摘要：數(shù)智時代，地方政府通過開發(fā)利用市場主體活動產(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，構(gòu)建可視化的預(yù)測分析指標(biāo)體系，以實現(xiàn)對經(jīng)濟(jì)運行狀態(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)分析方法實用性不佳等困境。基于地方政府與技術(shù)手段的現(xiàn)實條件約束，建議重點優(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)開展地區(qū)宏觀經(jīng)濟(jì)分析時以增加經(jīng)濟(jì)運行分析的維度為中心，深化研究高頻數(shù)據(jù)與分析預(yù)測對象之間的成分性關(guān)系，重點把握其結(jié)構(gòu)性關(guān)系。最后，針對在經(jīng)濟(jì)預(yù)測結(jié)果可能不準(zhǔn)確的前提下，對地方政府調(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；地方政府

中圖分類號：F224 文獻(xiàn)標(biāo)識碼：Ａ 文章編號：2096-5982（2024）08-0091-08

一、引言

宏觀經(jīng)濟(jì)預(yù)測分析與調(diào)控是國家和地區(qū)治理體系和治理能力的重要組成部分，對于科學(xué)研判經(jīng)濟(jì)形勢、引導(dǎo)政府和市場理性決策、促進(jìn)經(jīng)濟(jì)平穩(wěn)增長具有重要作用。數(shù)智時代，數(shù)據(jù)既是重要的生產(chǎn)要素，同時也是重要的產(chǎn)品。經(jīng)濟(jì)在運行中無時無刻不在產(chǎn)生數(shù)據(jù)，記錄著經(jīng)濟(jì)運行的軌跡，使得數(shù)據(jù)特別是高頻數(shù)據(jù)成為預(yù)測和調(diào)控經(jīng)濟(jì)運行的重要工具。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，對宏觀經(jīng)濟(jì)進(jìn)行及時、精準(zhǔn)、科學(xué)的預(yù)測提出了新需求；另一方面，數(shù)字政府加快。云計算、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)測和調(diào)控提供了技術(shù)手段，共同推動宏觀經(jīng)濟(jì)預(yù)測分析和調(diào)控的理念與方法的變革。數(shù)智時代下，高頻數(shù)據(jù)在地方政府宏觀經(jīng)濟(jì)運行分析與調(diào)控方面大有可為。

目前，世界各國都在探索利用高頻數(shù)據(jù)對宏觀經(jīng)濟(jì)形勢進(jìn)行預(yù)測，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)者針對高頻數(shù)據(jù)設(shè)計了預(yù)測模型和算法。例如張永安等構(gòu)建了用于股票市場收盤價預(yù)測的模型（1）；劉廣應(yīng)等構(gòu)建了協(xié)方差矩陣動態(tài)預(yù)測模型。（2）還有學(xué)者借助高頻數(shù)據(jù)研究期權(quán)市場價格發(fā)現(xiàn)能力的決定性因素（3）和A股開盤價操縱行為。（4）在宏觀層面，吳力波開展了從處理數(shù)據(jù)到預(yù)測全環(huán)節(jié)的創(chuàng)新研究。（5）王建東等初步構(gòu)想了國家經(jīng)濟(jì)大腦，并總結(jié)了大數(shù)據(jù)經(jīng)濟(jì)運行分析的四種方法，分別是統(tǒng)計分析方法、時空分析方法、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)測預(yù)警宏觀經(jīng)濟(jì)運行情況的CNN-SVM模型（7）；梁龍躍等利用LSTM＆WA模型預(yù)測季度GDP（8）；戎天（9）和燕佳靜等（10）探討了大數(shù)據(jù)技術(shù)在省級政府開展經(jīng)濟(jì)運行監(jiān)測分析工作中的應(yīng)用場景，并提出了省級政府缺乏成熟對口的分析模型和專業(yè)人才等問題。

雖然高頻數(shù)據(jù)在宏觀經(jīng)濟(jì)預(yù)測分析方面得到越來越廣泛地運用，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)測經(jīng)濟(jì)運行走勢絕非易事，尤其是需要對這一過程的內(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價值所在。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層面以及技術(shù)分析，缺乏對地方政府實用性較強(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)，并針對性地為提升高頻數(shù)據(jù)的地區(qū)宏觀經(jīng)濟(jì)預(yù)測與調(diào)控提供政策建議。

