CN112330182A - 一种经济运行状况量化分析方法及装置 - Google Patents
一种经济运行状况量化分析方法及装置 Download PDFInfo
- Publication number
- CN112330182A CN112330182A CN202011290952.3A CN202011290952A CN112330182A CN 112330182 A CN112330182 A CN 112330182A CN 202011290952 A CN202011290952 A CN 202011290952A CN 112330182 A CN112330182 A CN 112330182A
- Authority
- CN
- China
- Prior art keywords
- data set
- index
- processing
- economic
- screening
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 182
- 230000000694 effects Effects 0.000 claims abstract description 112
- 238000012216 screening Methods 0.000 claims abstract description 88
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000003245 coal Substances 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 15
- 239000013589 supplement Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000009792 diffusion process Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 239000000047 product Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 206010016766 flatulence Diseases 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种经济运行状况量化分析方法及装置,涉及数据处理技术领域,该经济运行状况量化分析方法包括:先从预设经济运行状况数据库获取备选指标数据集合;然后对备选指标集合进行筛选处理,得到终选指标数据集合;以及对终选指标数据集合进行预处理得到预处理数据集合,以修正终选指标数据集合中因春节效应和数据缺失导致的不合理数据;再采用主成分分析方法,计算预处理数据集合的第一主成分值;最后根据第一主成分值计算用于量化经济运行状况的经济活动指数,该经济活动指数能够客观地对经济运行状况进行量化分析,误差小,准确度高。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种经济运行状况量化分析方法及装置。
背景技术
目前,及时、准确的识别经济体运行状况是宏观分析和金融市场投资的难点和关键点。现有的经济运行状况量化方法,通常首先根据公开的经济数据,先通过人工筛选的方式选取高频指标对应的原始数据,然后对所述原始数据进行特征提取处理得到目标数据特征,最后对数据特征进行分析处理计算用于量化经济运行状况量的经济活动指数。然而,在实践中发现,现有的经济运行状况量化方法,人工筛选的方式主观性强,且容易受到春节假期、数据残缺等影响,导致计算得到的经济活动指数误差大,准确性低。
发明内容
本申请实施例的目的在于提供一种经济运行状况量化分析方法及装置,能够客观地对经济运行状况进行量化分析,排除了春节假期、数据残缺等因素的影响,误差小,准确度高。
本申请实施例第一方面提供了一种经济运行状况量化分析方法,包括:
从预设经济运行状况数据库获取备选指标数据集合;
对所述备选指标数据集合进行筛选处理,得到终选指标数据集合;
对所述终选指标数据集合进行预处理得到预处理数据集合,以修正所述终选指标数据集合中因春节效应和数据缺失导致的不合理数据;
采用主成分分析方法,计算所述预处理数据集合的第一主成分值;
根据所述第一主成分值计算用于量化经济运行状况的经济活动指数。
在上述实现过程中,先从预设经济运行状况数据库获取备选指标数据集合;然后对备选指标集合进行筛选处理,终选指标数据集合;以及对终选指标数据集合进行预处理得到预处理数据集合,以修正终选指标数据集合中因春节效应和数据缺失导致的不合理数据;再采用主成分分析方法,计算预处理数据集合的第一主成分值;最后根据第一主成分值计算用于量化经济运行状况的经济活动指数,该经济活动指数能够客观地对经济运行状况进行量化分析,误差小,准确度高。
进一步地,所述对所述备选指标数据集合进行筛选处理,得到终选指标数据集合,包括:
对所述备选指标数据集合进行相关性筛选和错期调整处理,得到初筛指标数据集合;
对所述初筛指标数据集合进行可得性筛选处理,得到二筛指标数据集合;
对所述二筛指标数据集合进行评分筛选处理,得到终选指标数据集合。
在上述实现过程中,对备选指标集合进行筛选处理,即进行三层筛选,有利于克服主观偏见,提高了客观性,具有相对强的普适性。
进一步地,所述对所述终选指标数据集合进行数据预处理得到预处理数据集合,包括:
对所述终选指标数据集合进行高频指标补充处理,得到第一处理数据集合;
对所述第一处理数据集合进行通胀调整处理,得到第二处理数据集合;
对所述第二处理数据集合进行春节效应调整处理,得到第三处理数据集合;
对所述第三处理数据集合进行极端值调整处理,得到第四处理数据集合;
对所述第四处理数据集合进行标准化处理,得到第五处理数据集合;
对所述第五处理数据集合进行缺失值调整处理,得到第六处理数据集合;
对所述第六处理数据集合进行数据对齐处理,得到预处理数据集合。
