结合大数据技术提升价格监测预警工作水平Word文档格式.docx

结合大数据技术提升价格监测预警工作水平Word文档格式.docx

《结合大数据技术提升价格监测预警工作水平Word文档格式.docx》由会员分享，可在线阅读，更多相关《结合大数据技术提升价格监测预警工作水平Word文档格式.docx（8页珍藏版）》请在冰豆网上搜索。

价格监测预警工作是维持价格稳定的基础性工作，是服务宏观调控的重要内容之一。

近几年来，我国大数据技术逐步发展，

请浏览后下载，资料供参考，期待您的好评与关注！

在某些领域已经得到应用，社会和经济效果良好，这也为价格监测预警工作提供了新思路。

2015年8月，国务院发布《促进大数据发展行动纲要》，对大数据建设指明了方向。

然而，大数据技术也存在天然缺陷与不足，考虑到价格监测预警工作的重要性，我们认为传统方法结合大数据技术，是当前和今后一段时间内做好价格监测预警工作较好的发展方向。

一、大数据技术的概念与特点

大数据技术是将互联网、物联网、移动终端、工业传感器等软硬件设备所生成的结构化、半结构化及非结构化数据，通过数据挖掘、人工智能、预测分析等方法，获取、处理、应用大规模异质性信息，为价值创造、公共服务、科学研究等提供支撑。

大数据技术有大量、多样、高速和价值四个特点。

大数据技术需要海量、多领域数据为基础，包括多种数据类型如结构、半结构与非结构数据，且要求高速的数据处理速度。

在价值方面，大数据本身价值密度低，需要通过数据挖掘等方式获取有价值的信息。

大数据技术开创了研究经济数据的一个新方法。

大数据技术不需要预先的经济建模，只需要将数据进行大量运算，就能得到变量间的相关关系，从而寻找到未被发现的变量关系。

二、应用大数据技术进行价格监测预警的优势

大数据技术作为一种新方法，如能将其应用在价格监测预警工作中，带来的主要优势有：

（一）监测数据来源广泛

大数据方法可应用新渠道获取经济数据。

例如,国外学者认为交通流量可以反应经济的活跃程度，以德国收费站的相关记录作为生产指数的先行指标，其结果证实能够提前反映官方记录。

又例如,利用互联网搜索数据。

国内有相关研究,是通过网络搜索数据进行房价预测。

研究以北京、上海等16个大中型城市的二手房与新房价格为研究对象，以百度搜索关键词如房价走势、房源、房贷利率等搜索指标作为变量之一，利用随机森林与支持向量机等新技术方法进行建模，其预测效果明显好于线性方法且预测时间能够提前，比官方发布提前约2周的时间。

此外，利用现代计算机技术能够高效、自动获取网络数据。

例如,网络爬虫技术通过程序脚本的设定，可自动访问并下载海量网络信息。

国内学者曾以网络爬虫，高效而低成本的收集土地交易价格等信息，并在此基础上进行研究。

网络爬虫的自动化、大范围的数据采集能力还可以用于收集半结构、非结构数据。

（二）可分析多种类的数据

大数据技术能够处理半结构与非结构数据，如文字、图片、视频等用于预警分析，从而引入多于结构性数据近十倍数据量的半结构与非结构数据，这对价格监测预警工作数据来源带来很大的提升。