二、高頻數(shù)據(jù)的產(chǎn)生、預(yù)測價值及其局限性

（一）高頻數(shù)據(jù)的產(chǎn)生

高頻數(shù)據(jù)通常是指更新時間較短、包含細(xì)微差異的大量數(shù)據(jù)，如周頻、日頻、實時數(shù)據(jù)等。與之相對應(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，有兩個重要因素：一是經(jīng)濟(jì)社會活動的頻率日益加快，市場交易對象和范圍不斷擴(kuò)大，高頻數(shù)據(jù)實質(zhì)上是經(jīng)濟(jì)脈搏跳動的映像；二是大數(shù)據(jù)、人工智能、云計算等技術(shù)的發(fā)展和運用，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。但從實際應(yīng)用角度出發(fā)，高頻數(shù)據(jù)與低頻數(shù)據(jù)的界限是相對的，主要取決于反映經(jīng)濟(jì)活動的數(shù)據(jù)獲取時間及研究對象和目的。例如宏觀經(jīng)濟(jì)領(lǐng)域的高頻數(shù)據(jù)時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)出大量日頻及以內(nèi)的數(shù)據(jù)。同時由于國內(nèi)金融市場參與者的買賣頻次大都可以實現(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內(nèi)。例如劉廣應(yīng)（11）和朱菲菲等（12）分別通過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)測分析。此外，在宏觀經(jīng)濟(jì)領(lǐng)域，傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(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走勢過程中，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)勢價值

由于高頻數(shù)據(jù)更新快，能夠及時反映市場變化的最新情況，因此在對地區(qū)開展宏觀經(jīng)濟(jì)運行分析和調(diào)控時具有獨特的優(yōu)勢和價值。一是能夠提高宏觀經(jīng)濟(jì)運行分析和調(diào)控的時效性。傳統(tǒng)經(jīng)濟(jì)統(tǒng)計數(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，可以較好地被用來觀察短期地方經(jīng)濟(jì)運行的變化，提前對經(jīng)濟(jì)形勢進(jìn)行趨勢性判斷，能夠更及時地運用政策工具，緩解政策的滯后性問題。二是能夠提高宏觀經(jīng)濟(jì)運行分析和調(diào)控的豐富性。傳統(tǒng)宏觀統(tǒng)計數(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，亦有價值維度。借助高頻數(shù)據(jù)，能夠從不同視角觀測不同領(lǐng)域、不同行業(yè)、不同階段的生產(chǎn)經(jīng)營情況，切入傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(biāo)不能覆蓋的領(lǐng)域，更充分的反映地方經(jīng)濟(jì)運行的情況。三是能夠提高宏觀經(jīng)濟(jì)運行分析和調(diào)控的精準(zhǔn)性。由于增加了微觀數(shù)據(jù)，在經(jīng)濟(jì)運行分析中增加了更多的信息，有利于增加經(jīng)濟(jì)運行分析的科學(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和加拿大匯率波動對貿(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)計指標(biāo)，雖然高頻數(shù)據(jù)在地區(qū)宏觀經(jīng)濟(jì)運行分析中具有明顯優(yōu)勢，但也存在一些不足之處。一是穩(wěn)定性差，波動大。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)一些難以被單獨解釋的異常波動。例如銀聯(lián)等部門產(chǎn)生的消費數(shù)據(jù)、互聯(lián)網(wǎng)平臺公司產(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)會等產(chǎn)生的行業(yè)數(shù)據(jù)等，都容易受到季節(jié)性、熱點事件等外部因素影響。二是數(shù)據(jù)來源分散，不夠規(guī)范，歸集難度較大。宏觀經(jīng)濟(jì)運行分析通常要綜合多個高頻數(shù)據(jù)來預(yù)測，但高頻數(shù)據(jù)的來源單位比較分散。例如用電量數(shù)據(jù)來自電力部門，稅收數(shù)據(jù)來自稅務(wù)部門，貨運客運數(shù)據(jù)來自交通部門等。相較于統(tǒng)計部門的定期發(fā)布，高頻數(shù)據(jù)匯總完成時間多變且不夠規(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，受運用場景和方式限制。高頻數(shù)據(jù)能夠較為直觀地反映經(jīng)濟(jì)運行的特點和趨勢，但是不能完全替代理性決策。在運用高頻數(shù)據(jù)時受到數(shù)據(jù)產(chǎn)生的場景、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，可能會在決策中以偏概全、判斷失誤。

