首先，該專著是教育部哲學社會科學重大課題攻關項目“基於大數據的經濟形勢監測理論與方法研究”這一重大課題的直接研究成果；其次,該成果能夠深刻揭示經濟大數據波動規律，從而能對大數據的經濟形勢進行有效地預測預警；再次，通過該專著的出版，有望部分凝聚整合國內外相關學科的學術力量，積若干年的持續研究，激發產出一批具有原創性和學術價值、在國內外具有較大學術影響、能夠傳之後世的重大學術成果，並以此托舉出若干學養深厚的學術大家，奠定我國在該領域的學術領先地位，由此可見該專著出版具有重大的理論意義和實踐價值；最後等

●第1章緒論1
1.1經濟形勢監測預測的意義及研究現狀1
1.2大數據研究現狀5
1.3大數據下經濟監測預測的革新9
1.4大數據下經濟監測預測面臨的機遇與挑戰10
1.5研究技術路線11
第2章大數據分析方法12
2.1傳統統計方法12
2.1.1嶺回歸12
2.1.2LASSO回歸13
2.1.3加罰方法的推廣13
2.1.4最小角回歸14
2.1.5主成分分析15
2.2機器學習算法16
2.2.1決策樹16
2.2.2提升方法18
2.2.3隨機森林19
2.2.4支持向量機20
2.2.5邏輯回歸21
2.2.6Apriori算法21
2.3深度學習22
2.3.1投影追蹤23
2.3.2神經網絡23
2.4本章小結25
第3章大數據背景下的經濟總量運行監測研究28
3.1引言28
3.1.1現有GDP核算方法28
3.1.2GDP的擴展：GDI和GNI29
3.1.3大數據背景下的GDP30
3.2高維數據集下GDP的監測及預測31
3.2.1動態因子模型31
3.2.2關於選擇預測變量的降維方法32
3.3利用非結構化數據監測預測GDP33
3.3.1結合圖片信息監測預測GDP34
3.3.2互聯網搜索行為監測預測GDP35
3.4GDP偏差的估計及預測37
3.4.1GDP偏差的定義37
3.4.2模型及實證結果38
3.5本章小結42
第4章大數據背景下金融風險管理44
4.1引言44
4.2金融風險的研究現狀45
4.2.1風險價值的研究現狀45
4.2.2收益波動率的研究現狀46
4.2.3期望虧空的研究現狀47
4.3金融風險度量47
4.3.1風險價值及估計方法47
4.3.2收益波動率及其估計54
4.3.3期望虧空模型及其估計62
4.4大數據下金融風險管理研究70
4.4.1大數據診斷71
4.4.2大數據處理技術81
4.4.3大數據預測方法82
4.4.4大數據下金融風險的研究現狀84
4.5案例分析86
4.5.1稀疏VAR在股票收益率研究中的應用86
4.5.2基於經驗分布的混合連接函數及其在金融風險管理中的應用93
4.6本章小結101
第5章大數據背景下的財政稅收監測研究102
5.1引言102
5.2我國稅收監測總體狀況103
5.2.1稅收的主要組成及監測指標103
5.2.2稅收監測面臨的機遇與挑戰105
5.2.3大數據下監測稅收指標的意義106
5.3稅收分析相關概念107
5.3.1稅收大數據107
5.3.2稅收風險管理108
5.3.3風險預警理論109
5.4案例分析110
5.4.1基於關聯規則的稅收監測案例選擇研究110
5.4.2基於屬性約簡的支持向量機模型在稅收監測中的應用115
5.5本章小結119
第6章基於對外貿易大數據的經濟監測分析121
6.1引言121
6.2大數據時代的對外貿易121
6.2.1大數據時代對外貿易的機遇和挑戰121
6.2.2大數據時代對外貿易發展措施建議122
6.2.3大數據時代對外貿易統計的新挑戰123
6.2.4大數據時代對外貿易統計工作的建議124
6.3對外貿易可持續發展的評價指標124
6.3.1經濟效益指標E124
6.3.2生態效益指標B126
6.3.3社會效益指標S127
6.4大數據背景下對外貿易監測的研究127
6.4.1指標的計算與合成127
6.4.2模型構建和預測128
6.5對外貿易監測的實例研究132
6.5.1基於大數據的雲南省外貿依存度分析132
6.5.2基於ARIMA與BP神經網絡復合模型的對外出口貿易預測137
6.6本章小結140
第7章大數據背景下的商業貿易監測研究141
7.1引言141
7.2大數據對貿易統計的影響141
7.3主要統計指標143
7.3.1交易指標143
7.3.2點擊流數據144
7.4大數據背景下的貿易統計方法144
7.4.1貿易數據的獲取和整理145
7.4.2數據分析和詮釋146
7.5案例分析147
7.5.1基於時間序列和神經網絡建模的雜志銷售量預測147
7.5.2網絡搜索與汽車銷量之間的關繫分析151
7.6本章小結154
第8章大數據背景下的物價水平監測研究156
8.1引言156
8.2大數據的發展與應用156
8.3物價水平及相關價格指數160
8.4大數據與居民消費價格指數164
8.4.1CPI在經濟形勢監測中的意義165
8.4.2大數據對CPI產生的影響166
8.5案例分析167
8.5.1掃描數據編制CPI167
8.5.2支持向量回歸171
8.6本章小結174
第9章大數據背景下的居民消費監測研究176
9.1引言176
9.1.1大數據背景下的網絡消費176
9.1.2消費者信心指數177
9.1.3消費結構及居民收支178
9.2通過對大數據的監測分析預測消費者產品需求178
9.2.1大數據背景下影響消費的關鍵因素178
9.2.2數據挖掘及模型建立180
9.2.3案例分析183
9.3網絡大數據在消費者信心指數預測中的應用184
