王 佩
(广东金融学院 经济与贸易学院,广东 广州510051)
计量经济学作为量化研究经济问题的重要工具,随着量化分析在各学科领域的重要性日益突显,计量经济学的分析方法与分析工具逐渐渗透到多个领域,成为发展活跃的交叉学科和方法论学科。计量经济学和机器学习过去分别在各自的轨道上表现良好。两者在研究目的、研究重点和研究方法上有所不同。然而,由于大数据的丰富供给和解决复杂问题的需求,出现了计量经济学和机器学习技术结合应用的趋势。
传统计量经济学所采用的数据是局部范围观测到的数据,所收集到的数据还需进行再次处理,数据质量有待提高。随着经济活动的日益频繁和互联网技术水平的提高,采集、处理数据的能力加强,海量数据得以生成。但传统计量经济学方法在分析大数据时有些无能为力。首先,大数据虽然具有海量信息优势,但其价值密度低。海量数据中真正具有价值的数据少。计量经济模型在利用大数据进行分析时,虽然样本容量增加了,但变量维度也在扩充,有时甚至会出现高于样本容量的情形。其次,数据的种类与来源多元化。按数据格式进行分类,大数据中除了传统的结构化数据(有固定结构)外,还包括半结构化(有基本固定结构)和非结构化数据(没有固定结构)。这是传统计量经济模型无法处理的。……