三、基于高頻數(shù)據(jù)開展宏觀經(jīng)濟(jì)分析的理論邏輯與實現(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)測對象之間關(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。（見圖1）根據(jù)這三個層面，為地方政府基于高頻數(shù)據(jù)開展宏觀經(jīng)濟(jì)分析預(yù)測提供了理論邏輯支撐，為運用包括機(jī)器學(xué)習(xí)和統(tǒng)計分析在內(nèi)的各類方法優(yōu)化、政策設(shè)計指明了方向。

圖 1 高頻數(shù)據(jù)與分析預(yù)測對象的關(guān)系

一是相關(guān)性。目前普遍使用的各類高頻數(shù)據(jù)與對應(yīng)的傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(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趨勢，相關(guān)性一般較高。與此同時，相關(guān)性分析操作較為簡單，相關(guān)性驗證可以作為地方政府研究各類高頻數(shù)據(jù)與分析預(yù)測對象的一般工具。

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)測對象的情況，這種微觀聯(lián)系往往也可以通過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)增加值增長或下降時，一般對電力資源的需求也會增長或下降。因此短期內(nèi)某個細(xì)分行業(yè)電力消耗量的波動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。許多類型的高頻數(shù)據(jù)僅能反映傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(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)的波動反映的是傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(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)形勢發(fā)生大幅變化時，單個高頻數(shù)據(jù)對分析預(yù)測對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，此時用電量的波動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，通過梳理現(xiàn)有文獻(xiàn)發(fā)現(xiàn)目前各類預(yù)測分析方法均存在著一定的誤差，通過高頻數(shù)據(jù)難以準(zhǔn)確預(yù)測傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(biāo)的變化幅度。此外，鄭挺國等通過構(gòu)建我國經(jīng)濟(jì)不確定性指數(shù)，指出通過目前的常規(guī)方法難以準(zhǔn)確預(yù)判我國的經(jīng)濟(jì)波動幅度。（19）

通過研究高頻數(shù)據(jù)與分析預(yù)測對象之間的成分性，才能更好地把握結(jié)構(gòu)性，將多個維度的數(shù)據(jù)進(jìn)行比對，通過結(jié)合不同維度的數(shù)據(jù)分析來減少模型的結(jié)構(gòu)性問題。而隨著分析預(yù)測對象的發(fā)展變化適當(dāng)調(diào)整模型，可以通過機(jī)器學(xué)習(xí)和統(tǒng)計分析等提升其準(zhǔn)確率。例如用電量數(shù)據(jù)波動可能是因為當(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。此時結(jié)合稅收數(shù)據(jù)則可以在一定程度上剔除這類異動，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)測對象相關(guān)的大量知識，但也要契合地方政府相關(guān)工作人員的專業(yè)領(lǐng)域，即工作內(nèi)容多與分析預(yù)測對象在現(xiàn)實中相關(guān)，學(xué)科背景多以社會科學(xué)等為主。（20）

（二）實現(xiàn)機(jī)制

利用高頻數(shù)據(jù)開展地區(qū)宏觀經(jīng)濟(jì)預(yù)測分析主要包括5個流程，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（見圖2）。由于高頻數(shù)據(jù)開展宏觀經(jīng)濟(jì)分析主要涉及前三個流程，因此本文主要對這三個流程展開分析。