在上述实现过程中,对终选指标数据集合进行数据预处理,即对终选指标数据集合进行高频指标补充、通胀调整处理、春节效应调整处理、极端值调整处理、标准化处理、缺失值调整处理以及数据对齐处理,能够消除负面影响,提高数据质量和连续性,提升第一主成分值的准确性,从而有利于提升根据第一主成分值计算出的经济活动指数的准确性。
进一步地,对所述第二处理数据集合进行春节效应调整处理,得到第三处理数据集合,包括:
确定春节效应对应的目标时间段,并获取所述目标时间段对应的发电集团耗煤量数据;
根据所述耗煤量数据计算所述目标时间段对应的有效工作时长,计算所述目标时间段对应的理论工作时长;
根据所述有效工作时长和所述理论工作时长计算春节效应调整参数;
根据所述春节效应调整参数对所述第二处理数据集合进行折算调整,得到第三处理数据集合。
在上述实现过程中,先根据发电集团耗煤量数据计算有效工作时长和理论工作时长,然后根据有效工作时长和理论工作时长计算对应的春节效应调整参数,最后通过春节效应调整参数对第二处理数据集合进行折算调整,有利于消除由有效工作时长变化引起的指标数据的变化。
进一步地,在所述根据所述第一主成分值计算用于量化经济运行状况的经济活动指数之后,所述方法还包括:
对所述经济活动指数进行移动平均值计算处理,得到经济活动趋势指数,以及根据所述第一主成分值和所述预处理数据集合,计算经济活动扩散指数;
根据所述经济活动指数、所述经济活动趋势指数以及所述经济活动扩散指数,生成用于量化经济运行状况的分析报表;
输出所述分析报表。
在上述实现过程中,在计算出经济活动指数之后,还可以根据经济活动指数计算经济活动扩散指数和经济活动趋势指数,然后生成相应的经济运行状况的分析报表,输出该分析报表供用户查看。
本申请实施例第二方面提供了一种经济运行状况量化分析装置,所述经济运行状况量化分析装置包括:
获取模块,用于从预设经济运行状况数据库获取备选指标数据集合;
筛选模块,用于对所述备选指标数据集合进行筛选处理,得到终选指标数据集合;
预处理模块,用于对所述终选指标数据集合进行预处理得到预处理数据集合,以修正所述终选指标数据集合中因春节效应和数据缺失导致的不合理数据;
第一计算模块,用于采用主成分分析方法,计算所述预处理数据集合的第一主成分值;
第二计算模块,用于根据所述第一主成分值计算用于量化经济运行状况的经济活动指数。
在上述实现过程中,获取模块先从预设经济运行状况数据库获取备选指标数据集合;然后筛选模块对备选指标集合进行筛选处理,终选指标数据集合;进一步地,预处理模块对终选指标数据集合进行预处理得到预处理数据集合,以修正终选指标数据集合中因春节效应和数据缺失导致的不合理数据;第一计算模块再采用主成分分析方法,计算预处理数据集合的第一主成分值;最后第二计算模块根据第一主成分值计算用于量化经济运行状况的经济活动指数,该经济活动指数能够客观地对经济运行状况进行量化分析,误差小,准确度高。
进一步地,所述筛选模块包括:
第一筛选子模块,用于对所述备选指标数据集合进行相关性筛选和错期调整处理,得到初筛指标数据集合;
第二筛选子模块,用于对所述初筛指标数据集合进行可得性筛选处理,得到二筛指标数据集合;
第三筛选子模块,用于对所述二筛指标数据集合进行评分筛选处理,得到终选指标数据集合。
在上述实现过程中,对备选指标集合进行三层筛选处理,有利于克服主观偏见,提高了客观性,具有相对强的普适性。
进一步地,所述预处理模块包括:
第一处理子模块,用于对所述终选指标数据集合进行高频指标补充处理,得到第一处理数据集合;以及对所述第一处理数据集合进行通胀调整处理,得到第二处理数据集合;
第二处理子模块,用于对所述第二处理数据集合进行春节效应调整处理,得到第三处理数据集合;
第三处理子模块,用于对所述第三处理数据集合进行极端值调整处理,得到第四处理数据集合;以及对所述第四处理数据集合进行标准化处理,得到第五处理数据集合;以及对所述第五处理数据集合进行缺失值调整处理,得到第六处理数据集合;
第四处理子模块,用于对所述第六处理数据集合进行数据对齐处理,得到预处理数据集合。
在上述实现过程中,对终选指标数据集合进行数据预处理,即对终选指标数据集合进行高频指标补充、通胀调整处理、春节效应调整处理、极端值调整处理、标准化处理、缺失值调整处理,能够消除负面影响,提高数据质量和连续性,提升第一主成分值的准确性,从而有利于提升根据第一主成分值计算出的经济活动指数的准确性。
本申请实施例第三方面提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的经济运行状况量化分析方法。
本申请实施例第四方面提供了一种计算机可读存储介质,其存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行本申请实施例第一方面中任一项所述的经济运行状况量化分析方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例一提供的一种经济运行状况量化分析方法的流程示意图;
图2为本申请实施例二提供的一种经济运行状况量化分析方法的流程示意图;
图3为本申请实施例三提供的一种经济运行状况量化分析装置的结构示意图;
图4为本申请实施例三提供的另一种经济运行状况量化分析装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
请参看图1,图1为本申请实施例提供了一种经济运行状况量化分析方法的流程示意图。该方法的应用场景与应用时机。其中,该经济运行状况量化分析方法包括:
S101、从预设经济运行状况数据库获取备选指标数据集合。
本申请实施例中,该方法的执行主体可以为计算机、服务器等计算装置,对此本实施例中不作任何限定。
本申请实施例中,预设经济运行状况数据库,是综合性数据库,包括各个时间的经济机行业统计数据,对此本申请实施例不作限定。
本申请实施例中,备选指标数据集合包括至少一个备选指标以及每个备选指标对应的指标数据。
本申请实施例中,备选指标数据集合包括的备选指标个数不作限定,具体可以为100个、104个、110个等,对此本申请实施例不作限定。
