一、系统目的
当今世界正经历百年未有之大变局，国际环境日趋复杂，不稳定性不确定性明显增加，新冠肺炎疫情影响广泛深远，同时气候变化给社会经济发展带来了严峻挑战。竭力熨平经济波动，保持经济平稳增长，已成为一国宏观调控追求的核心任务。另一方面，大数据时代纷繁复杂的数据实时可得，内含了经济运行的各种重要信息，为经济学研究者提高宏观经济分析与预测的时效性和精准性提供了前所未有的机遇和挑战。
在此背景下，本研究团队致力于将大数据技术与宏观经济监测预测相结合，专门研制宏观经济实时监测预测系统，对国家与地区重要经济指标进行实时监测和即时预测，以期为洞察世界百年变局下的中国经济和世界经济提供新的视角，为国家各级政府研判宏观经济形势、设计经济政策提供重要的技术支撑和及时的决策参考。
二、模型原理
区别于传统的宏观经济景气监测，本系统基于自主研创的高维时变混频动态因子模型，该模型具有参数结构简约、估计速度高效的优势，并且允许模型系统维度非常高维。该模型解决了经济系统可能受经济政策、经济周期和重要突发事件等影响而呈现的参数时变性和方差时变性问题，解决了日周月季等不同频率经济指标和实时大数据指标的信息融合问题。同时，研究团队提出了一套基于卡尔曼滤波技术的联合拟极大似然估计方法，在估计上解决了动态双线性结构的卡尔曼滤波问题。
本系统实现了针对宏观经济状况和（GDP增长率和CPI通胀率）重要经济指标的高频实时（日度）监测，是一种全新的宏观经济监测理念。以GDP实时跟踪为例，本监测系统的基本思想是将季度GDP环比增长率分解为日度GDP环比增长率的流量加总，并将日度GDP环比增长率作为不可观测的共同因子，而其他所有不同频率的经济指标或大数据指标都以时变参数回归形式提供对日度GDP环比增长率的更新估计。基于该模型提取得到日度GDP环比增长率后，通过各种频率上的加总，便可以计算得到各种常见频率上的环比增长率（如季度GDP环比增长率）和年度GDP增长率，从而可以达成宏观经济高频实时监测的重要任务。
三、系统模块
本系统运行包括以下五个模块（如图所示）：
一是原始指标序列选取。在确定目标跟踪指标后，需要进一步根据相关经济学理论和研究对其它高频和低频经济指标和大数据指标进行选择，以帮助提高实时监测的准确度，同时降低模型估计的复杂度。
二是数据处理。需要对低频宏观经济指标进行合理、准确的数据处理，包括（累计）同比转为环比值（自主研创）、季节调整、对数差分等常规性数据转换，同时还要对相关的一些缺失值和异常值进行针对性处理。
三是实时跟踪模型估计。利用处理好的混频数据集，运行日度跟踪模型。为保持跟踪结果的可比性，在系统运行的一定时期内保持模型未知参数不变，并考虑定期估计和更新模型参数。由于考虑参数时变性和方差时变性，日度跟踪模型受一些突发事件的影响较小。
四是获取日度增长率序列。给定日度跟踪模型的参数，基于卡尔曼滤波技术便可提取得到跟踪变量的日度增长率估计值，同时可计算得到宏观经济指标定基指数，如日度GDP指数、日度CPI指数等。
五是各种频率监测结果的计算。给定日度增长率估计序列，即可根据经济流量指标或存量指标的低高频加总关系计算各种频率的环比增长率序列和同比增长率序列。
四、研究团队
目前，本研究团队包括以下核心成员：
- 洪永淼，厦门大学邹至庄经济研究院院长、宏观经济研究中心主任，中国科学院大学经济与管理学院特聘教授、院长，中国科学院数学与系统科学研究院特聘研究员，中国科学院预测科学研究中心特聘研究员。
- 郑挺国，厦门大学邹至庄经济研究院、经济学院统计学与数据科学系和王亚南经济研究院教授、博士生导师。
- 刘必清，厦门大学王亚南经济研究院高级工程师。
- 迟语寒，厦门大学经济学院工程师。
- 叶仕奇，厦门大学邹至庄经济研究院博士生。
- 范馨月，厦门大学王亚南经济研究院博士生。
五、项目资助
本项目研制过程中，相继得到了以下基金的大力支持和资助：
- 国家自然科学基金基础科学中心项目“计量建模与经济政策研究”(71988101)；
- 国家社科基金重大项目“大数据方法在宏观经济预测中的应用研究”(23&ZD074)；
- 国家自然科学基金面上项目“基于高维VAR的大型经济系统建模及应用研究”(72373125)；
- 国家自然科学基金面上项目“中国经济实时监测和预测的方法及应用研究”(71973110)；
- 教育部人文社会科学重点研究基地重大项目“中国宏观计量经济模型研究与应用”(22JJD790050)；
- 厦门大学人文社会科学重大项目培育计划项目“宏观经济高频监测指数构建及应用研究”(20720191072)；
- 全国统计科学研究项目重点项目“基于多源数据的宏观经济监测分析研究”(2022LZ37)。
六、数据来源
本监测系统使用的源数据来自Stooq金融数据、FRED经济数据、东方财富Choice宏观数据和万得Wind宏观数据等。