1.數(shù)據(jù)采集

高頻數(shù)據(jù)采集主要有三種來源，一是內(nèi)部共享，二是外部合作，三是主動挖掘。其中，主動挖掘分為兩類，分別是部門在自身權(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)的重要來源，各個部門在其所屬權(quán)力范圍內(nèi)能夠采集到大量數(shù)據(jù)。不同部門單位之間可以通過建立友好聯(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)平臺公司和大型制造業(yè)企業(yè)在內(nèi)的諸多市場主體產(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)、基于樹根互聯(lián)“根云”平臺提供的包括挖掘機(jī)平均每日開工設(shè)備數(shù)和總工作時長在內(nèi)的三一重工機(jī)械運行數(shù)據(jù)、智聯(lián)招聘等就業(yè)平臺的招聘就業(yè)數(shù)據(jù)等。地方政府內(nèi)部主要通過兩種方式從外部獲取數(shù)據(jù)，一是通過建立友好聯(lián)系實現(xiàn)合作共享，二是直接購買通用版或定制化數(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增長率，一個更新頻率為月度，一個更新頻率為季度。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。在各類高頻數(shù)據(jù)中大數(shù)據(jù)占比較大，而大數(shù)據(jù)單個價值含量極低且每一類數(shù)據(jù)量巨大。同時包含大量例如網(wǎng)絡(luò)言論等非結(jié)構(gòu)化數(shù)據(jù)，需要對海量雜亂的數(shù)據(jù)進(jìn)行分類匯總和清洗，以及保障數(shù)據(jù)安全；三是通過數(shù)字平臺實現(xiàn)自動化和可視化處理，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)警信號燈功能，可用于更好地觀測各類經(jīng)濟(jì)指標(biāo)異動。此外，可以將異動劃分為短期異動和趨勢異動，前者反映增速短期內(nèi)大幅波動的情形，后者則是指標(biāo)增速減去GDP增速后單邊下滑或上升，并按不同異動程度對應(yīng)不同的顏色預(yù)警。

3.數(shù)據(jù)分析

除利用單項數(shù)據(jù)分析局部情況外，大多數(shù)情況需結(jié)合多個維度的數(shù)據(jù)進(jìn)行分析以提高分析預(yù)測的精確度。面對多個維度的數(shù)據(jù)，需要對各個維度數(shù)據(jù)的影響進(jìn)行賦權(quán)，以及隨著趨勢變化調(diào)整權(quán)重。目前，常見的賦權(quán)方法有德爾菲法、統(tǒng)計分析法、機(jī)器學(xué)習(xí)法等。然而現(xiàn)有的各類方法對傳統(tǒng)經(jīng)濟(jì)指標(biāo)的波動幅度預(yù)判并不能做到足夠的精確，僅實現(xiàn)了對波動趨勢的把握。李俊珅等通過德爾菲法構(gòu)建稅收經(jīng)濟(jì)發(fā)展指數(shù)，通過使用2018—2021年上海市相關(guān)數(shù)據(jù)，經(jīng)過研究發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展指數(shù)與GDP指數(shù)的線性回歸決定系數(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)測港幣匯率，均方根誤差約為港幣匯率標(biāo)準(zhǔn)差的一半，對數(shù)值預(yù)測具有一定意義。（25） Madera等提出了一種可以節(jié)省計算時間的改進(jìn)的微遺傳算法用于匯率波動的即時預(yù)測。（26）閆春等利用CNN-SVM模型通過機(jī)器學(xué)習(xí)對中國經(jīng)濟(jì)景氣監(jiān)測中心編制發(fā)布的介于2015—2016年之間五個月的預(yù)警等級進(jìn)行預(yù)判，其精確度達(dá)到100%。（27）梁龍躍利用LSTM＆WA預(yù)測模型通過不同維度的月頻數(shù)據(jù)對季度GDP進(jìn)行預(yù)測，其5個季度下的MAPE值為4.73%，相較于目前國內(nèi)5%左右的GDP平均增長幅度，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行業(yè)及與其相關(guān)性較高的高頻指標(biāo)，并按重點行業(yè)的歷史增加值占比進(jìn)行賦權(quán)，對2017—2022年一季度的數(shù)據(jù)進(jìn)行一元線性回歸，分析結(jié)果顯示其決定系數(shù)達(dá)0.99。

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

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

（一）高頻數(shù)據(jù)在宏觀經(jīng)濟(jì)預(yù)測分析中的地方實踐

近年來，鑒于高頻數(shù)據(jù)在地區(qū)宏觀經(jīng)濟(jì)運行分析中的重要價值，地方政府積極利用高頻數(shù)據(jù)開展宏觀經(jīng)濟(jì)運行分析，主要體現(xiàn)在三個方面。

