报告行业投资评级 - 报告未明确给出具体的行业投资评级 [1] 报告的核心观点 - 非传统数据是传统数据的补充而非替代品 其核心价值在于时效性、颗粒度和对政策影响的评估能力 有助于在商业周期转折点、特殊事件期间更准确、及时地把握经济状况 从而可能带来更好的政策结果 [1][2][16][19] - 非传统数据在提升传统统计数据的质量、成本效益及初始估计准确性方面具有潜力 但也面临数据获取成本、可靠性、透明度以及需要与传统数据结合校准等挑战 [9][10][11][18] 根据相关目录分别进行总结 时效性优势 - 非传统数据发布延迟更短 在判断经济转折点时具有时效性优势 例如ADP的周度就业数据在2020年3月底就显示出大幅下降 比美国劳工统计局月度就业报告早一个多月 [2][3] - 高频数据在快速变化时期（如疫情引发的衰退）及官方数据缺失时（如政府停摆）尤为有用 例如ADP周度数据可用于判断月度就业趋势的持续性 [4] 颗粒度优势 - 非传统数据的颗粒度有助于更直接地监测政策影响 例如哈佛大学研究利用包含原产国、关税税率和售价的35万种商品在线数据构建日度价格指数 发现进口消费品价格相对于关税前趋势上涨更快 且对直接与征税进口商品竞争的国内商品价格影响更显著 但总体影响相对温和 [5][6][7] - 疫情期间 私人公司的实体流动性数据、供应链压力实时数据（如集装箱运输）等颗粒数据被用于监测行为变化和通胀压力 [8] 提升传统数据质量 - 传统调查面临参与率下降、成本上升和估计精度降低的问题 非传统数据提供了潜在解决方案 例如美国劳工统计局已在消费者价格指数的多个组成部分（如二手车、机票价格）中使用私人公司数据替代调查 [9][10] - 使用非传统数据需谨慎测试以确保其提高估计精度而非引入新噪音 且需考虑数据获取的连续性和成本挑战 [11] 改善初始估计准确性 - 在经济转折点 非传统数据有助于提高传统数据初始估计的准确性 例如 研究显示 用于雇主识别号的每周税务申报可可靠预测后续季度的企业形成 将其与“出生-死亡模型”结合可改善就业初始估计的准确性 [12] - 官方数据本身存在误差 整合多方独立估计（如芝加哥联储融合Indeed、Lightcast、谷歌搜索等数据估算月度失业率）可增进理解 但此类项目尚处早期阶段 [13] 评估政策影响 - 非传统数据有助于评估货币政策的分布效应 例如 一项利用CoreLogic房产税和契约记录的研究发现 在COVID-19期间利率下降时 黑人、西班牙裔和低收入借款人比亚洲人、白人和高收入借款人再融资的可能性更低 [14] - 另一项利用美国国税局个人收入税记录的研究发现 意外的货币政策紧缩主要通过恶化低收入者状况加剧了收入不平等 而意外宽松则降低了不平等 [14][15] 挑战与整合 - 非传统数据的有用性常依赖于传统数据 例如将First Data的银行卡交易数据转化为零售销售日度估计时 需使用美国商务部的五年经济普查数据进行重新加权 以使其具有代表性 并与人口普查局的月度零售销售数据进行比较验证 [16][17] - 非传统数据对公众的有限可得性降低了美联储政策透明度 外部人员无法验证其分析 [18] - 充分利用非传统数据需要政府统计机构、私营数据提供商、政府官员和学术界之间的紧密合作 [19]