国际清算银行（BIS）：中央银行大数据与机器学习（英文版）（26页）.pdf

1、世界在变化，衡量的方式也在变化。几十年来，决策者和私营部门一直依赖官方统计机构发布的数据来评估经济状况。收集这些数据需要大量的努力，而公布往往需要几个月甚至几年的时间。然而，在过去几年里，现成的数据数量出现了爆炸性增长。新的数据收集和传播模式能够实时分析大量数据。我们现在生活在“大数据时代”。这一发展的一个主要因素是信息时代的到来，特别是智能手机和云计算的到来：个人和公司产生了数量空前的数据，这些数据存储在科技公司的服务器上，以备将来使用。例如，每天数十亿次的谷歌搜索揭示了人们想买什么或者他们想去哪里吃饭。社交媒体帖子允许市场参与者跟踪社交网络中的信息传播。公司记录其生产或销售过程的每一步，电

2、子支付交易和电子商务创造了一个数字足迹。2007-09年的大金融危机(Great financial Crisis，GFC)是创造大数据(尤其是金融数据)的另一个催化剂。GFC揭示了更多分类数据的必要性：雷曼兄弟(Lehman Brothers)等规模相对较小但相互关联的银行可能会摧毁金融体系，因为金融体系高度关联。GFC之后制定的监管和报告要求增加了向中央银行和监管机构报告的数据，加强中央银行统计的进一步工作正在进行(Buch(2019)。大数据的出现恰逢用于分析大数据的技术和软件的巨大飞跃：人工智能(AI)是一个热门话题，它使研究人员能够在大量数据中找到有意义的模式。例如，自然语言处理(N

3、LP)技术将非结构化文本转换为结构化数据，机器学习工具可以分析这些数据以发现隐藏的连接。网络分析可以帮助可视化这些高维数据中的关系。有史以来第一次，人们可以实时描绘出消费支出、商业情绪或民众动向等经济指标。这些发展刺激了各国央行对大数据的兴趣。越来越多的央行讲话提到大数据，并以越来越积极的态度表达了人们对大数据的兴趣。然而，大数据和机器学习带来了挑战，其中一些挑战更具普遍性，另一些则针对央行和监管机构。本文回顾了大数据和机器学习在中央银行社区中的应用，利用了2020年在欧文菲舍尔委员会(IFC)成员中进行的一项调查。这项调查包含了来自所有地区的52位受访者的回答，调查了各国央行如何定义和使用大数据，以及它们看到了哪些机遇和挑战