一是各地積極開發(fā)利用國有單位產(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)平臺的建立，憑借其在各行各業(yè)生產(chǎn)經(jīng)營活動中的重要地位，各地積極借助電力和稅務(wù)相關(guān)數(shù)據(jù)開展經(jīng)濟(jì)形勢分析。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、用電活躍、用電預(yù)期三個子指數(shù)組成，每月5日前可發(fā)布各個行業(yè)和地市的上月數(shù)據(jù)，實現(xiàn)對全省經(jīng)濟(jì)形勢提前展開多維度分析。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)開展大宗商品價格監(jiān)測、消費、投資、省際貿(mào)易流向等專題研究以及各行業(yè)經(jīng)濟(jì)運行情況方面的深入研究。同時，基于新設(shè)、注銷企業(yè)戶數(shù)等數(shù)據(jù)研究涉稅市場主體活躍程度。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)分別開展農(nóng)房改善情況、煤電企業(yè)生產(chǎn)經(jīng)營、長三角一體化、專精特新企業(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)五部門聯(lián)合掛牌成立稅電指數(shù)辦公室，運用稅收和電力大數(shù)據(jù)構(gòu)建稅電指數(shù)，對企業(yè)在購買、生產(chǎn)及銷售環(huán)節(jié)活動中微觀數(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領(lǐng)域的專題研究，極大地促進(jìn)了經(jīng)濟(jì)分析的時效性和豐富性。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，加速智能化和信息化建設(shè)。黨的十八大以來，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。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)警信號燈和月晾曬功能實現(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)八大攻堅成果，實現(xiàn)了可視化分析，推動形成了全省爭先創(chuàng)優(yōu)的氛圍。

三是通過外部合作和購買，積極尋求市場數(shù)據(jù)。例如銀聯(lián)線下消費數(shù)據(jù)、三一重工綜合機(jī)械指數(shù)、美團(tuán)消費數(shù)據(jù)等市場層面的數(shù)據(jù)。其中銀聯(lián)線下消費數(shù)據(jù)使用較廣，江蘇、浙江、湖北、上海等地實現(xiàn)了對消費領(lǐng)域的領(lǐng)先分析。除此之外，國家層面使用的市場高頻數(shù)據(jù)較多，覆蓋投資、建筑業(yè)、消費、工業(yè)、消費、小微企業(yè)、出口等多個領(lǐng)域，但大部分缺乏省級層面的數(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)運行類的大數(shù)據(jù)平臺列入重大改革項目以及積極開發(fā)利用國有單位和市場機(jī)構(gòu)產(chǎn)生的數(shù)據(jù)，在經(jīng)濟(jì)趨勢預(yù)測、風(fēng)險監(jiān)管等方面均取得了較好成效。但尚未充分加工利用國有單位產(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數(shù)據(jù)互聯(lián)互通狀況以及時效性等方面存在差距。此外，各地在平臺建設(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)在實際應(yīng)用中的現(xiàn)實困境

就目前地方政府開展的應(yīng)用實踐而言，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。然而，除部分地區(qū)用于建設(shè)完善數(shù)字化平臺的資金不足以及人力資源緊張外，目前仍缺乏實用的可供地方層面學(xué)習(xí)使用的方法理論。同時數(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：一是缺乏激勵機(jī)制，存在本位主義（31），條塊分割和科層體制下不同部門、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；二是時效性不足，不同部門單位之間即使數(shù)據(jù)互看，但往往相對滯后，不能滿足及時使用的要求；三是數(shù)據(jù)質(zhì)量不佳，不同來源數(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)行手動換算；四是人力資源不足，收集數(shù)據(jù)過程較為繁雜，缺乏負(fù)責(zé)手動收集數(shù)據(jù)和處理計算機(jī)自動收集數(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，且政企合作開發(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，目前許多針對宏觀經(jīng)濟(jì)數(shù)據(jù)處理和分析的方法多為全國層面服務(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，許多研究對預(yù)測結(jié)果的評價指標(biāo)略有欠缺，易對其實用性產(chǎn)生過高預(yù)期，實際上對地方政府實用性不強(qiáng)。例如許多機(jī)器學(xué)習(xí)的相關(guān)研究雖然與統(tǒng)計分析法等方法對比，顯示出其模型精確度更高且對預(yù)測工作產(chǎn)生了實際作用，但整體精確度并不高。例如閆政旭通過Pearson-隨機(jī)森林模型在對上證指數(shù)進(jìn)行預(yù)測時，給出其MSE值為415.879，優(yōu)于其他幾類模型結(jié)果。（32）但作者通過換算得出其與實際波動幅度誤差約在0.7%左右，大于期間多個上證指數(shù)的單日漲跌幅。同時，通過觀察其給出的比較圖，估算出其對上證指數(shù)次日漲跌判斷的正確率不足50%。不同的指標(biāo)對正負(fù)的判斷要求等級不同，對誤差范圍要求也不同。例如，資產(chǎn)價格的漲跌將決定是否能買入，不能僅用絕對值判斷預(yù)測結(jié)果好壞；預(yù)測誤差0.5個百分點，對于長期穩(wěn)定在5%左右的指標(biāo)和在-2%和3%之間波動的指標(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)往往會朝設(shè)定目標(biāo)靠近，且波動范圍往往并不大，其對預(yù)測誤差范圍的要求則更高。因此需要結(jié)合實際應(yīng)用對模型預(yù)測結(jié)果進(jìn)行評價。

