国外大数据硕士人才培养的经验与启示——基于大数据文本挖掘

利用半结构化文本数据分析方法,从国外高校387个大数据硕士相关项目及国内22个相关硕士项目人才培养方案中提取出大数据高端人才培养的七大方向,并对不同方向的培养目标、课程、学分、学制等设置及其对应的人才市场需求匹配情况等相关内容进行剖析,为改革中国大数据高端人才的供给提出一定建议。     

大数据背景下线上商品价格变动对CPI的影响

文章利用2011年2月至2015年9月阿里巴巴研究院公布的网络零售价格(ASPI)指数及其各分类商品价格指数与国家统计局公布的CPI历史数据分别作为线上、线下一般商品价格变动的代理变量,在协整检验的基础上采用向量误差修正模型对线上、线下商品价格变动的关联关系进行了定量分析,并对构成ASPI的各分项商品价格指数与CPI之间的关系进行了分析.研究表明:在误差修正机制的作用下,线上、线下商品价格之间存在稳定均衡的关系.     

我国月度居民消费价格指数的预测方法与应用

文章用时间序列的BP神经网络和ARMA模型的方法对我国2005年1月～2011年5月的月度CPI进行了模型分析并检验了预测效果。对比分析表明,利用月度CPI时间序列的BP神经网络方法相比ARMA模型有更好的预测精度。     

大数据背景下贝叶斯模型平均的理论突破与应用前景

大数据统计分析过程中常面临模型比较和选择的不确定性问题。贝叶斯模型平均(BMA)方法可以通过先验和后验概率度量模型不确定性,并利用后验概率对模型的结果进行加权平均,最终得到更稳健的估计结果。在回顾贝叶斯模型平均发展历程的基础上,介绍贝叶斯模型平均的基本原理,综述其在一些难点问题上的理论进展,并介绍大数据背景下贝叶斯模型平均的应用前景。贝叶斯模型平均与复杂数据分析方法相结合,可能成为大数据研究的新思路。     

大数据背景下色谱经济分析方法的应用与展望

文章分析了大数据的特点及其背景下统计学所面临的方法与技术瓶颈,阐述了色谱经济分析法与统计学的关系及因其独特的分析功能和技术手段能够满足统计学应对大数据所需要的某些功能.在对色谱经济分析法的基本概念和理论介绍后,以消费者行为的分析为例演示了色谱经济分析法的基本过程,并展望了色谱经济分析法作为统计学的创新方法在大数据中的应用前景.     

基于动态因子和混频数据的天然气需求概率预测模型设计与应用

随着天然气消费需求的快速增长,需求波动也显著加剧,导致部分地区天然气供需出现季节性和阶段性的失衡。本文基于混频采样框架、分位数回归模型和核密度估计的天然气需求混频概率预测模型,构建了包括天气状况、能源市场、资本市场和投资关注4个方面的综合性混频动态因子系统,以期更精确地预测我国的天然气需求。研究发现,天气状况、能源市场和投资关注对天然气需求的预测能力优于资本市场。在天气状况方面,每日温度是月度天然气需求的最佳指标;在能源市场方面,月度天然气需求呈现出显著的自相关特征,持续时间为3～5个月,石油现货价格和煤炭现货价格的影响持续天数较短,分别为11天和10天;在预测表现方面,样本外的月度天然气需求实际值大部分出现在概率密度曲线的最高点附近。本文所提出的模型不仅能够直接使用混频动态因子的前瞻性信息,还能够获得平滑的天然气需求概率密度曲线,预测精确度相较现有模型提升14.13%～29.15%。研究结论为保障我国天然气市场安全,完善“双碳”政策设计提供有益的决策参考。     

《纸牌屋》热播给我们的启示——大数据背景下建设服务型统计的几点思考

正《来自星星的你》是否回到星星尚未可知,《纸牌屋》又席卷而来,这部被中国网友戏称为白宫甄嬛传的美国政治悬疑剧,正在全球四十多个国家热播。《纸牌屋》的制作商奈飞公司根据其拥有的庞大用户数据资源,利用大数据挖掘技术,推导出喜欢BBC剧、导演大卫·芬奇和演员凯文·史派西的用户存在交集,投巨资     

