早在十年前，蒂埃里·卡利萨（Thierry Kalisa）就已开始使用新的数据来开展“即时预测”；但直到新冠疫情时，这种方法的潜力才引发了人们的关注。

当新冠疫情席卷卢旺达首都基加利时，身为财政部官员的卡利萨加入了由财政部和央行组成的一个联合工作组，以监测这个撒哈拉以南非洲首个实施防疫封控措施并处于停摆中的经济体。官方经济指标甚至在发布之前就已经过时了。

为此，该团队推出了一个每周经济活动指数——该指数基于央行指标构建，纳入了出口、进口以及由税务部门电子计费器实时捕获的消费者支出等因素。当时，经济前景迅速恶化，经济萎缩近在咫尺。

“这项举措帮助政府修正了增长预测，调整了宏观框架，并及时采取了政策行动，”Kalisa表示。他于2021年成为了卢旺达央行的首席经济学家。

如今，卢旺达央行在每季度的货币政策委员会会议前，都会在工作人员汇报中包括“即时预测”的内容。卡利萨领导的团队——包括经济学家、统计学家和数据科学家——正在扩张，以支撑这一工作。“这对分析能力要求很高，但也为我们提供了高频指标，”他说。

数据缺口

卢旺达只是采用新型经济测量方法的发展中经济体之一。许多这些国家都力图缩小自己与发达经济体和主要新兴市场在官方指标上的差距——众多发展中经济体的官方指标发布频率偏低或滞后严重。发达经济体和主要新兴市场具备充足的人力、经费和其他必要资源。而发展中经济体的大量人口则被排除在外。

相关举措包括实时跟踪经济增长、通胀、贸易和消费。多个低收入国家正在IMF的能力建设与技术援助支持下加强数据工作（见附文）。

数据缺口对低收入国家的影响尤为突出。发达经济体和大多数新兴市场按季度发布GDP数据。但全球约三分之一的国家只发布年度GDP数据，这让政策制定者们在很长时间里无法掌握经济状况。

即使在按季度发布GDP的国家，数据通常也要在季度结束后一个月甚至更晚才能公布。在危机时期，这种等待会严重妨碍政策制定，政策制定者们被迫在不了解经济走向的情况下开展调控。

新冠疫情带来了前所未有的冲击，使上述现实变得触目惊心，凸显出需要更加及时、高频的指标来补充官方数据。一些经济活动完全陷于停滞，而另一些则迅速激增；与此同时，指标数据的采集工作受到了严重干扰，导致了指标失真。国际清算银行统计部主任、“欧文·费雪”央行统计委员会秘书长布鲁诺·蒂索（Bruno Tissot）将这种状况称为“统计黑暗期”。

该委员会在2023年的一份关于疫情后央行统计工作的报告中指出：“全球各国央行已经认识到提供及时指标的重要性，如通过动用替代性的高频数据源、构建每周甚至每日指标、强化即时预测工作等来实现。”

预测工具

“即时预测”最初诞生于20世纪80年代，是一种用来描述提前数小时预测天气状况的气象学术语。但在经济学中，它被赋予了不同的含义。

即时预测先驱多梅尼科·贾诺内（Domenico Giannone）表示：“在天气方面，你看看窗外就知道有没有下雨；但在经济学里，你必须等待。”

2008年，贾诺内和卢克蕾齐娅·赖克林（Lucrezia Reichlin）、大卫·斯莫尔（David Small）合著了一篇关于即时预测的论文，该文被认为将这一概念引入了经济学。

2002年，当时在布鲁塞尔自由大学任职的贾诺内与赖克林应时任美联储理事本·伯南克（Ben Bernanke）请求，开始开发一个用于短期预测的模型。伯南克希望他们探索是否能构建一个覆盖经济主要部门相互作用的全面大型数据模型，用于开展预测与政策分析。贾诺内与赖克林研究发现，有可能针对“当下”、最近的过去和近期的未来开展预测——他们将其命名为“即时预测（nowcasting）”；于是，他们构建了一个能够利用实时数据实现此目的的模型。该模型把此前主要依靠判断的非正式信息纳入了正式的统计框架。

现任伦敦商学院教授、前欧央行研究部主任赖克林回忆说：“美联储当时希望看看这种框架是否能用于实时解读发布的各类经济数据。那时的宏观经济模型都相对较小——当时，‘大数据’还没有出现——我们必须开始思考，什么样的模型既能处理大量的时间序列，又能保持一定的简单性，使估计不会过度波动或不可靠？”