当前，这方面的研究主要是通过大量文字信息如网络日志、搜索历史等分析公众行为，为价格监测预警提供发展方向。

如根据公众推特的内容进行分析，最终结果证明引进公共情绪作为影响因素能有效提高价格预测的准确性。

也有外国研究基于亚马逊

网站评论内容，运用词袋模型等方法进行文本分析，其结果证实模型加入用户评论因素有显著正向预测效果，且能提前1周完成预测。

随着人工智能等领域的进步，大数据技术对图片、声音、视频等形式的数据分析将趋向成熟，这将会对价格监测预警工作带来深远的影响。

（三）预警分析方法先进

大数据可发现新预警因素。

相比传统方法，大数据能够在海量、多领域的因素中发现新的相关关系，为后续分析指出方向。

新技术、新商业模式的创新将导致原有预警因素效果逐步下降，大数据方法以发掘新变量相关性的方式，为价格监测预警工作者揭示新的因果关系。

如有学者利用大数据方法对猪肉价格开展研究，分析各种预警因素和重要性，利用大数据方法进行排序，能提高预测的精度。

大数据预警模型的效果更深层、更全面。

随着现代计算机科学的发展，神经网络等方法现已广泛运用于研究中。

如国内研究利用神经网络等方法，对粮食价格进行预测，预测误差仅为2%左右。

相比传统方法所表现的简单线性、单一变量效果之外，大数据方法对于研究价格形成因素的非线性关系、多场景影响等具有更全面的预警能力。

大数据方法可排除虚假信息。

对于存疑的价格数据，大数据能够基于成本、产品、厂商类型等信息，考虑公众评论内容、情绪等全方位因素进行综合评判。

可以依据大数据方法，判断数据

的客观性，剔除虚假数据，并通过多角度因素进行建模分析，从而做出相对科学的预警。

三、应用大数据技术进行价格监测预警的不足

大数据技术作为新兴方法之一，虽有众多优势，但也存在先天不足。

价格监测预警工作者需要全面了解大数据特点后，结合传统方法才能做出合理的判断。

（一）来自于网络的大数据信息存在偏误

若仅使用网络数据而非专业数据库信息进行大数据分析，可能存在数据偏误。

网民作为信息提供者不同于具有代表性的经济个体，其提供的信息既不具有完整的代表性，又缺乏相对的客观性。

一方面，网络信息代表性受限。

受限于网民构成低龄化、网络信息生活化，网络信息无法代表整体经济情况,与价格监测预警所需要的金融信号、生产消费信息、技术自然冲击等多角度的信息并不切合。

另一方面，由于网络匿名性，网络情绪化导致信息客观性存疑。

同样，网络炒作也会加大数据客观性的疑问。

（二）仅基于大数据技术的预警缺乏经济理论支撑

大数据技术仅能发现统计相关性而非内在因果性。

大数据获取的变量关系并非出自经济模型的内在机制，而是通过建立复杂的计算机算法模型并直接输入海量数据和结果变量，评估变量之间的统计关系。

即是说，这些变量的统计关系可能仅仅是数据与结果的统计结果，并不一定是经济上的均衡关系，甚至没有内在经济关系。

特殊情形下，所发现的新变量与新关系可能只是统计

上的“巧合”。

若无经济理论支撑而仅基于统计关系，预警效果将逐渐下降。

第一次政府可以成功预警，但此后经由大数据所得出的统计相关性会被公众发现，公众可以利用这一统计关系，改变原有行为以提高自身效用。

随着知晓该关系的人数增加，公众行为的变化将逐渐导致原统计相关关系发生变化，使得相应的预警失效。

四、结合大数据技术提升价格监测预警工作的建议

当前传统价格监测的数据搜集主要利用人工典型调查并逐级上报的方式，价格预警工作的数据处理也主要是以平均数建立时序结构化模型的方式，存在监测数据范围相对有限、模型预警精度不高以及相对滞后等缺陷，大数据的广泛性、多维性、实时性以及分析技术的先进性正好弥补传统方法存在的问题，但仍需要考虑如何解决网络信息的真实性、客观性和经济性等问题。

因此，我们对如何结合大数据技术提升价格监测预警工作水平，提出以下几点建议。

（一）加强大数据库建设

建设专业价格监测大数据库，共享社会其它类型大数据库。

如上所述，只使用网络监测数据可能出现数据偏误。

因此急需建设具有专业、海量且多领域的价格大数据库以用于价格预警分析。

与此同时，一方面需要优化原有的典型调查方式，另一方面又要将每个采样数据的位置、品质、规格等商品信息和产业链的产供需等情况全面记录，扩充大数据库内容。

此外，由于我国专业数据库众多，如农业部与国家信息中心

等政府机构、高校与研究所等研究机构具有大型专业数据库，且各电商、网络搜索平台同样具有海量用户数据的数据库。

政府应在保证数据安全的情况下共享利用这些各类专业数据库，确保大数据具有专业、全面的价格监测数据来源。

（二）研究适用于价格监测预警的大数据应用技术

大数据技术、软件，可自主研发、与企业合作、或外包至高校等机构完成，应用时需与实际相结合，避免出现错误。

大数据技术应用于监测预警前，需首先进行经济理论的稳健性检验、客观实际情况的可行性检验等综合评判，对过于追求技术难度的研究进行鉴别，做到理论与实践相结合。

（三）现有价格监测预警模型纳入大数据技术

大数据技术能够发现新变量关系，但只提供统计相关性，应将大数据技术与原有传统预警模型进行比较，深入分析内在差异并互相改进。

在结合的过程中，需要分析价格形成的内在机制，对新变量关系做出经济上的合理性解释，如新变量是否只是统计“巧合”而与生产消费无关、新变量对消费与供给的影响、预警措施的后续影响等研究，还需要不断的利用大数据对变量关系进行动态更新，并发现新变量关系。

综合评估各方面的情况，才可构建预警模型并完成预警。

（四）探索和研究传统方法和大数据技术的结合点，加强大数据技术人才的培养，进一步提升价格监测预警工作水平

大数据技术方法发展迅速、应用众多，而传统方法在小范围、单一商品的价格预警上也有明显的优势。

价格工作者需要在其中

广泛比较、深入研究并谨慎选择，并研究如何将两者充分结合起来，发挥各自优势，提升工作水平。

此外，大数据需要从海量数据中研究发现价格变动的方向和规律，从而获得最合适的价格分析模型，因此需要具有信息和经济两个学科的复合型人才，组成专家团队，才能完成建模工作。