大数据是经济高质量发展的新引擎吗？——基于数据基础设施与技术应用的双重效应解释

本文以高质量发展为目标,对大数据基础设施与技术应用能力的双重驱动机制进行分析,验证“梅特卡夫定律”是否能解释大数据发展规律。研究发现,第一,大数据能通过推进市场一体化优化资本与劳动力配置,推进经济高质量发展,且大数据技术应用的积极作用强于数据基础设施。第二,现阶段,数据基础设施与技术应用存在异质性高质量发展效应,前者的积极效应发挥需跨越一定门槛,且存在“适度区间”;后者则呈正向“边际递增”特征,且在数据基础设施支撑下,数据技术应用的“边际递增”效应增强。第三,“邻近合作”有利于激发数据基础设施的高质量发展溢出作用,“技术强强联合”可增强数据技术应用的空间溢出作用。第四,数据技术应用的积极效应发挥存在营商环境与教育水平依赖性,现阶段其仅能激发数字经济产业高质量发展,在传统产业方面动力不足。本文证明了“梅特卡夫定律”在大数据应用中依然存在,有助于加深对数据基础设施建设与技术应用能力提升的认识。     

金融市场收益率方向预测模型研究———基于文本大数据方法

金融市场的发展关系着一国的经济命脉,而股票市场作为金融市场的重要组成部分,对其收益率的研究也一直都是学术界的热点。财经新闻常被认为蕴含着丰富的信息,其中所包含的情感信息作为影响投资者投资决策的重要因素之一,对股票收益率也具有一定的影响。故本文构建了适用于金融投资领域的财经新闻情感词典来对财经新闻进行文本分析,同时构造了新的预测模型:将财经新闻文本中所含的情感量化为情绪指数并与时变密度函数相结合,得到时变加权密度模型。并在此基础上以模型评分为权重组合多个预测模型构建出评分加权模型用于股票收益率预测。结果显示,加入情绪指数能有效提高模型预测能力,而评分加权模型的预测能力则在此基础上更进一步,在准确率以及评分规则上基本达到双重最优。     

基于CPI分项目价格指数的中国核心通货膨胀估计及政策选择研究

 核心通货膨胀是观测到的通货膨胀中长期的、持续的成分。核心通货膨胀对经济形势的判断与宏观经济政策的制定有着重要的意义。本文使用CPI分项目价格指数建立动态因子指数（DFI）模型估计了2001年1月至2011年4月中国的核心通货膨胀。结果显示,我们估计的核心通货膨胀反映了通货膨胀的趋势,能够很好地反映货币供给的变化,对未来5-19个月的CPI亦有较好的预测能力。     

面板数据的可加分位回归模型研究与应用

本文在贝叶斯分析的框架下讨论了面板数据的可加模型分位回归建模方法。首先通过低秩薄板惩罚样条展开和个体效应虚拟变量的引进将非参数模型转换为参数模型,然后在假定随机误差项服从非对称Laplace分布的基础上建立了贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,论文给出了所有待估参数的条件后验分布,并构造了待估参数的 Gibbs抽样估计算法。计算机模拟仿真结果显示,新提出的方法相比于传统的可加模型均值回归方法在估计稳健性上明显占优。最后以消费支出面板数据为例研究了我国农村居民收入结构对消费支出的影响,发现对于农村居民来说,无论是高、中、低消费群体,工资性收入与经营净收入的增加对其消费支出的正向刺激作用更为明显。进一步,相比于高消费农村居民人群,低消费农村居民人群随着收入的增加消费支出上升速度较为缓慢。     

Estimation and Prediction for Exponentiated Family of Distributions Based on Records

In this article, a family of distributions, namely the exponentiated family of distributions, is defined and for the unknown parameters, different point estimates are derived based on record statistics. Prediction for future record values is presented from a Bayesian view point. Two numerical examples and a Monte Carlo simulation study are presented to illustrate the results.     

互联网企业广告收入预测研究——基于低频数据的神经网络和时间序列组合模型

神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。