京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据探究经济衰退的到来
当今全球经济风起云涌,全球市场普遍不景气,资本缩水,油价下跌严重,诸多大企业纷纷裁员,一时间经济唱衰的声音越来越多。《大数据文摘--商业与金融专栏》今天刊登一篇全球顶级资本大鳄黑石集团(BlackRock)的内部分析,本文从大数据分析的角度阐述了预测未来全球经济走势的研究方法。
在如今市场的动荡之下,投资者们纷纷质疑经济是否在正确方向上。衰退的论调在决策者的评论和刊物中随处可见,然而投资者究竟是否需要担忧经济衰退的风险呢?我们的分析显示:衰退还未真正到来。与其听信一些传言,不如让大数据帮助我们正确的评估“衰退”一词有多频繁地被提及。探究使用衰退一词的人数可以让我们更清晰的了解人们对经济增长持有悲观态度。我们也可决定是否也应该担忧。对比不久前,我们发现关于衰退的讨论增加了:谷歌趋势的数据表明,人们在互联网搜索“衰退”一词更加频繁了。当“衰退”一词被公众更多的讨论时,我们需要知道实际经济体系中的决策者们是否也持有同样的观点? 投资者和商业领袖们是否和公众一样,对潜在的经济衰退持同样的看法呢?
◆ ◆ ◆
每个季度,BlackRock都会通过分析3000个财报电话会议,来比较CEO和CFO的话题和用词。我们通过研究这些用词中的微小变化来探究他们对热点话题的想法。同样的研究方法也被用于投资者向管理层提问的Q&A环节中。在过去的两个季度里,“衰退”一次确实被更频繁的在Q&A环节提及。然而,几乎没有证据表明管理团队的言论中有相似“衰退”一词的增长。回顾2008年的经融危机场景,这种对比的解释是投资者认为经济已经开始衰退,而管理团队并不这么看。我们同样使用机器阅读了通讯社的新闻报道,例如Dow Jones的文章中显示“衰退”一词的频率有轻微增加。然而08年的全球金融危机时,衰退这个词的增长是十分显著的。从下面的图表也可以看出,经济衰退现并不具有话题性。
金融市场是对预期经济表现和现有风险的反映。不幸的是,经济数据是由一些信息落后的、在经济衰退已经发生之后才知道亡羊补牢的经济学家所提供的。大部分的经济数据只能提供给我们几周甚至几个月前发生的事情。即使第一季度从1月1日到3月31日止,关于第一季度的GDP预估绝对不会在4月28日前发布。更重要的是,经济衰退被定义为连续两个季度的负增长。我们是否在经历衰退?7月29日再来问我吧!或者我们还没面临经济衰退,不过下个季度就开始了,我们在10月28日会告诉你的……你懂的。
收集所有的数据来计算(或者预计)GDP是一项浩大的工程——这就是为什么报告总是来的很迟。然而现在有一些更及时的数据能告诉我们现在的经济正在发生什么。正如你不需要依靠昨晚的天气预报来判断现在是否下雨——你可以看看窗外——我们也可以用一些确切的消息来掌握经济的脉搏。
现在,人们在实体店或网上消费,乘客和货物通过汽车、火车、海运和空运进行周转,个人和公司同样使用信用卡支付。“现测”意在提供一个即时的检测手段,来研究某些不能被实时监控的物体,比如总体经济活跃度。不幸的是,观测经济状态并不像往窗外看看是否下雨这么简单。信息被收集起来,在不同的时间段被检查:失业率每周报告一次,零售业绩每个月一次,GPD则是每个季度一次。不同的测量手段表现也各不相同:工业产品可能会暴涨或暴跌,取决于库存与订单;进出口货物则对汇率反应更加迟缓。幸运的是,有些方法可以解决这些困难。在图像处理软件中,为了寻找一个图片丢失的细节,他们可以通过对相似图片和周围的细节部分进行分析来完善图片。研究者采用相似的手段,来探究在一个季度的数据中到底发生了什么,来与月度报告做比较。统计软件同样可以用于将起伏较大的数据和平缓的数据混合。
◆ ◆ ◆
应用大数据“现测”新方法预测经济未来增长
为了“现测”衰退可能,我们收集了70个不同的数据来源,以提供一个描绘经济活动的画面。这些数据远远超过了典型的LEI,这其中包括了犯罪率,甚至机动车驾驶里程数。因为这些数据来源有着不同的采集频率和时间间隔,我们需要在这些障碍中搭建“桥梁”使他们能形成一个可比较的数据流。通过一个叫Principal Component Analysis(PCA)的统计软件,我们提取出了一个指数,可以说明这系列数据中的大部分变化。这一个变量可以体现当下经济的总体健康状况。我们的“现测”经济健康指数每周更新,并体现了经济活动变化的即时表现。
当指数小于零的时候,说明NBER定义的经济衰退已经来临。我们同样将具体的70个原始数据输入以获得经济具体部分的图景(如花费和信用增长)在下图中,我们将NBER经济衰退周期和我们的指数叠加。如图所示,这个巨大的下降说明了我们的指数对经济衰退的响应度非常好。更重要的是,我们可以看到相似的趋势也在信用和消费上有所表现。指数同样表明,当经济活动减缓时,与过去的三个经济衰退期相比,整体依然健康,就业率依然坚挺,即使最后一张图表明总生产在一定程度上开始减缓增长。
所以经济衰退是否近在眼前?正如之前所说,我们的分析表明衰退并未到来。不过幸亏有大数据和“现测”,我们才不需要依赖事实发生之后的亡羊补牢,同时也可用更好的工具去探究经济衰退的到来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01