2022年公共建筑设计原理读书笔记 .pdf
学习好资料欢迎下载论文提纲一、绪论大数据时代背景钢材市场二、文献综述三、数据来源百度指数 &google trends 钢材市场指标四、实证研究方法基准模型 &新模型五、实证研究的结论六、利用模型进行预测钢铁价格销量预测并检验预测结果下游产品（汽车-轿车价格销量预测）七、结论、局限性、前景展望我准备加权百度指数和谷歌趋势搜索的数据来定义互联网搜索指标，权重根据外贸占GDP的份额赋予。确定基准模型和新模型使用互联网作为搜索工具，消费者可以找到支持购买决策的关键的有用信息。1 精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 1 页，共 5 页 - - - - - - - - - - 学习好资料欢迎下载一、绪论1.1 大数据时代背景大数据时代的显著特征是能够获得更细粒度的数据并且有能力进行数据分析。 信息技术，比如搜索引擎（Google 、 百度、Yahoo 等） 、 社交网络（Facebook 、人人网等）、 手机 GPS 功能等，使每个消费者的数字踪迹被跟踪并且记录下来，由此可以获得全面的数据，使研究的“样本=总体”，因此数据的量变带来结果的质变。记录下的每个人浏览网页的习惯也正在变革传统的商业理念，这方面最好的例子就是Google ，通过在线免费提供给消费者互联网产品，以此来获得每个消费者的行为信息， 给每个消费者提供定制的广告信息，他的盈利主要是向商家收取广告费用， 把成本从消费者转移到了供应商。不同于微软面向每个消费者提供许可证收费的盈利模式。（这一段可以写进Introduction ）大数据时代的另一特征就是， 发现经济现象之间的相关关系并且立即加以运用，转化为实际的商业价值比探究经济现象背后的因果关系更加重要。数据的量变和处理能力提高简化了我们的研究方法，传统的更好拟合样本数据的复杂的数学模型显得并不那么试用， 我们用简单的线性回归模型对钢铁市场进行预测，同样获得了比复杂模型更好的效果。（有待补充）1.2 钢铁工业钢铁工业是国民经济的基础产业、具有较高的产业关联度，与建筑、机械、汽车、家电、造船等下游行业存在密切联系，为国民经济的快速发展提供重要的原材料保障。近年来，钢铁价格波动剧烈，2013 年钢铁市场没有摆脱上年持续的弱市行情， 价格在震荡中回落。 目前，钢铁价格处于下降状态的主要原因是下游市场需求增长缓慢，粗钢产量居高难下，供需不平衡使价格下降。数据显示，2012 年底，我国规模以上工业企业粗钢生产能力已达9.7 亿吨，产能利用率仅为75%。2013 年上半年， 钢铁产业生产继续保持高位，市场供大于求状况没有明显缓解，由于成本居高不下， 企业经济效益呈逐月下降趋势，钢铁行业盈利状况处于工业行业最低水平。 钢铁行业产能过剩造成资源浪费，企业生产成本提高， 降低了企业的盈利能力， 导致竞争加剧， 制约经济增速回升。 因此研究影响我国钢铁价格的走势，使企业规避价格下降带来的风险有重要的现实意义。我们将利用钢铁市场的历史数据以及互联网上的相关关键词的搜索指数来对钢铁价格走势进行预测。 一般认为历史数据中包含了经济波动的影响因素，可以利用它来对未来的经济走势进行预测，而互联网的搜索数据能够直接地度量市场上的关注程度， 反映市场参与者的行为动机。 我们这里以成品钢材为代表来研究钢铁市场，以百度指数和google trends 指数的加权指标 SearchIndex来代表互联网搜索指数，综合利用这两组数据相信可以取得很好的预测效果。二、文献综述在过去的数十年间， 许多社会科学研究都致力于改善越来越复杂的数学模型来预测社会和经济趋势。 然而，在最近几年中， 细粒度数据的可获得性开辟了新的选择。尤其是诸如互联网搜索技术、移动电话、 电子邮件和社会传媒技术的进步提供了非常详尽的人类行为的记录。 最近研究者开始利用从这些新技术中搜集到精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 2 页，共 5 页 - - - - - - - - - - 学习好资料欢迎下载的即时数据进行研究。例如，Wu, L., Waber, B., Aral, S., Brynjolfsson, E., and Pentland, A. S. (2008).通过部署社会经济的证章来衡量一组IT 员工之间时时刻刻的互动发现了新的社交网络动力学，这只可能通过获得微观层面的准确数据才能实现。 