本申请实施例中,在从预设经济运行状况数据库中获取备选指标数据集合时,是根据预设的选取规则进行数据选取的。其中,预设的选取规则包括:第一,所选取的指标数据能够通过预设的数据调用接口(例如API接口)进行调取;第二,所选取的指标数据为月度指标;第三,所选取的指标数据为宏观或行业指标,与经济活动相关。
本申请实施例中,API(Application Programming Interface)接口为应用程序接口。
S102、对备选指标数据集合进行筛选处理,得到终选指标数据集合。
本申请实施例中,对备选指标数据集合进行筛选处理时,可以采用三轮筛选的方法,对指标的相关性、可得性、代表性和显著性进行甄别,构建高质量的终选指标数据集合。
S103、对终选指标数据集合进行预处理得到预处理数据集合,以修正终选指标数据集合中因春节效应和数据缺失导致的不合理数据。
本申请实施例中,在实际中,由于经济运行数据在统计的时候,会存在部分数据1、2月合并发布的情况,或者存在因春节错位导致显著的春节效应,通过对终选指标数据集合进行预处理,以修正终选指标数据集合中因春节效应和数据缺失导致的不合理数据,能够消除负面影响,提高数据质量和连续性。
S104、采用主成分分析方法,计算预处理数据集合的第一主成分值。
本申请实施例中,主成分分析(Principal Component Analysis,PCA),是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫第一主成分。
本申请实施例中,主成分分析的基本思想:主成分分析是设法将原来众多具有一定相关性的指标重新组合,从中读取具有最大共性的信息序列。
本申请实施例中,通常数学上的处理就是将原来P个变量做线性组合,作为新的综合变量。如果将第一个线性组合即第一个综合变量记为F1,则通过F1尽可能多地反映原来变量的信息,这里的方法就是用F1的方差来表达,即VAR(F1)越大,表示F1包含的信息越多。因此,在所有的线性组合中所选取的F1应该是方差最大的,故称F1为第一主成分值。
在实际计算中,将调用预设的主成分计算函数来计算预处理数据集合的第一主成分值。
S105、根据第一主成分值计算用于量化经济运行状况的经济活动指数。
本申请实施例中,在计算出第一主成分值之后,由于第一主成分值是无量纲的值,因此,在计算经济活动指数时,先根据预设的GDP同比增速曲线,对第一主成分值进行线性对应处理,将无量纲的第一主成分值转化为能够与GDP同比增速曲线进行比较的可比序列,该可比序列即为用于量化经济运行状况的经济活动指数。
本申请实施例中,该经济活动指数可称作阳光MMI指数,用于捕捉经济活动信息,量化经济运行状况。
可见,实施图1所描述的经济运行状况量化分析方法,能够客观地对经济运行状况进行量化分析,误差小,准确度高。
实施例2
请参看图2,图2为本申请实施例提供的一种经济运行状况量化分析方法的流程示意图。如图2所示,其中,该经济运行状况量化分析方法包括:
S201、从预设经济运行状况数据库获取备选指标数据集合。
S202、对备选指标数据集合进行相关性筛选和错期调整处理,得到初筛指标数据集合。
本申请实施例中,备选指标数据集合包括至少一个备选指标以及每个备选指标对应的指标数据。
本申请实施例中,在对备选指标数据集合进行相关性筛选处理时,先根据预设的相关性计算公式,计算每个备选指标与GDP指标之间的相关系数,然后根据预设的相关系数阈值和相关系数,对备选指标数据集合进行相关性筛选处理。
本申请实施例中,预设的相关系数阈值可以为(-0.5,0.5),则可以剔除相关系数在相关系数阈值内的备选指标,得到初筛指标数据集合。其中,初筛指标数据集合中每个指标对应的相关系数均不在预设的相关系数阈值内。
本申请实施例中,在剔除相关系数在相关系数阈值内的备选指标之后,还可以根据预设领先性检验标准对剩下的进行领先性检验。
本申请实施例中,对于备选指标数据集合,存在指标对应的指标数据公布的时间滞后的情况。举例来说,设初筛指标数据集合中有四个指标数据A、B、C和D,A、B和C的三月份的数据公布时间为次月上旬(即4月上旬),而D的三月份的数据公布时间为次月下旬(即4月下旬),为保证数据获得时间尽可能早,在保证数据D领先1个月仍具有较高GDP相关性的前提下,对指标D进行错期处理,即使用D的2月份统计数据。
在实际中,对初筛指标数据集合进行错期调整处理时,主要是对沿海主要港口货物吞吐量指标进行错期调整,沿海主要港口货物吞吐量指标的统计数据公布时间滞后近一个月,且因为其领先一个月的数据与当月GDP之间的相关系数略高,因此采用其领先一个月的数据,使得二筛指标数据集合更为完整,有利于提升经济活动指数的准确度。
在步骤S202之后,还包括以下步骤:
S203、对初筛指标数据集合进行可得性筛选处理,得到二筛指标数据集合。
本申请实施例中,对初筛指标数据集合进行可得性筛选处理,即剔除初筛指标数据集合中,公布时长小于第一预设时长(如2年)以及更新频率低于第二预设时长(如20天、30天等)的指标数据。
S204、对二筛指标数据集合进行评分筛选处理,得到终选指标数据集合。
本申请实施例中,对二筛指标数据集合进行评分筛选处理,得到终选指标数据集合,还可以包括以下步骤:
获取针对二筛指标数据集合中每个指标数据的评分数据;
根据评分数据对二筛指标数据集合中的指标数据按照从大到小的顺序进行排序处理,得到排序指标集合;
从排序指标集合中从大到小选取预设数量的指标数据,得到终选指标数据集合。
在上述实施方式中,评分数据包括指标数据的公布时间长度评分、指标数据的公布时效性、指标数据的稳定性评分、指标数据的代表性评分、指标数据的显著性评分以及指标数据的相关系数评分等,对此本申请实施例不作限定。
在上述实施方式中,评分数据可以为根据预设评分规则对二筛指标数据集合进行评分计算得到,也可以由用户对二筛指标数据集合进行主观打分后,接收用户输入的评分结果得到,还可以根据预设评分规则对二筛指标数据集合进行评分计算得到初始评分结果,然后再根据用户输入的修订信息对初始评分结果进行修订处理,得到最终的评分结果,对此本申请实施例不作限定。
