【工经之声】大数据技术及其行业应用：基于铁路领域的概念框架研究( 三 )_：【工经之声】大数据技术及其行业应用

当前，大数据在经济领域的应用研究可大致将其归纳为两类：一是对宏观经济的预测，优化传统指标或构建新的预测指标；二是建立经济变量的联系以期进行关联，挖掘用户特征，达到优化改善企业经营及销售的目的，这里主要涉及大数据在不同行业的应用。在第一类预测问题研究上，主要是通过搜索引擎（如Google Trends、百度指数等）和数据抓取（也称为网络爬虫）来获取数据进行预测分析，这些预测指标主要包括GDP、失业率、房地产、通货膨胀，等等。Askitas和Zimmermann[2]（2009）、McLaren和Shanbhogue[3]（2011）、Vicente等[4]（2015）分别运用搜索引擎得到的数据对德国、英国、西班牙的失业率进行预测，预测结果与真实值较为接近、效果良好。Cavallo和Rigobon[5]（2016）主要阐述了麻省理工学院2008年启动的“十亿价格计划”，通过抓取网络上公布的多种商品价格数据构建指数来研究美国、阿根廷等20多个国家的通货膨胀指数，对比研究结果发现，这种大数据研究方法更为接近真实水平。国内学者的研究起步较晚，姜文杰等[6]（2016）运用百度指数，通过构建系列模型预测了上海的房价走势；李凤岐等[7]（2017）通过百度搜索查询指数对中国的宏观经济指标进行了预测，研究结果虽然存在偏差，但仍与真实值接近。