三是人力資源不足，難以結(jié)合不同維度數(shù)據(jù)對經(jīng)濟(jì)形勢展開系統(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，同時還得承擔(dān)其他綜合類工作。尤其是部分宏觀經(jīng)濟(jì)運行大數(shù)據(jù)平臺建設(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)對經(jīng)濟(jì)形勢展開研究分析，對相關(guān)工作人員的工作經(jīng)驗和時間要求較高。因此，受人力物力不足的約束，難以快速積累工作經(jīng)驗和保證充足的工作時間。與此同時，地方政府相關(guān)工作人員學(xué)科背景多以社會科學(xué)等為主，深入學(xué)習(xí)應(yīng)用統(tǒng)計學(xué)和計算機(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

對于常規(guī)宏觀經(jīng)濟(jì)運行分析和調(diào)度的程序，首先根據(jù)對當(dāng)?shù)亟?jīng)濟(jì)運行情況，識別經(jīng)濟(jì)運行的風(fēng)險和亮點，然后研究對應(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)運行分析與調(diào)度的時效性、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，其對應(yīng)的調(diào)度工作也需要分類討論。

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

二是對于能夠提高時效性的高頻數(shù)據(jù)，其為減少政策時滯作出了較大貢獻(xiàn)。政策時滯對宏觀經(jīng)濟(jì)運行的分析和調(diào)度工作產(chǎn)生了較大影響（33），政策時滯的緣由較廣，包括政策在不同經(jīng)濟(jì)部門傳導(dǎo)方式和速度不同等原因。（34）借助這類高頻數(shù)據(jù)對當(dāng)?shù)亟?jīng)濟(jì)運行情況進(jìn)行分析，能夠更及時的發(fā)現(xiàn)經(jīng)濟(jì)波動的趨勢以及識別經(jīng)濟(jì)運行的風(fēng)險點和亮點，從而更及時的研究政策工具，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較大的難題，即由于預(yù)測本身可能具有一定的誤差，預(yù)測結(jié)果可能并不準(zhǔn)確，地方政府根據(jù)不準(zhǔn)確的預(yù)測分析進(jìn)行調(diào)度可能會造成糟糕的結(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)測可能不準(zhǔn)確的條件下，政府如何開展調(diào)度工作的學(xué)術(shù)研究幾乎處于空白。

（二）基于提高時效性的調(diào)度

對于主要提高時效性的高頻數(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)測分析能力外，還需要解決在預(yù)測結(jié)果并不十分精準(zhǔn)的條件下如何根據(jù)預(yù)測結(jié)果進(jìn)行調(diào)度的問題。基于此，主要面臨兩個問題：一是由于可能錯誤的預(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)運行分析和調(diào)度；二是假設(shè)通過預(yù)判結(jié)果進(jìn)行調(diào)度后避免了宏觀經(jīng)濟(jì)問題的發(fā)生，應(yīng)該如何認(rèn)定是預(yù)判調(diào)度發(fā)揮了作用。這對相關(guān)工作人員的激勵機(jī)制建設(shè)尤為重要。為此，在這一前提下地方政府如何開展調(diào)度工作，本文從兩個角度進(jìn)行了初步探討。