在上述实施方式中,预设数量可以为35个、40个等,对此本申请实施例不作限定。
本申请实施例中,实施上述步骤S202~步骤S204,能够对备选指标数据集合进行筛选处理,得到终选指标数据集合,能够对终选指标数据集合的相关性、可得性、代表性和显著性的进行多维度筛选,获取综合质量突出的指标,尽可能避免错选漏选,减少主观判断带来的偏差。
在步骤S204之后,还包括以下步骤:
S205、对终选指标数据集合进行高频指标补充处理,得到第一处理数据集合。
本申请实施例中,对终选指标数据集合进行高频指标补充处理,得到第一处理数据集合,可以包括以下步骤:
获取高频指标数据集合;
将高频指标数据集合添加至终选指标数据集合中,得到第一处理数据集合。
在上述实施方式中,高频指标数据集合可以为根据预设高频指标获取到的高频指标数据集合,也可以为用户主观筛选后,得到并输入的高频指标数据集合,对此本申请实施例不作限定。
本申请实施例中,高频指标数据集合的加入使得经济活动指数能够实现1、2月的持续更新,提高经济活动指数在年初的信息含量。
S206、对第一处理数据集合进行通胀调整处理,得到第二处理数据集合。
本申请实施例中,对第一处理数据集合进行通胀调整处理,得到第二处理数据集合,可以包括以下步骤:
计算价格系数;
根据价格系数对第一处理数据集合进行通胀调整处理,得到第二调整数据集合。
本申请实施例中,计算价格系数,还包括以下步骤:
获取CPI同比和PPI同比;
计算CPI同比和PPI同比的平均值,该CPI同比和PPI同比的平均值即为价格系数。
在上述实施方式中,同比一般情况下是今年第n月与去年第n月的数据比,用以说明本期发展水平与去年同期发展水平对比。
本申请实施例中,根据价格系数对第一处理数据集合进行通胀调整处理时,由于第一指标数据分为实际同比数据和名义同比数据,因此,对于名义同比数据,要通过价格系数,将其调整为实际同比数据。在进行调整时,设名义同比数据为A,价格系数为B,则调整得到的实际同比数据=A-B。对于本身就是实际同比数据的就不作调整。
本申请实施例中,CPI(Consumer Price Index,消费者物价指数),又称为居民消费价格指数,是一个反映居民家庭一般所购买的消费品和服务项目价格水平变动情况的宏观经济指标。它是在特定时段内度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数,是用来反映居民家庭购买消费商品及服务的价格水平的变动情况,是一个月内商品和服务零售价变动系数。
本申请实施例中,PPI(Producer Price Index,生产价格指数)是衡量工业企业产品出厂价格变动趋势和变动程度的指数,是反映某一时期生产领域价格变动情况的重要经济指标,也是制定有关经济政策和国民经济核算的重要依据。
在步骤S206之后,还包括以下步骤:
S207、对第二处理数据集合进行春节效应调整处理,得到第三处理数据集合。
本申请实施例中,对春节假期前后的时间段,由于春节放假导致实际工作时间变短,进而导致经济运行状况指数偏低,因此需要对第二处理数据集合进行春节效应调整处理,以消除负面影响,提高数据质量和连续性。
作为一种可选的实施方式,对第二处理数据集合进行春节效应调整处理,得到第三处理数据集合,可以包括以下步骤:
确定春节效应对应的目标时间段,并获取目标时间段对应的发电集团耗煤量数据。
根据耗煤量数据计算目标时间段对应的有效工作时长,计算目标时间段对应的理论工作时长。
根据有效工作时长和理论工作时长计算春节效应调整参数。
根据春节效应调整参数对第二处理数据集合进行折算调整,得到第三处理数据集合。
在上述实施方式中,春节效应对应的目标时间段包括春节前一周、春节假日当周、春节假日后第1周和春节假日后第2周。
在上述实施方式中,在实际应用中,发电集团耗煤量数据包括主要发电集团耗煤量数据,在实际应用中,先从主要发电集团中确定仍持续更新数据的目标发电集团,然后将该目标发电集团公布的耗煤量数据作为发电集团耗煤量数据,其中,确定出的目标发电集团的数量可以为一个或者多个,对此本申请实施例不作限定。
在上述实施方式中,目标时间段包括四周时间,正常情况下,四周时间包括理论数量的工作日,但是,实际情况下,由于春节假期影响,四周时间包括理论数量的工作日,而有效工作日的实际数量不一定为理论数量,因此需要根据目标时间段对应的发电集团耗煤量数据来确定实际上的有效工作日的实际数量。
在实际使用中,理论数量的工作日为实际中当月的总天数,举例来说,当月日历有31天时,该理论数量的工作日为31天。
在上述实施方式中,有效工作日期间耗煤量比不是工作日的时候耗煤量少,因此,先确定目标时间段对应的发电集团耗煤量数据,来计算耗煤量的变化百分比,然后再根据变化百分比和理论数量进行折算,计算有效工作日的实际数量,有效工作日的实际数量即为目标时间段对应的有效工作时长,理论数量即为理论工作时长。
在上述实施方式中,春节效应调整参数为有效工作时长除以理论工作时长。
在实际应用中,举例来说,假设春节效应影响1月和2月的指标数据,对于同一指标,将上一年12月指标数据和当年的1月份指标数据,通过春节效应调整参数进行数据差异拟合处理,同时,将当年的2月份指标数据和当年的3月份指标数据,通过春节效应调整参数进行数据差异拟合处理,进而消除由有效工作时长变化引起的1月和2月的指标数据的变化。
在上述实施方式中,通过春节效应调整参数进行数据差异拟合处理,主要是通过春节调整参数将1月和2月的指标数据折算回去,消除由有效工作时长变化引起的1月和2月的指标数据的变化。
在步骤S207之后,还包括以下步骤:
S208、对第三处理数据集合进行极端值调整处理,得到第四处理数据集合。
本申请实施例中,在实际使用中,由于第三数据集合中存在大偏差的数据,进而会影响经济运行状况量化结果,因此通过极端值调整处理,对这些大偏差的数据进行调整处理,进而有利于提升经济运行状况量化精度。
作为一种可选的实施方式,对第三处理数据集合进行极端值调整处理,得到第四处理数据集合,可以包括以下步骤:
根据预设数据获取规则从第三处理数据集合中获取第一目标数据和第二目标数据;
