基于大數(shù)據(jù)的經(jīng)濟形勢監(jiān)測預測理論與方法

第 1 章 緒論  1 
1.1 經(jīng)濟形勢監(jiān)測預測的意義及研究現(xiàn)狀  1 
1.2 大數(shù)據(jù)研究現(xiàn)狀  5 
1.3 大數(shù)據(jù)下經(jīng)濟監(jiān)測預測的革新  9 
1.4 大數(shù)據(jù)下經(jīng)濟監(jiān)測預測面臨的機遇與挑戰(zhàn)  10 
1.5 研究技術路線  11 
第 2 章 大數(shù)據(jù)分析方法  12 
2.1 傳統(tǒng)統(tǒng)計方法  12 
2.1.1 嶺回歸  12 
2.1.2 LASSO 回歸  13 
2.1.3 加罰方法的推廣  13 
2.1.4 小角回歸 14 
2.1.5 主成分分析 15 
2.2 機器學算法  16 
2.2.1 決策樹  16 
2.2.2 提升方法  18 
2.2.3 隨機森林  19 
2.2.4 支持向量機 20 
2.2.5 邏輯回歸  21 
2.2.6 Apriori 算法  21 
2.3 深度學  22 
2.3.1 投影追蹤  23 
2.3.2 經(jīng)網(wǎng)絡  23 
2.4 本章小結(jié)  25 
第 3 章 大數(shù)據(jù)背景下的經(jīng)濟總量運行監(jiān)測研究  28 
3.1 引言  28 
3.1.1 現(xiàn)有 GDP 核算方法   28 
3.1.2 GDP 的擴展:GDI 和 GNI  29 
3.1.3 大數(shù)據(jù)背景下的 GDP  30 
3.2 高維數(shù)據(jù)集下 GDP 的監(jiān)測及預測 31 
3.2.1 動態(tài)因子模型  31 
3.2.2 關于選擇預測變量的降維方法  32 
3.3 利用非結(jié)構化數(shù)據(jù)監(jiān)測預測 GDP  33
3.3.1 結(jié)合圖片信息監(jiān)測預測 GDP   34 
3.3.2 互聯(lián)網(wǎng)搜索行為監(jiān)測預測 GDP  35 
3.4 GDP 偏差的估計及預測  37 
3.4.1 GDP 偏差的定義  37 
3.4.2 模型及實證結(jié)果   38 
3.5 本章小結(jié)  42 
第 4 章 大數(shù)據(jù)背景下金融風險管理   44 
4.1 引言  44 
4.2 金融風險的研究現(xiàn)狀  45 
4.2.1 風險值的研究現(xiàn)狀   45 
4.2.2 收益波動率的研究現(xiàn)狀   46 
4.2.3 期望虧空的研究現(xiàn)狀   47 
4.3 金融風險度量  47 
4.3.1 風險值及估計方法   47 
4.3.2 收益波動率及其估計   54 
4.3.3 期望虧空模型及其估計   62 
4.4 大數(shù)據(jù)下金融風險管理研究   70 
4.4.1 大數(shù)據(jù)診斷 71 
4.4.2 大數(shù)據(jù)處理技術   81 
4.4.3 大數(shù)據(jù)預測方法   82 
4.4.4 大數(shù)據(jù)下金融風險的研究現(xiàn)狀  84 
4.5 案例分析  86 
4.5.1 稀疏 VAR 在股票收益率研究中的應用  86 
4.5.2 基于經(jīng)驗分布的混合連接函數(shù)及其在金融風險管理中的應用 93 
4.6 本章小結(jié) 101 
第 5 章 大數(shù)據(jù)背景下的財政稅收監(jiān)測研究   102 
5.1 引言  102 
5.2 我國稅收監(jiān)測總體狀況 103 
5.2.1 稅收的主要組成及監(jiān)測指標   103 
5.2.2 稅收監(jiān)測面臨的機遇與挑戰(zhàn)   105 
5.2.3 大數(shù)據(jù)下監(jiān)測稅收指標的意義  106 
5.3 稅收分析相關概念   107 
5.3.1 稅收大數(shù)據(jù)   107 
5.3.2 稅收風險管理  108 
5.3.3 風險預警理論  109 
5.4 案例分析 110 
5.4.1 基于關聯(lián)規(guī)則的稅收監(jiān)測案例選擇研究 110 
5.4.2 基于屬性約簡的支持向量機模型在稅收監(jiān)測中的應用  115 
5.5 本章小結(jié) 119
第 6 章 基于對外貿(mào)易大數(shù)據(jù)的經(jīng)濟監(jiān)測分析  121 
6.1 引言  121 
6.2 大數(shù)據(jù)時代的對外貿(mào)易 121 
6.2.1 大數(shù)據(jù)時代對外貿(mào)易的機遇和挑戰(zhàn) 121 
6.2.2 大數(shù)據(jù)時代對外貿(mào)易發(fā)展措施建議 122 
6.2.3 大數(shù)據(jù)時代對外貿(mào)易統(tǒng)計的新挑戰(zhàn) 123 
6.2.4 大數(shù)據(jù)時代對外貿(mào)易統(tǒng)計工作的建議  124 
6.3 對外貿(mào)易可持續(xù)發(fā)展的評指標  124 
6.3.1 經(jīng)濟效益指標 E  124 
6.3.2 生態(tài)效益指標 B  126 
