利用大数据预测季度GDP走势的方法体系研究

　　本书深入探讨大数据的技术特征和统计应用特点，在国家*发布的非传统数据统计应用指导意见框架下，科学选取大数据统计指标，对2011年以来中国季度GDP增速进行了预测研究，重点考察大数据指标和模型方法对季度GDP增速预测的作用。

　　1981年生，经济学博士，现为国家统计局统计科学研究所副研究员，北京大学经济学院博士后。2008~2009年曾被教育部公派到加拿大做联合培养博士生。2012年5月起担任国家统计局青年联合会委员。

章 导论
节 研究背景和意义
第二节 国内外研究文献述评
一、季度GDP增速预测的传统方法
二、利用大数据预测季度GDP增速的方法
三、已有研究特点和本书研究思路
第三节 研究框架和技术路线
第四节 研究方法
第五节 研究特色和不足之处
本章附录
第二章 大数据和季度GDP相关统计问题研究
节 大数据的基本特征
一、大数据的概念和主要特征
二、大数据与传统调查数据的异同
三、大数据对传统政府统计数据的补充作用
第二节 大数据的统计分类和计算预测特点
一、大数据统计分类
二、大数据计算
三、大数据预测应用
第三节 季度GDP核算和预测思路探索
一、季度GDP核算制度
二、季度GDP数据特点
三、利用大数据预测季度GDP增速的思路探索
本章附录
第三章 基于混频数据动态因子模型的季度GDP增速预测研究
节 混频数据动态因子模型构建及估计方法
一、混频数据动态因子模型构建
二、混频数据动态因子模型估计方法
第二节 指标选取及数据说明
一、传统宏观经济统计指标集
二、大数据指标集
第三节 实证分析结果及讨论
一、基于2011Q1～2018Q3期间样本的实证分析
二、基于2016Q1～2018Q3期间样本的实证分析
第四节 结论和研究展望
本章附录
第四章 基于混频数据取样模型的季度GDP增速预测研究
节 混频数据取样模型构建及估计方法
一、混频数据取样模型构建
二、混频数据取样模型估计方法
第二节 指标数据来源及描述统计分析
第三节 样本内预测结果对比分析
一、基于分段函数权重形式的预测结果
二、基于阿尔蒙多项式函数权重形式的预测结果
三、基于非限制函数权重形式的预测结果
四、三类模型预测结果的对比分析
第四节 样本外预测结果对比分析
第五节 主要结论及启示
本章附录
第五章 基于高维数据机器学习模型的季度GDP增速预测研究
节 高维数据机器学习模型构建及估计方法
一、B-P反向传播网络模型
二、支持向量机模型
三、广义弹性网模型
四、适应性LASSO模型
第二节 指标数据来源及描述统计分析
一、解释变量指标设计的理论框架
二、解释变量指标数据来源及特征
第三节 基于季度GDP环比增速的考察
一、样本内预测结果分析
二、样本外预测结果分析
三、高维数据机器学习模型对季度GDP环比增速预测的特点
第四节 基于季度GDP同比增速的考察
一、样本内预测结果对比分析
二、样本外预测结果对比分析
三、高维数据机器学习模型对季度GDP同比增速预测的特点
第五节 主要结论和进一步完善的方向
本章附录
第六章 基于大数据和贝叶斯DSGE模型的季度GDP增速预测研究
节 基于幸福经济学视角的DSGE模型框架构建及求解
一、模型基本框架构建
二、模型稳态条件
三、模型对数线性化后的结构方程组
第二节 变量数据选取和模型估计方法
一、变量数据选取
二、模型估计方法
第三节 样本内预测效果对比分析
一、基于三个不同数据集的贝叶斯DSGE模型特征
二、参数贝叶斯估计对比分析
三、数据矩条件对比分析
第四节 样本外预测效果对比分析
第五节 主要结论和进一步完善的方向
本章附录
第七章 结论和展望
节 利用大数据预测季度GDP增速的方法体系及其内在逻辑
第二节 利用大数据有效提升季度GDP增速预测效果的条件约束
第三节 不同类型大数据的统计应用方法和预测效果
第四节 提升大数据预测效果需要政府统计部门的深度参与
参考文献
后记 虽千万人吾往矣