一是以處理政策內(nèi)在時滯為中心?；诟哳l數(shù)據(jù)進(jìn)行宏觀經(jīng)濟(jì)運行分析，能夠提前發(fā)現(xiàn)經(jīng)濟(jì)運行中的潛在問題，相較于利用傳統(tǒng)的宏觀經(jīng)濟(jì)指標(biāo)開展分析調(diào)度，為政府增加了更多的時間。以處理政策內(nèi)在時滯為中心，側(cè)重于發(fā)現(xiàn)問題和研究制定相關(guān)政策，是基于高頻數(shù)據(jù)進(jìn)行宏觀經(jīng)濟(jì)運行分析。同時，在深入研判后根據(jù)分析結(jié)果提前研究對應(yīng)的政策，待傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(biāo)顯現(xiàn)出類似的問題后，地方政府可以迅速出臺對應(yīng)的政策予以應(yīng)對。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)測結(jié)果進(jìn)行調(diào)度所帶來的問題。此外，也可以通過傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(biāo)與預(yù)測結(jié)果進(jìn)行對比，從而對相關(guān)工作人員形成一定的激勵作用。

二是以處理政策外在時滯為中心。待到傳統(tǒng)經(jīng)濟(jì)統(tǒng)計指標(biāo)反映出問題，即使已經(jīng)提前研究出政策工具，此時再進(jìn)行調(diào)度可能已經(jīng)為時已晚。以處理政策外在時滯為中心，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)問題后隨即進(jìn)行調(diào)度。為了減少由于預(yù)測結(jié)果可能不準(zhǔn)確所帶來的負(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”和“找對照”。其中，“走試點”屬于折中處理方案，地方政府可以在通過預(yù)判發(fā)現(xiàn)經(jīng)濟(jì)問題并研究出應(yīng)對政策后在所轄部分區(qū)域進(jìn)行提前調(diào)度；“找對照”則是按照雙重差分的思想，找到與試點區(qū)域或者所轄區(qū)域經(jīng)濟(jì)形勢類似的其他區(qū)域。（35）當(dāng)類似的其他區(qū)域出現(xiàn)問題，而試點區(qū)域由于提前調(diào)度而避免了問題發(fā)生時，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)張性政策無論能促進(jìn)短期經(jīng)濟(jì)發(fā)展。同時，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政策空間等。因此，在考核預(yù)判準(zhǔn)確率的同時，應(yīng)綜合衡量期間各類調(diào)度政策的成本與收益，在此基礎(chǔ)上形成對相關(guān)工作人員的激勵機(jī)制。

六、研究結(jié)論與建議

高頻數(shù)據(jù)是一個相對概念。因此，從實際應(yīng)用出發(fā)，本文認(rèn)為更新頻次高于或領(lǐng)先于統(tǒng)計局公布的傳統(tǒng)統(tǒng)計指標(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，運用高頻數(shù)據(jù)對經(jīng)濟(jì)運行分析和調(diào)度可以提高其時效性、豐富性和精確性等。然后，本文重點探究了高頻數(shù)據(jù)在地區(qū)宏觀經(jīng)濟(jì)預(yù)測分析中的理論邏輯和實現(xiàn)機(jī)制，為地方政府基于高頻數(shù)據(jù)開展宏觀經(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)計分析等研究方法的改進(jìn)指出了方向。與此同時，國內(nèi)各地方政府開展了廣泛的實踐，制定了一些經(jīng)濟(jì)分析指標(biāo)體系和推動建設(shè)宏觀經(jīng)濟(jì)大數(shù)據(jù)分析平臺。整體而言，目前國內(nèi)地方政府利用各類高頻數(shù)據(jù)展開經(jīng)濟(jì)形勢分析時，并未進(jìn)行較復(fù)雜的加工處理，而是側(cè)重于實現(xiàn)對經(jīng)濟(jì)運行的多維度把握。同時，數(shù)字化分析平臺技術(shù)層面并不算特別先進(jìn)，主要通過一些程序?qū)崿F(xiàn)了自動化處理和可視化展示功能，仍存在一些現(xiàn)實困境。此外，研究指出了除部分地區(qū)用于建設(shè)完善數(shù)字化平臺的資金不足以及人力資源緊張外，目前缺乏實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，對于基于高頻數(shù)據(jù)的宏觀經(jīng)濟(jì)運行的調(diào)度，由于預(yù)測工作本身所具有的誤差性，本文初步探討了在預(yù)測分析可能不準(zhǔn)確的前提下以處理政策內(nèi)在時滯為中心和以處理政策外在時滯為中心兩個方面的調(diào)度工作。