6.3.3 社會效益指標 S  127 
6.4 大數(shù)據(jù)背景下對外貿(mào)易監(jiān)測的研究   127 
6.4.1 指標的計算與合成 127 
6.4.2 模型構建和預測  128 
6.5 對外貿(mào)易監(jiān)測的實例研究 132 
6.5.1 基于大數(shù)據(jù)的云南省外貿(mào)依存度分析  132 
6.5.2 基于 ARIMA 與 BP 經(jīng)網(wǎng)絡復合模型的對外出口貿(mào)易預測 137 
6.6 本章小結(jié) 140 
第 7 章 大數(shù)據(jù)背景下的商業(yè)貿(mào)易監(jiān)測研究   141 
7.1 引言  141 
7.2 大數(shù)據(jù)對貿(mào)易統(tǒng)計的影響 141 
7.3 主要統(tǒng)計指標  143 
7.3.1 交易指標  143 
7.3.2 流數(shù)據(jù)   144 
7.4 大數(shù)據(jù)背景下的貿(mào)易統(tǒng)計方法 144 
7.4.1 貿(mào)易數(shù)據(jù)的獲取和整理 145 
7.4.2 數(shù)據(jù)分析和詮釋  146 
7.5 案例分析 147 
7.5.1 基于時間序列和經(jīng)網(wǎng)絡建模的雜志銷售量預測 147 
7.5.2 網(wǎng)絡搜索與汽車之間的關系分析  151 
7.6 本章小結(jié) 154 
第 8 章 大數(shù)據(jù)背景下的物水平監(jiān)測研究   156 
8.1 引言  156 
8.2 大數(shù)據(jù)的發(fā)展與應用  156 
8.3 物水平及相關格指數(shù) 160 
8.4 大數(shù)據(jù)與居民消費格指數(shù)  164 
8.4.1 CPI 在經(jīng)濟形勢監(jiān)測中的意義 165 
8.4.2 大數(shù)據(jù)對 CPI 產(chǎn)生的影響 166 
8.5 案例分析 167
8.5.1 掃描數(shù)據(jù)編制 CPI 167 
8.5.2 支持向量回歸  171 
8.6 本章小結(jié) 174 
第 9 章 大數(shù)據(jù)背景下的居民消費監(jiān)測研究  176 
9.1 引言  176 
9.1.1 大數(shù)據(jù)背景下的網(wǎng)絡消費  176 
9.1.2 消費者信心指數(shù)  177 
9.1.3 消費結(jié)構及居民收支  178 
9.2 通過對大數(shù)據(jù)的監(jiān)測分析預測消費者產(chǎn)品需求 178 
9.2.1 大數(shù)據(jù)背景下影響消費的關鍵因素 178 
9.2.2 數(shù)據(jù)挖掘及模型建立  180 
9.2.3 案例分析  183 
9.3 網(wǎng)絡大數(shù)據(jù)在消費者信心指數(shù)預測中的應用  184 
9.3.1 網(wǎng)絡搜索行為與消費者信心的關聯(lián)分析 184 
9.3.2 變量選擇及模型建立  185 
9.4 基于高維大數(shù)據(jù)探究收入與消費之間的關系  187 
9.4.1 模型及方法   189 
9.4.2 案例分析  191 
9.5 本章小結(jié) 194 
第 10 章 大數(shù)據(jù)背景下的失業(yè)監(jiān)測研究  196 
10.1 引言 196 
10.2 失業(yè)大數(shù)據(jù)研究現(xiàn)狀 196 
10.2.1 失業(yè)大數(shù)據(jù)：宏觀角度  196 
10.2.2 失業(yè)大數(shù)據(jù)：微觀角度  198 
10.3 監(jiān)測失業(yè)率的模型與方法   201 
10.3.1 監(jiān)測預測模型  203 
10.3.2 人工經(jīng)網(wǎng)絡  207 
10.3.3 支持向量回歸  211 
10.3.4 網(wǎng)絡搜索數(shù)據(jù)分位回歸的失業(yè)率監(jiān)測 213 
10.4 案例分析   214 
10.4.1 人口老齡化與就業(yè)結(jié)構研究  214 
10.4.2 OECD 失業(yè)率研究  221 
10.5 本章小結(jié)   229 
第 11 章 交通運輸大數(shù)據(jù)背景下的經(jīng)濟監(jiān)測  230 
11.1 引言 230 
11.2 交通運輸與經(jīng)濟發(fā)展的關系  230 
11.2.1 交通固定資產(chǎn)投資與經(jīng)濟發(fā)展的關系 231 
11.2.2 交通運輸量與經(jīng)濟發(fā)展的關系  233 
11.3 交通運輸大數(shù)據(jù) 237
11.3.1 交通大數(shù)據(jù)的產(chǎn)生方式與內(nèi)容  238 
11.3.2 交通運輸大數(shù)據(jù)的應用  241 
11.4 交通運輸大數(shù)據(jù)與經(jīng)濟監(jiān)測  241 
11.4.1 基于傳統(tǒng)交通運輸數(shù)據(jù)的經(jīng)濟監(jiān)測方法  241 