Lazer, D., Pentland, A.等（2009）列举了多个例子来证明新技术产生的高质量的数据正在改变社会网络研究的格局。相似的，企业也使用在线收集的大批数据来预测消费者偏好、 各种各样商品的供给和需求， 以及像库存量和存货周转率这样的基本运营参数。 通过信息技术带给我们的收集和有效分析庞大数据的能力，使得像亚马逊、 凯撒娱乐和美国第一资本投资国际集团能够实现其商业策略，并且实现盈利和显著提高他们的市场份额。(McAfee and Brynjolfsson, 2012; Davenport, 2006). Lynn Wu，Erik Brynjolfsson （2013） 利用从谷歌获得的免费的大众都能获得的数据来准确预测美国房市的销量和房屋价格指数。研究表明在线行为可以用来揭示消费者意图并且预测购买结果（e.g., Kuruzovich et al., 2008）。我们相信，可以依靠成千上万的在线搜索数字踪迹来揭示消费者意图并且检验这些数据预测隐藏的社会经济趋势的能力。Arrow（1987）把这种对于个人购买和销售决策以及交易行为的研究称作纳米经济学。我们相信我们正处于数据革命的开始阶段。每天通过各种各样的搜索、社会媒体、个人博客， 更新更细粒度的数据正逐渐变得可获得。这些数据是可以即刻获得的，这使得消费者、 商业经理、 研究人员和政策制定者在经济活动发生的时候就能把握他们的动向。 然而，预测像房地长市场运动的中期或者长期趋势可能更加容易，因为它们不像迅速地传播的博客消息一旦被发现是假的立即就消亡了那样容易被短期操作。我们的方法和最近 (Ginsberg et, al., 2009) 使用谷歌流感趋势分析流感爆发的方法相似也和 Choi and Varian (2009) 研究搜索频数和美国房市趋势的相关性的方法类似。类似地， Scott and Varian (2012) 利用贝叶斯变量选择技术来预测像消费者信心和墙枪支销量这样的现在的经济趋势。鉴于 Choi and Varian (2009) and Scott and Varian (2012)主要致力于使用搜索频数来揭示当下的经济统计资料，我们的工作师徒预测未来的经济趋势，比如未来钢材销售的价格和数量。把研究设定在钢材市场， 我们发现与现存的没有使用搜索指标的模型相比，搜索指标对于预测未来是相当有用的。 而且我们使用的数学模型比现有的预测钢铁价格的模型更加简单。许亚萍、王甜（ 2013）从钢铁供求角度对影响钢铁价格波动的因素进行实证分析，发现从长远来看宏观经济波动对钢铁价格波动的影响要大于供给和需求冲击对钢铁价格的影响。祝彦成、王文波、赵攀（ 2012）发现钢铁价格存在混沌特性，应用谐波小波分解算法、混沌分析和神经网络理论提出了一种中国钢铁价格趋势预测的谐波小波神经网络模型，有效改进了预测精度。袁玲、高正（ 2013）运用联合经验模态分解和支持向量机理论构造了一种钢铁价格时间序列预测方法， 提高了预测精度， 改进了预测结果的均方误差和相关系数。刘晶（2005）通过时间序列模型研究钢铁价格的自发趋势，通过回归模型研究影响钢铁价格的外部因素， 最后通过历史数据建立的模型对钢材价格进行预测，该模型取得了良好的预测效果，但是在衡量消费者预期的时候精度还不够。从现有的相关研究来看， 国内还没有相关的学者把互联网的搜索数据应用于精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 3 页，共 5 页 - - - - - - - - - - 学习好资料欢迎下载钢铁市场的预测研究， 而且他们都采用专属的官方发布的数据，数据具有一定的滞后时期，而我们也利用他们所使用过的数据，并在此基础上加入来自互联网搜索的及时数据， 对钢铁市场的趋势走向进行预测。我们所使用的模型与他们相比也更加简单易懂。精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 4 页，共 5 页 - - - - - - - - - - 文档编码：KDHSIBDSUFVBSUDHSIDHSIBF-SDSD587FCDCVDCJUH 欢迎下载 精美文档欢迎下载 精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 5 页，共 5 页 - - - - - - - - - -