计算第一目标数据和第二目标数据的差值,作为目标值;
根据目标值计算极端调整值;
根据极端调整值对第三处理数据集合进行极端值调整处理,得到第四处理数据集合。
在上述实施方式中,在实际使用中,预设数据获取规则包括取75分位的数据为第一目标数据,取25分位的数据为第二目标数据。具体的,先将第一数据处理集合按照预设排序规则进行排序处理,得到排序数据集合;然后按照从前至后的顺序,取排序数据集合第75%处的数据为第一目标数据,取排序数据集合第25%处的数据为第二目标数据。
在上述实施方式中,在计算极端调整值时,可以根据目标值,按照预设计算公式来计算极端调整值。
在上述实施方式中,该预设计算公式可以为:
Y=A*X+B;
其中,Y为极端调整值,X为目标值,A和B为预设系数。
在实际使用中,预设系数可以设置为A=6,B=0,此时预设计算公式为,Y=6X,则极端调整值Y=6*目标值X。
在上述实施方式中,在根据极端调整值对第三处理数据集合进行极端值调整处理时,针对第三处理数据集合中的每个数据,其处理流程相同,设其中一数据为P,计算得到的极端调整值为Y,则针对P的极端值调整处理步骤如下:
判断P的值是否在[Y,Y]范围内;
如果是,则不对P进行调整;
如果否,则判断P的值是否大于Y;
如果大于,则将P的值调整为Y;
如果不大于,则将P的值调整为-Y。
在步骤S208之后,还包括以下步骤:
S209、对第四处理数据集合进行标准化处理,得到第五处理数据集合。
本申请实施例中,对第四处理数据集合进行标准化处理,得到第五处理数据集合,即对第四处理数据集合进行z-score分数计算,得到第五处理数据集合;其中,第四处理数据集合包括多个指标以及每个指标对应的z-score分数。
本申请实施例中,在计算某一指标的z-score分数时,可以包括以下步骤:
对该指标对应的实际同比数据进行月平均值计算处理,得到月平均值;
将实际同比数据中每月的同比值与月平均值进行减法计算,得到月平均差值;
根据月平均值计算实际同比数据的标准差;
对月平均差值和标准差进行除法计算,得到该指标对应的z-score分数。
本申请实施例中,第二处理数据集合包括至少一个指标、与每个指标对应的指标数据以及与每个指标对应的z-score分数等,对此本申请实施例不作限定。
在步骤S209之后,还包括以下步骤:
S210、对第五处理数据集合进行缺失值调整处理,得到第六处理数据集合。
本申请实施例中,对第五处理数据集合进行缺失值补充处理时,从第五处理数据集合中确定需要进行缺失值补充的指标,然后再对需要进行缺失值补充的指标进行缺失值补充处理。
本申请实施例中,需要进行缺失值补充的指标的确定标准为:对于前期当月同比数据更新不稳定的指标(如工业企业出口交货值等),或者1、2月均不公布当月同比数据的指标(如发电量等)。
本申请实施例中,对需要进行缺失值补充的指标进行缺失值补充处理,可以采用该指标对应的累计同比数据进行补充;对于目标年份前未公布的季调后进出口金额,用未季调数据进行补充。
本申请实施例中,如果无法用上述累计同比数据进行补充或者用未季调数据进行补充时,则采用缺失值调整序列进行补充,将缺失值调整序列与上月的差额加给非完整序列(需要进行缺失值补充的指标)的上月z-score来补齐缺失值。
本申请实施例中,先计算PMI(Purchasing Managers'Index,采购经理指数)的z-score及其分项指标的z-score,然后计算PMI及其分项指标的z-score平均值,进而得到用于缺失值调整的缺失值调整序列。
本申请实施例中,PMI是一套月度发布的、综合性的经济监测指标体系,分为制造业PMI、服务业PMI、建筑业PMI等。PMI是一个综合指数,由5个扩散指数加权而成,即产品订货(简称订单)、生产量(简称生产)、生产经营人员(简称雇员)、供应商配送时间(简称配送)、主要原材料库存(简称存货)。其权重比例为:PMI=订单×30%+生产×25%+雇员×20%+配送×15%+存货×10%。本申请实施例中所使用的PMI主要是制造业PMI。
在步骤S210之后,还包括以下步骤:
S211、对第六处理数据集合进行数据对齐处理,得到预处理数据集合。
本申请实施例中,由于各指标历史数据长度不同,进行数据对齐处理,能够增加数据历史序列长度,同时尽可能小的减少序列出现断点和不可比的缺点。
举例来说,根据指标对应指标数据最早公布日期的分布情况,设2005年、2011年、2017年作为分段节点。首先对从2005年1月起始时就存在的指标数据进行主成分分析处理,构建出全样本期的第一主成分序列,然后采用该第一主成分序列来补足其他指标对应的指标数据历史时长的缺失部分。
本申请实施例中,实施上述步骤S205~步骤S209,能够对终选指标数据集合进行预处理得到预处理数据集合,以修正终选指标数据集合中因春节效应和数据缺失导致的不合理数据。
S212、采用主成分分析方法,计算预处理数据集合的第一主成分值。
S213、根据第一主成分值计算用于量化经济运行状况的经济活动指数。
本申请实施例中,该经济活动指数可称作阳光MMI(Macro MonitoringIndicator)指数,用于捕捉经济活动信息,量化经济运行状况。
作为一种可选的实施方式,在步骤S211之后,还可以包括以下步骤:
S214、对经济活动指数进行移动平均值计算处理,得到经济活动趋势指数,以及根据第一主成分值和预处理数据集合,计算经济活动扩散指数。
本申请实施例中,经济活动趋势指数,即经济活动指数的三月移动平均数,也命名为阳光MMI趋势指数,能够反映经济运行状况的趋势性变化。
本申请实施例中,经济活动扩散指数,也称为阳光MMI扩散指数,能够消除个别指标变化幅度的影响,全面反映经济运行的整体状况。
本申请实施例中,第一主成分值包括第一主成分序列以及与第一主成分序列对应的因子载荷。
本申请实施例中,预处理数据集合包括至少一个指标、与每个指标对应的指标数据以及与每个指标对应的z-score分数等,对此本申请实施例不作限定。
本申请实施例中,根据第一主成分值和预处理数据集合,计算经济活动扩散指数,可以包括以下步骤:
采用预设的归一化规则对预处理数据集合中每个指标对应的z-score分数进行归一化处理,得到每个指标对应的归一化z-score分数;
根据第一主成分序列对应的因子载荷,对每个指标对应的归一化z-score分数进行加权平均值处理,得到经济活动扩散指数。
在上述实施方式中,预设的归一化规则包括z-score分数大于0时,则该z-score分数对应的归一化z-score分数为1,z-score分数小于或者等于0时,则该z-score分数对应的归一化z-score分数为-1。
在步骤S214之后,还包括以下步骤:
S215、根据经济活动指数、经济活动趋势指数以及经济活动扩散指数,生成用于量化经济运行状况的分析报表,并输出分析报表。
可见,实施图2所描述的经济运行状况量化分析方法,能够客观地对经济运行状况进行量化分析,误差小,准确度高。
实施例3
请参看图3,图3为本申请实施例提供的一种经济运行状况量化分析装置的结构示意图。如图3所示,该经济运行状况量化分析装置包括:
获取模块310,用于从预设经济运行状况数据库获取备选指标数据集合。
筛选模块320,用于对备选指标数据集合进行筛选处理,得到终选指标数据集合。
预处理模块330,用于对终选指标数据集合进行预处理得到预处理数据集合,以修正终选指标数据集合中因春节效应和数据缺失导致的不合理数据。
第一计算模块340,用于采用主成分分析方法,计算预处理数据集合的第一主成分值。
第二计算模块350,用于根据第一主成分值计算用于量化经济运行状况的经济活动指数。
请一并参阅图4,图4是本申请实施例提供的另一种经济运行状况量化分析装置的结构示意图。其中,图4所示的经济运行状况量化分析装置是由图3所示的经济运行状况量化分析装置进行优化得到的。如图4所示,筛选模块320包括:
第一筛选子模块321,用于对备选指标数据集合进行相关性筛选和错期调整处理,得到初筛指标数据集合。
第二筛选子模块322,用于对初筛指标数据集合进行可得性筛选处理,得到二筛指标数据集合。
第三筛选子模块323,用于对二筛指标数据集合进行评分筛选处理,得到终选指标数据集合。
作为一种可选的实施方式,预处理模块330包括:
第一处理子模块331,用于对终选指标数据集合进行高频指标补充处理,得到第一处理数据集合;以及对第一处理数据集合进行通胀调整处理,得到第二处理数据集合。
第二处理子模块332,用于对第二处理数据集合进行春节效应调整处理,得到第三处理数据集合。
第三处理子模块333,用于对第三处理数据集合进行极端值调整处理,得到第四处理数据集合;以及对第四处理数据集合进行标准化处理,得到第五处理数据集合;以及对第五处理数据集合进行缺失值调整处理,得到第六处理数据集合。
第四处理子模块334,用于对第六处理数据集合进行数据对齐处理,得到预处理数据集合。
作为进一步可选的实施方式,第二处理子模块332包括:
第一单元,用于确定春节效应对应的目标时间段,并获取目标时间段对应的发电集团耗煤量数据。
第二单元,用于根据耗煤量数据计算目标时间段对应的有效工作时长,计算目标时间段对应的理论工作时长。
第三单元,用于根据有效工作时长和理论工作时长计算春节效应调整参数。
第四单元,用于根据春节效应调整参数对第三处理数据集合进行折算调整,得到第四处理数据集合。
作为一种可选的实施方式,该经济运行状况量化分析装置还包括:
第三计算模块360,用于在根据第一主成分值计算用于量化经济运行状况的经济活动指数之后,对经济活动指数进行移动平均值计算处理,得到经济活动趋势指数,以及根据第一主成分值和预处理数据集合,计算经济活动扩散指数。
生成模块370,用于根据经济活动指数、经济活动趋势指数以及经济活动扩散指数,生成用于量化经济运行状况的分析报表。
输出模块380,用于输出分析报表。
本实施例中,对于经济运行状况量化分析装置的解释说明可以参照实施例1或实施例2中的描述,对此本实施例中不再多加赘述。
可见,实施图3所描述的经济运行状况量化分析装置,能够客观地对经济运行状况进行量化分析,误差小,准确度高。
本申请实施例提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例1或实施例2中任一项经济运行状况量化分析方法。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行本申请实施例1或实施例2中任一项经济运行状况量化分析方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种经济运行状况量化分析方法,其特征在于,包括:
从预设经济运行状况数据库获取备选指标数据集合;
对所述备选指标数据集合进行筛选处理,得到终选指标数据集合;
对所述终选指标数据集合进行预处理得到预处理数据集合,以修正所述终选指标数据集合中因春节效应和数据缺失导致的不合理数据;
采用主成分分析方法,计算所述预处理数据集合的第一主成分值;
根据所述第一主成分值计算用于量化经济运行状况的经济活动指数。
2.根据权利要求1所述的经济运行状况量化分析方法,其特征在于,所述对所述备选指标数据集合进行筛选处理,得到终选指标数据集合,包括:
对所述备选指标数据集合进行相关性筛选和错期调整处理,得到初筛指标数据集合;
对所述初筛指标数据集合进行可得性筛选处理,得到二筛指标数据集合;
对所述二筛指标数据集合进行评分筛选处理,得到终选指标数据集合。
3.根据权利要求1所述的经济运行状况量化分析方法,其特征在于,所述对所述终选指标数据集合进行数据预处理得到预处理数据集合,包括:
对所述终选指标数据集合进行高频指标补充处理,得到第一处理数据集合;
对所述第一处理数据集合进行通胀调整处理,得到第二处理数据集合;
对所述第二处理数据集合进行春节效应调整处理,得到第三处理数据集合;
对所述第三处理数据集合进行极端值调整处理,得到第四处理数据集合;
对所述第四处理数据集合进行标准化处理,得到第五处理数据集合;
对所述第五处理数据集合进行缺失值调整处理,得到第六处理数据集合;
对所述第六处理数据集合进行数据对齐处理,得到预处理数据集合。
