（2）（11） 劉廣應(yīng)、包悅妍、林金官：《基于金融高頻數(shù)據(jù)的LASSO-CDRD協(xié)方差矩陣預(yù)測(cè)模型》，《統(tǒng)計(jì)研究》2022年第9期。

（3） 陶利斌、鄒洋、潘婉彬：《期權(quán)市場(chǎng)價(jià)格發(fā)現(xiàn)能力的決定因素研究——基于上證50ETF期權(quán)高頻數(shù)據(jù)的實(shí)證分析》，《投資研究》2022年第7期。

（4） 吳崇林、劉杰、李志冰等：《開(kāi)盤(pán)價(jià)操縱與定價(jià)效率——基于高頻數(shù)據(jù)的開(kāi)盤(pán)價(jià)操縱識(shí)別模型》，《經(jīng)濟(jì)學(xué)報(bào)》2021年第4期。

（5） 《基于大數(shù)據(jù)的宏觀經(jīng)濟(jì)現(xiàn)時(shí)預(yù)測(cè)理論與方法研究》，《復(fù)旦學(xué)報(bào)》（社會(huì)科學(xué)版）2021年第5期。

（6） 王建冬、于施洋：《構(gòu)建國(guó)家經(jīng)濟(jì)大腦的實(shí)踐探索與初步設(shè)想》，《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》2020年第7期。

（7）（27） 閆春、程悅、孫曉紅：《基于卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的宏觀經(jīng)濟(jì)監(jiān)測(cè)預(yù)警模型及應(yīng)用》，《統(tǒng)計(jì)與決策》2021年第14期。

（8）（28） 梁龍躍，陳玉霞：《基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的季度GDP預(yù)測(cè)》，《統(tǒng)計(jì)與決策》2023年第2期。

（9）（20） 戎天：《大數(shù)據(jù)技術(shù)在經(jīng)濟(jì)運(yùn)行監(jiān)測(cè)分析中的應(yīng)用》，《中國(guó)經(jīng)貿(mào)導(dǎo)刊》（中）2020年第4期。

（10） 燕佳靜、袁小樂(lè)、李新華等：《大數(shù)據(jù)應(yīng)用于江西宏觀經(jīng)濟(jì)監(jiān)測(cè)分析的探索思考》，《信息系統(tǒng)工程》2020年第1期。

（12） 朱菲菲、李惠璇、徐建國(guó)等：《短期羊群行為的影響因素與價(jià)格效應(yīng)——基于高頻數(shù)據(jù)的實(shí)證檢驗(yàn)》，《金融研究》2019年第7期。

（13） 劉漢、劉金全：《中國(guó)宏觀經(jīng)濟(jì)總量的實(shí)時(shí)預(yù)報(bào)與短期預(yù)測(cè)——基于混頻數(shù)據(jù)預(yù)測(cè)模型的實(shí)證研究》，《經(jīng)濟(jì)研究》2011年第3期。

（14）（21） 李正輝、鄭玉航：《基于混頻數(shù)據(jù)模型的中國(guó)經(jīng)濟(jì)周期區(qū)制監(jiān)測(cè)研究》，《統(tǒng)計(jì)研究》2015年第1期。

（15） 張濤、劉寬斌：《“大數(shù)據(jù)”在宏觀經(jīng)濟(jì)預(yù)測(cè)分析中的應(yīng)用》，《財(cái)經(jīng)智庫(kù)》2018年第3期。

（16） Shaar Karam， Khaled Mohammed， Why You Should Use High Frequency Data to Test the Impact of Exchange Rate on Trade， Applied Economics Letters， 2018， 25（18）， pp.1292-1295.

（17） 陳龍、王建冬、竇悅：《基于互聯(lián)網(wǎng)大數(shù)據(jù)的宏觀經(jīng)濟(jì)監(jiān)測(cè)預(yù)測(cè)研究：理論與方法》，《電子政務(wù)》2016年第1期。

（18）（23） 李俊珅、薛廣濤、黃建軍等：《稅收大數(shù)據(jù)服務(wù)經(jīng)濟(jì)分析的應(yīng)用研究——以稅收經(jīng)濟(jì)發(fā)展指數(shù)的構(gòu)建和應(yīng)用為例》，《稅務(wù)研究》2022年第9期。

（19） 鄭挺國(guó)、曹偉偉、王霞：《基于混頻數(shù)據(jù)的日度經(jīng)濟(jì)不確定性測(cè)度及其應(yīng)用》，《統(tǒng)計(jì)研究》2023年第1期。

（22） 于揚(yáng)、房奕彤、王維國(guó)：《混合頻率FA-MIDAS類(lèi)模型構(gòu)建及其應(yīng)用》，《統(tǒng)計(jì)與決策》2022年第21期。

（24） 黃恒君、高海燕、韓君：《一種基于機(jī)器學(xué)習(xí)的宏觀經(jīng)濟(jì)數(shù)據(jù)融合方法》，《統(tǒng)計(jì)研究》2022年第5期。

（25） Yasir Muhammad， Durrani Mehr Yahya， Afzal Sitara， et al.， An Intelligent Event-Sentiment-Based Daily Foreign Exchange Rate Forecasting System， Applied Sciences， 2019， 15（9）， p.2980.

（26） Madera Martin， Marcek Dusan， Intelligence in Finance and Economics for Predicting High-Frequency Data， Mathematics， 2023， 11（2）， p.454.

（29） 王孟嘉：《數(shù)字政府建設(shè)的價(jià)值、困境與出路》，《改革》2021年第4期。

（30） 王偉玲：《加快實(shí)施數(shù)字政府戰(zhàn)略：現(xiàn)實(shí)困境與破解路徑》，《電子政務(wù)》2019年第12期。

（31） 劉祺：《當(dāng)代中國(guó)數(shù)字政府建設(shè)的梗阻問(wèn)題與整體協(xié)同策略》，《福建師范大學(xué)學(xué)報(bào)》（哲學(xué)社會(huì)科學(xué)版）2020年第3期。

（32） 閆政旭、秦超、宋剛：《基于Pearson特征選擇的隨機(jī)森林模型股票價(jià)格預(yù)測(cè)》，《計(jì)算機(jī)工程與應(yīng)用》2021年第15期。

（33） Rajpal Akanksha， Bhatia Sumit Kaur， Kumar Praveen， Impact of Fiscal Policy Delays on the System Dynamics of IS-LM Model： A Mathematical Model Approach， Results in Control and Optimization， 2023， 1（10）， p.100196.

（34） 秦喆：《我國(guó)貨幣政策時(shí)滯對(duì)資產(chǎn)價(jià)格的影響》，浙江大學(xué)2019年碩士學(xué)位論文。

（35） 陳林、伍海軍：《國(guó)內(nèi)雙重差分法的研究現(xiàn)狀與潛在問(wèn)題》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2015年第7期。

作者簡(jiǎn)介：夏梁，湖北省社會(huì)科學(xué)院經(jīng)濟(jì)研究所副研究員，湖北武漢，430077；張鈺林，湖北省社會(huì)科學(xué)院經(jīng)濟(jì)研究所，湖北武漢，430077。

（責(zé)任編輯 趙 亮）