與此同時，針對當(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)字化分析平臺的關(guān)鍵一步。應(yīng)大力推進(jìn)跨部門、跨地區(qū)、跨層級業(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)化對政府內(nèi)部高頻數(shù)據(jù)的分析，探索使用市場高頻數(shù)據(jù)，以增加數(shù)據(jù)分析的維度為中心，深化研究各類高頻數(shù)據(jù)與分析預(yù)測對象之間的成分性，重點把握其結(jié)構(gòu)性，從而更好地把握經(jīng)濟(jì)增長和波動的真正趨勢和實現(xiàn)政策精細(xì)化調(diào)度。三是完善經(jīng)濟(jì)運行分析和調(diào)度大數(shù)據(jù)處理平臺，爭取早日實現(xiàn)對地方經(jīng)濟(jì)運行態(tài)勢的動態(tài)預(yù)警，靈敏捕捉與即時感知。四是強(qiáng)化對前瞻性高頻指標(biāo)的研判，進(jìn)一步充實專業(yè)力量。同時，合理看待通過高頻指標(biāo)研判所得出的結(jié)論偏離實際的情形，綜合衡量根據(jù)預(yù)測結(jié)果開展各類調(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權(quán)和事權(quán)。

注釋：

（1） 張永安、顏斌斌：《一種股票市場的深度學(xué)習(xí)復(fù)合預(yù)測模型》，《計算機(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)測模型》，《統(tǒng)計研究》2022年第9期。

（3） 陶利斌、鄒洋、潘婉彬：《期權(quán)市場價格發(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)的實證分析》，《投資研究》2022年第7期。

（4） 吳崇林、劉杰、李志冰等：《開盤價操縱與定價效率——基于高頻數(shù)據(jù)的開盤價操縱識別模型》，《經(jīng)濟(jì)學(xué)報》2021年第4期。

（5） 《基于大數(shù)據(jù)的宏觀經(jīng)濟(jì)現(xiàn)時預(yù)測理論與方法研究》，《復(fù)旦學(xué)報》（社會科學(xué)版）2021年第5期。

（6） 王建冬、于施洋：《構(gòu)建國家經(jīng)濟(jì)大腦的實踐探索與初步設(shè)想》，《數(shù)據(jù)分析與知識發(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)測預(yù)警模型及應(yīng)用》，《統(tǒng)計與決策》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》，《統(tǒng)計與決策》2023年第2期。

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

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

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

（13） 劉漢、劉金全：《中國宏觀經(jīng)濟(jì)總量的實時預(yù)報與短期預(yù)測——基于混頻數(shù)據(jù)預(yù)測模型的實證研究》，《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)模型的中國經(jīng)濟(jì)周期區(qū)制監(jiān)測研究》，《統(tǒng)計研究》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)測分析中的應(yīng)用》，《財經(jīng)智庫》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)測預(yù)測研究：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、曹偉偉、王霞：《基于混頻數(shù)據(jù)的日度經(jīng)濟(jì)不確定性測度及其應(yīng)用》，《統(tǒng)計研究》2023年第1期。

（22） 于揚、房奕彤、王維國：《混合頻率FA-MIDAS類模型構(gòu)建及其應(yīng)用》，《統(tǒng)計與決策》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)的價值、困境與出路》，《改革》2021年第4期。

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

（31） 劉祺：《當(dāng)代中國數(shù)字政府建設(shè)的梗阻問題與整體協(xié)同策略》，《福建師范大學(xué)學(xué)報》（哲學(xué)社會科學(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)森林模型股票價格預(yù)測》，《計算機(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：《我國貨幣政策時滯對資產(chǎn)價格的影響》，浙江大學(xué)2019年碩士學(xué)位論文。

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

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

（責(zé)任編輯 趙 亮）