11.4.2 經(jīng)濟監(jiān)測方式在交通運輸大數(shù)據(jù)背景下的轉(zhuǎn)變 246 
11.5 案例分析   247 
11.5.1 動機與背景  248 
11.5.2 數(shù)據(jù)與模型  248 
11.5.3 實證結(jié)果展示  249 
11.5.4 結(jié)論   251 
11.6 本章小結(jié)   252 
第 12 章 大數(shù)據(jù)背景下房地產(chǎn)經(jīng)濟監(jiān)測的理論研究  253 
12.1 引言 253 
12.2 房地產(chǎn)經(jīng)濟運行監(jiān)測指標內(nèi)容 253 
12.2.1 國房景氣指數(shù)  254 
12.2.2 按功能分類的監(jiān)測指標  255 
12.3 大數(shù)據(jù)與房地產(chǎn)經(jīng)濟監(jiān)測   257 
12.3.1 房地產(chǎn)行業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)點  257 
12.3.2 大數(shù)據(jù)在房地產(chǎn)經(jīng)濟監(jiān)測方面的應用現(xiàn)狀   258 
12.3.3 基于大數(shù)據(jù)的房地產(chǎn)經(jīng)濟監(jiān)測的意義 260 
12.4 案例分析   260 
12.4.1 基于面板分位回歸的房預測  261 
12.4.2 基于多期雙重差分模型的房與限購令的實證研究  266 
12.5 本章小結(jié)   275 
第 13 章 基于移動支付大數(shù)據(jù)的經(jīng)濟形勢監(jiān)測分析方法  277 
13.1 引言 277 
13.2 研究背景與現(xiàn)狀 278 
13.2.1 國外移動支付發(fā)展歷程  278 
13.2.2 國內(nèi)移動支付發(fā)展歷程  279 
13.3 移動支付與經(jīng)濟形勢監(jiān)測的關系 280 
13.3.1 移動支付對經(jīng)濟社會運行的影響 281 
13.3.2 移動支付行為對經(jīng)濟金融的意義 282 
13.4 當前移動大數(shù)據(jù)的點  283 
13.4.1 移動數(shù)據(jù)固有的大數(shù)據(jù)征  283 
13.4.2 移動數(shù)據(jù)的有大數(shù)據(jù)征  284 
13.4.3 移動大數(shù)據(jù)搜集與計算問題  286 
13.5 針對移動支付大數(shù)據(jù)的前沿統(tǒng)計理論與方法  286 
13.5.1 描述類方法  286 
13.5.2 預測類方法  287
13.6 案例分析   292 
13.6.1 利用大數(shù)據(jù)分析殊事件對區(qū)域經(jīng)濟狀況的影響 292 
13.6.2 通過移動支付行為監(jiān)測城市區(qū)域經(jīng)濟發(fā)展狀況 294 
13.7 本章小結(jié)  295 
第 14 章 函數(shù)型大數(shù)據(jù)統(tǒng)計建模理論方法及其應用研究  296 
14.1 引言 296 
14.1.1 挑戰(zhàn)性前沿問題 296 
14.1.2 幾類金融時間序列  296 
14.1.3 條件自回歸風險值（CAViaR）模型 297 
14.1.4 ARFIMA 過程  298 
14.2 幾類函數(shù)型大數(shù)據(jù)建模  298 
14.2.1 復雜多元函數(shù)型大數(shù)據(jù)分層分位回歸建模   298 
14.2.2 非平穩(wěn)函數(shù)型時間序列分析  302 
14.2.3 時變征的非參數(shù)檢驗  304 
14.2.4 高維非平穩(wěn)序列的跳點估計和降維  305 
14.3 時間序列模型 307 
14.3.1 概念   307 
14.3.2 ARMA 過程 309 
14.3.3 時域分析   313 
14.3.4 時間序列統(tǒng)計分析  315 
14.3.5 預測   316 
14.4 ARCH 模型和 GARCH 模型   318 
14.4.1 ARCH 模型 318 
14.4.2 GARCH 模型  324 
14.4.3 GARCH 模型的簡單擴展   327 
14.4.4 GARCH 模型的幾類推廣形式  328 
14.4.5 GARCH 模型擬合  329 
14.4.6 波動率預測和風險度量估計  334 
14.5 條件自回歸風險值的分位數(shù)回歸 338 
14.5.1 風險值模型  338 
14.5.2 CAViaR 339 
14.5.3 分位數(shù)回歸  340 
14.5.4 分位數(shù)模型檢驗 343 
14.5.5 實證結(jié)果   344 
14.5.6 結(jié)論   349 
14.5.7 附錄：假設  349 
14.6 ARFIMA 過程  351 
14.6.1 介紹   351 
14.6.2 獨立誤差的情況 353
14.6.3 條件異方差誤差的情況  355 
14.6.4 模擬研究   358 
14.7 本章小結(jié)   359 
第 15 章 總結(jié)與展望  360 
參考文獻  365