4.根据权利要求3所述的经济运行状况量化分析方法,其特征在于,对所述第二处理数据集合进行春节效应调整处理,得到第三处理数据集合,包括:
确定春节效应对应的目标时间段,并获取所述目标时间段对应的发电集团耗煤量数据;
根据所述耗煤量数据计算所述目标时间段对应的有效工作时长,计算所述目标时间段对应的理论工作时长;
根据所述有效工作时长和所述理论工作时长计算春节效应调整参数;
根据所述春节效应调整参数对所述第二处理数据集合进行折算调整,得到第三处理数据集合。
5.根据权利要求1所述的经济运行状况量化分析方法,其特征在于,在所述根据所述第一主成分值计算用于量化经济运行状况的经济活动指数之后,所述方法还包括:
对所述经济活动指数进行移动平均值计算处理,得到经济活动趋势指数,以及根据所述第一主成分值和所述预处理数据集合,计算经济活动扩散指数;
根据所述经济活动指数、所述经济活动趋势指数以及所述经济活动扩散指数,生成用于量化经济运行状况的分析报表;
输出所述分析报表。
6.一种经济运行状况量化分析装置,其特征在于,所述经济运行状况量化分析装置包括:
获取模块,用于从预设经济运行状况数据库获取备选指标数据集合;
筛选模块,用于对所述备选指标数据集合进行筛选处理,得到终选指标数据集合;
预处理模块,用于对所述终选指标数据集合进行预处理得到预处理数据集合,以修正所述终选指标数据集合中因春节效应和数据缺失导致的不合理数据;
第一计算模块,用于采用主成分分析方法,计算所述预处理数据集合的第一主成分值;
第二计算模块,用于根据所述第一主成分值计算用于量化经济运行状况的经济活动指数。
7.根据权利要求6所述的经济运行状况量化分析装置,其特征在于,所述筛选模块包括:
第一筛选子模块,用于对所述备选指标数据集合进行相关性筛选和错期调整处理,得到初筛指标数据集合;
第二筛选子模块,用于对所述初筛指标数据集合进行可得性筛选处理,得到二筛指标数据集合;
第三筛选子模块,用于对所述二筛指标数据集合进行评分筛选处理,得到终选指标数据集合。
8.根据权利要求6所述的经济运行状况量化分析装置,其特征在于,所述预处理模块包括:
第一处理子模块,用于对所述终选指标数据集合进行高频指标补充处理,得到第一处理数据集合;以及对所述第一处理数据集合进行通胀调整处理,得到第二处理数据集合;
第二处理子模块,用于对所述第二处理数据集合进行春节效应调整处理,得到第三处理数据集合;
第三处理子模块,用于对所述第三处理数据集合进行极端值调整处理,得到第四处理数据集合;以及对所述第四处理数据集合进行标准化处理,得到第五处理数据集合;以及对所述第五处理数据集合进行缺失值调整处理,得到第六处理数据集合;
第四处理子模块,用于对所述第六处理数据集合进行数据对齐处理,得到预处理数据集合。
9.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的经济运行状况量化分析方法。
10.一种可读存储介质,其特征在于,所述可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1至5任一项所述的经济运行状况量化分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290952.3A CN112330182A (zh) | 2020-11-18 | 2020-11-18 | 一种经济运行状况量化分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290952.3A CN112330182A (zh) | 2020-11-18 | 2020-11-18 | 一种经济运行状况量化分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330182A true CN112330182A (zh) | 2021-02-05 |
Family
ID=74321186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011290952.3A Pending CN112330182A (zh) | 2020-11-18 | 2020-11-18 | 一种经济运行状况量化分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330182A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115409436A (zh) * | 2022-11-03 | 2022-11-29 | 博和利统计大数据(天津)集团有限公司 | 经济运行目标设定方法、装置、设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170004521A1 (en) * | 2011-07-25 | 2017-01-05 | Prevedere, Inc | Systems and methods for generating industry outlook scores |
CN108491955A (zh) * | 2018-02-07 | 2018-09-04 | 北京理工大学 | 一种集成指标筛选与气温校正的月度工业用电量预测方法 |
CN109242578A (zh) * | 2018-10-31 | 2019-01-18 | 平安直通咨询有限公司 | 房屋价值预测方法、装置、计算机设备和存储介质 |
CN111861262A (zh) * | 2020-07-30 | 2020-10-30 | 国网山东省电力公司寿光市供电公司 | 一种基于能源大数据的企业透视画像方法及终端 |
-
2020
- 2020-11-18 CN CN202011290952.3A patent/CN112330182A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170004521A1 (en) * | 2011-07-25 | 2017-01-05 | Prevedere, Inc | Systems and methods for generating industry outlook scores |