9.3.1網絡搜索行為與消費者信心的關聯分析184
9.3.2變量選擇及模型建立185
9.4基於高維大數據探究收入與消費之間的關繫187
9.4.1模型及方法189
9.4.2案例分析191
9.5本章小結194
第10章大數據背景下的失業監測研究196
10.1引言196
10.2失業大數據研究現狀196
10.2.1失業大數據：宏觀角度196
10.2.2失業大數據：微觀角度198
10.3監測失業率的模型與方法201
10.3.1監測預測模型203
10.3.2人工神經網絡207
10.3.3支持向量回歸211
10.3.4網絡搜索數據分位回歸的失業率監測213
10.4案例分析214
10.4.1人口老齡化與就業結構研究214
10.4.2OECD國家失業率研究221
10.5本章小結229
第11章交通運輸大數據背景下的經濟監測230
11.1引言230
11.2交通運輸與經濟發展的關繫230
11.2.1交通固定資產投資與經濟發展的關繫231
11.2.2交通運輸量與經濟發展的關繫233
11.3交通運輸大數據237
11.3.1交通大數據的產生方式與內容238
11.3.2交通運輸大數據的應用241
11.4交通運輸大數據與經濟監測241
11.4.1基於傳統交通運輸數據的經濟監測方法241
11.4.2經濟監測方式在交通運輸大數據背景下的轉變246
11.5案例分析247
11.5.1動機與背景248
11.5.2數據與模型248
11.5.3實證結果展示249
11.5.4結論251
11.6本章小結252
第12章大數據背景下房地產經濟監測的理論研究253
12.1引言253
12.2房地產經濟運行監測指標內容253
12.2.1國房景氣指數254
12.2.2按功能分類的監測指標255
12.3大數據與房地產經濟監測257
12.3.1房地產行業互聯網大數據特點257
12.3.2大數據在房地產經濟監測方面的應用現狀258
12.3.3基於大數據的房地產經濟監測的意義260
12.4案例分析260
12.4.1基於面板分位回歸的房價預測261
12.4.2基於多期雙重差分模型的房價與限購令的實證研究266
12.5本章小結275
第13章基於移動支付大數據的經濟形勢監測分析方法277
13.1引言277
13.2研究背景與現狀278
13.2.1國外移動支付發展歷程278
13.2.2國內移動支付發展歷程279
13.3移動支付與經濟形勢監測的關繫280
13.3.1移動支付對經濟社會運行的影響281
13.3.2移動支付行為對經濟金融的改善意義282
13.4當前移動大數據的特點283
13.4.1移動數據固有的大數據特征283
13.4.2移動數據的特有大數據特征284
13.4.3移動大數據搜集與計算問題286
13.5針對移動支付大數據的前沿統計理論與方法286
13.5.1描述類方法286
13.5.2預測類方法287
13.6案例分析292
13.6.1利用大數據分析特殊事件對區域經濟狀況的影響292
13.6.2通過移動支付行為監測城市區域經濟發展狀況294
13.7本章小結295
第14章函數型大數據統計建模理論方法及其應用研究296
14.1引言296
14.1.1挑戰性前沿問題296
14.1.2幾類金融時間序列296
14.1.3條件自回歸風險值（CAViaR）模型297
14.1.4ARFIMA過程298
14.2幾類函數型大數據建模298
14.2.1函數型大數據分層分位回歸建模298
14.2.2非平穩函數型時間序列分析302
14.2.3時變特征的非參數檢驗304
14.2.4高維非平穩序列的跳點估計和降維305
14.3時間序列模型307
14.3.1概念307
14.3.2ARMA過程309
14.3.3時域分析313
14.3.4時間序列統計分析315
14.3.5預測316
14.4ARCH模型和GARCH模型318
14.4.1ARCH模型318
14.4.2GARCH模型324
14.4.3GARCH模型的簡單擴展327
14.4.4GARCH模型的幾類推廣形式328
14.4.5GARCH模型擬合329
14.4.6波動率預測和風險度量估計334
14.5條件自回歸風險值的分位數回歸338
14.5.1風險價值模型338
14.5.2CAViaR339
14.5.3分位數回歸340
14.5.4分位數模型檢驗343
14.5.5實證結果344
14.5.6結論349
14.5.7附錄：假設349
14.6ARFIMA過程351
14.6.1介紹351
14.6.2獨立誤差的情況353
14.6.3條件異方差誤差的情況355
14.6.4模擬研究358
14.7本章小結359
第15章總結與展望360
參考文獻365

大數據分析理論和方法的重構與創新，正在深刻地影響著當代經濟運行形勢的監測預測領域的相關理論、方法及其應用。目前大數據在宏觀經濟監測預測領域的應用主要有兩個熱點：一是建立大數據下新型宏觀經濟指標；二是使用大數據來提高傳統宏觀經濟監測預測模型的準確度和時效性，使之“即時預測”乃至“實時預測”。本專著致力於對大數據背景下經濟形勢監測預測的11個主要指標進行研究，這些指標包括大數據下的經濟總量運行、金融風險管理、財政稅收、對外貿易、對內貿易、物價水平、居民消費、失業率、交通運輸、房地產經紀、移動支付等，並基於這些主要指標提出相應的政策建議。本專著可作為統計學、經濟學及其相關領域的大學生、研究生的教材或教學參考書，亦可供教師和科技人員參考使用。

田茂再 著