روش های تجزیه و تحلیل کلان داده ها در اقتصاد و امور مالی

نظارت بر وضعیت فعلی و آینده اقتصاد برای دولت ها، سازمان های بین المللی و بانک های مرکزی در سراسر جهان از اهمیت اساسی برخوردار است. سیاستگذاران برای طراحی سیاست های موثری که می توانند رشد اقتصادی و حفظ و ارتقای سطح رفاه اجتماعی را تقویت کنند، به اطلاعات کلان اقتصادی در دسترس نیاز دارند. با این حال، شاخص های کلیدی اقتصادی، که در طول فرآیند تصمیم گیری بر آن ها تکیه می کنند، با فرکانس پایین تولید می شوند و با تاخیر قابل توجهی منتشر می شوند، که در نتیجه آن، با چنین مجموعه ناقصی از اطلاعات، اقتصاددانان تنها می توانند به طور تقریبی شرایط اقتصادی واقعی، آینده و حتی اخیر را بسنجند، و این امر، پیش بینی اقتصادی را به وظیفه ای بسیار چالش برانگیز تبدیل می کند. پیشرفت های شگرفی که در دهه گذشته در محاسبات و فناوری اطلاعات رخ داده است، حجم وسیعی از داده ها را در حوزه های مختلف در دسترس قرار داده که از آن به عنوان داده های بزرگ یاد می شود. به ویژه در اقتصاد و امور مالی، بهره برداری از این داده ها، تحقیقات و کسب وکار را به هم نزدیک تر می کند، زیرا داده های تولید شده در فعالیت های اقتصادی معمولی، می توانند برای مدل های موثر و شخصی سازی شده استفاده شوند. این مقاله دو روش مهم و پرکاربرد برای تجزیه و تحلیل و استفاده از کلان داده ها در اقتصاد و امور مالی را به صورت اجمالی بررسی کرده است. نتایج نشان می دهد که استفاده از روش هایی مانند الگوریتم های یادگیری ماشین و فن آوری های وب معنایی، علاوه بر اینکه می توانند داده های جدید را استخراج کنند، قادرند به اقتصاددانان در مدل سازی سیستم های پویا پیچیده و به هم پیوسته کمک کنند.

کلیدواژه ها:

کلان داده ها ، یادگیری ماشین ، داده های اقتصادی و مالی