CN108491955A (zh) * | 2018-02-07 | 2018-09-04 | 北京理工大学 | 一种集成指标筛选与气温校正的月度工业用电量预测方法 |
CN109242578A (zh) * | 2018-10-31 | 2019-01-18 | 平安直通咨询有限公司 | 房屋价值预测方法、装置、计算机设备和存储介质 |
CN111861262A (zh) * | 2020-07-30 | 2020-10-30 | 国网山东省电力公司寿光市供电公司 | 一种基于能源大数据的企业透视画像方法及终端 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115409436A (zh) * | 2022-11-03 | 2022-11-29 | 博和利统计大数据(天津)集团有限公司 | 经济运行目标设定方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8370191B2 (en) | Method and system for generating quantitative indicators | |
Bens et al. | Discretionary disclosure in financial reporting: An examination comparing internal firm data to externally reported segment data | |
US9747560B2 (en) | Method and system for combination of independent demand data streams | |
CA3155689A1 (en) | Early-warning method for commodity inventory risk based on a statistical interquartile range, and system and computer-readable storage medium thereof | |
CN111143334A (zh) | 一种数据质量闭环控制方法 | |
Kholmuminov et al. | Improving the analysis of business processes in digital era | |
US20110313812A1 (en) | Accounting for data dependencies in process models, analysis, and management | |
CN110633891A (zh) | 服务商履约绩效评价系统及方法 | |
US11995667B2 (en) | Systems and methods for business analytics model scoring and selection | |
WO2024001045A1 (zh) | 碳配额盈缺预测方法、装置电子设备及存储介质 | |
CN116091118A (zh) | 电价预测方法、装置、设备、介质及产品 | |
CN112381433A (zh) | 一种实用的面向现货市场结算的电量数据处理方法 | |
CN112330182A (zh) | 一种经济运行状况量化分析方法及装置 | |
Cao et al. | Simulation-informed revenue extrapolation with confidence estimate for scaleup companies using scarce time-series data | |
CN113962504A (zh) | 一种配电网规划方案成本效益比计算方法 | |
CN116596674A (zh) | 基于大数据分析的对外贸易风险评估方法 | |
CN111460260A (zh) | 多类型数据的数据处理系统、方法及介质 | |
CN115689713A (zh) | 异常风险数据处理方法、装置、计算机设备和存储介质 | |
CN115204501A (zh) | 企业评估方法、装置、计算机设备和存储介质 | |
Saputra et al. | The Influence of Company Growth, Company Size, Audit Quality, Previous Year's Audit Opinion, and Leverage on Acceptance of Going Concern Audit Opinions in Banking Companies Registered on the IDX | |
Davarzani et al. | Study of missing meter data impact on domestic load profiles clustering and characterization | |
Ahmed et al. | Forecasting GDP of Bangladesh using time series analysis | |
Wojtasiak-Terech et al. | Assessing financial condition of municipalities using taxonomic methods | |
CN113723775B (zh) | 一种基于电力大数据的企业及行业运营风险的评估方法 | |
US12008006B1 (en) | Assessments based on data that changes retroactively |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |