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
在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12