投资研究中大数据分析趋势与应用.PDFVIP

投资研究中的大数据分析趋势及应用 规划研究部 李芮 宏观研究通常被视作大类资产配置的起点：以美林时钟 和风险平价为代表的资产配置模型，建立了宏观经济状态和 各类资产表现的理论和逻辑关联，从而奠定了当前投资研究 中“ 自上而下”分析的基础。然而，对于投资者而言，即便明 确了宏观经济走势和大类资产表现之间的关系，也并不意味 着能够轻松完成资产配置的工作，因为现代经济具有高度复 杂性，其趋势和拐点均难以直观呈现在某一特定表征上。尤 其在近些年来，随着技术革新和产业演进，新模式、新业态 层出不穷，导致传统统计方法所搜集的信息量正在逐步缩减 和偏离。如此一来，投资者如果希望更加精准及时地判断宏 观经济的未来走势，就必须修正传统的统计方法，加入新的 统计参数和变量，建立更加完整的分析框架及相应数据库。 在这一方面，近年来蓬勃发展的大数据分析无疑值得关注。 一、传统宏观经济分析与大数据分析 传统宏观经济分析建立在凯恩斯提出的总需求框架上， 一般以 GDP 增长核算为基础，通过将总需求分解到消费、 投资、出口等多个驱动因素上，并区分代表“量” 的实际产出 1 和代表“价” 的货币指标，来对经济活动做出整体性的刻画和 分析。这一分析框架在逻辑体系上似乎无懈可击，但具体到 统计手段上却存在几个较为明显的缺陷：一是受制于人力物 力条件限制，传统统计方法几乎完全建立在抽样基础上，尽 管在中心极限定理假设下，大样本群体的参数会无限接近总 体，但由于现实中许多变量的并不完全为正态分布，抽样统 计必定会牺牲掉总体的部分信息；二是传统指标的涵盖范围 越来越难以适应当前经济结构和形态的快速变化，例如随着 网络线上消费的兴起，传统的商贸零售销售等指标可能无法 准确描述居民整体消费情况；三是数据的时效性较低，传统 经济指标一般采取问卷和自愿填报的方式经自下而上汇总 而来，过程存在较长时滞，一些指标发布延时多达数月之久； 四是传统经济统计存在明显的激励不相容问题，上级统计部 门严重依赖下级统计部门的统计结果，却无法完全控制下级 统计部门或经济主体报送数据的质量，导致数据失真情况时 有发生。上述缺陷汇聚到一起，使得当前传统经济统计的结 果出现不全面、不准确、不及时的问题。 值得庆幸的是，大数据分析的兴起可以有效克服上述传 统经济统计的缺陷。关于大数据的界定目前尚没有一致观点， 但一般公认，大数据的特点可以用“4V” 即大量化（Volume ）、 高速化 （Velocity ）、多样化 （Va riety ）和价值化 （Value ）来 2 ① 概括 ；换而言之，大数据的特点绝不仅仅限于“量大” ，还包 括高频、非结构化和高关联度等等。与之相应，大数据分析 则着眼于将过去的抽样分析变为总体分析、让过去事后汇总 信息变为实时传送信息、将过去非标准化、非结构化信息变 为标准化、结构化数据，从而大大提高数据分析的全面性、 准确性和及时性。更重要的是，大数据分析承认现实世界的 高度复杂性和混杂性，不再尝试建立不同指标间的因果联系， 而是更注重考察指标间的相关关系，这种观念更符合现代经 济活动的本质。与此同时，以互联网为代表的新经济快速崛 起，一方面让大数据分析具备更多的应用场景，另一方面也 为大数据分析的应用提供了更多的技术和工具支持。因此， 从任何角度来讲，大数据分析都应该成为未来投资研究的重 ② 点关注领域之一 。 二、宏观大数据分析的主要内容和发展现状 大数据概念出现的时间虽然不长，但在近些年经历了突 飞猛进的进步发展，在宏观经济分析领域也得到了较为广泛 的应用。从目前情况来看，宏观领域应用比较成熟的大数据 指标主要源自以下几个类别：③ （一）网络消费数据。网上购物被戏称为中国的新“ 四 ① 参见 [英] 维克托·迈尔-舍恩伯格，[英] 肯尼思·库克耶 著，盛杨燕，周涛 译，大数据时代，浙江人民 出版社，2013. ② 大数据分析在投资领域的另一重要应用领域是分析微观层面上的客户偏好和行为，继而进行相应的产品 开发和咨询服务，该领域的应用本文不做探讨。 ③ 需要特别指出的是，一些研究将过去几年在宏观经济中已经得到广泛应用的用电量、货运量、高炉开工 率等指标视为大数据，但我们认为这