后来，贾诺内在纽约联储继续深化了这一工作，领导开发了美国季度经济增速的每周估计即时预测模型。

先后在欧央行、亚马逊与IMF任职后，贾诺内于今年加入了约翰斯霍普金斯大学，专注提升低收入国家的经济活动测量能力。他说，其动力部分来自这样一个事实：较大型富裕经济体的即时预测工具已经覆盖了全球经济的大部分，但低收入国家在这方面却几乎没有进展。

“盲飞”

在即时预测及其所补充的官方数据方面，低收入国家都面临着重大挑战，尤其是在政府预算紧张、熟练工作人员短缺的情况下。但从业人员仍认为存在完善实时指标的巨大潜力。

许多发达经济体的GDP初值在季度结束约一个月后发布（一些主要新兴市场则需要两个月），之后这些初值会被修订。相比之下，发展中经济体则可能需要三个月以上。

例如，肯尼亚统计局在季度结束后三个月左右发布GDP数据，但肯尼亚央行利用IMF与贾诺内微调的即时预测工具，可在季度结束后一周就给出数据，其中使用了私人消费支出数据；两周后，海外侨汇数据也可获得。大约在第40天左右，贸易、货币供应量、旅游和电力数据也可获得，从而帮助进一步完善了对经济状况的判断，相较以往，这只用了约一半时间便让政策制定者获得了季度走势的较好信息。

信号与变动

贾诺内指出，在数据稀缺的国家（如低收入国家），交易数据（如肯尼亚模型中使用的那些数据）“极其有用”，其所包含的信息甚至高于发达经济体的此类数据——在发达经济体，几乎每天都有各类指标发布。

他最新的研究专注于全球经济关联性，以及通过邻国、贸易伙伴和全球经济的数据来即时预测某一国家的经济活动，其中使用了一个包含所有国家GDP的模型。

他说：“每个国家的数据都包含了全球和该地区的信息，我们再利用信息更丰富的国家作为参考，为信息较少的国家进行插值处理。”他指出邻国和主要贸易伙伴如何能够帮助揭示一国的经济活动走向。“比如，如果你有了美国的GDP数据，它将会为柬埔寨的情况提供一些信号。全球经济中存在着大量的共同变动。”

他指出，大型语言模型与人工智能的最新进展为将文本作为数据以及将数据与元数据结合提供了新的可能。

实时测量经济的扩张收缩的前景更佳，这也是他优先关注的研究方向。他说：“在没有季度GDP数据的国家，要判断是否陷入衰退，你必须等一年。政策制定者根本不知道自己身在何处。因此，向这个方向前进极其重要。”

高频数据来源

在非洲最大的新兴市场经济体南非，央行研究人员希望能借助实时数据更好理解经济信号，包括能在经济扰动发生时帮助测量其影响的新数据源。例如，今年早些时候，南非暴发了口蹄疫，供给扰动推动牛肉价格飙升，使总体CPI的同比增速达到了10个月以来的高点。

南非储备银行的经济学家提前获得了商业农业数据（覆盖肉类与其他作物）的信号，以之衡量了食品通胀。

这突显出了即时预测在实践中的运用与价值。南非统计局在9月份结束的三周后发布了CPI数据，但该月的商业数据早两周便可获得。

在研究部研究这些指标的经济学家姆波·拉帕帕利（Mpho Rapapali）指出，它们的底层数据来自于批发、零售、牲畜拍卖、农产品市场等高频来源，它们提供了关于肉类、水果、蔬菜等食品成分的高度细致的信息。统计分析显示，这些商业指标通常在各个成分上领先CPI一至三个月。

拉帕帕利在一次采访中表示：“这对我们的预测非常关键。我们还可以每周检查这些食品类别的最新情况。”

“从数据入手”

近年来，即时预测模型日趋复杂，大型语言模型也让人们能够接触到前所未有的数据量。前景良好的全新测量工具也许令人无法抗拒，但也有一些需要注意的地方。从业人员提醒，在扩展官方指标、提高现有指标的频率与细致度方面，并没有捷径可循。新的方法可以为这些工作提供帮助，与之一起为政策制定提供更好的信息，但不能替代严格的数据采集。

赖克林表示，在缺乏资源的国家，复杂技术往往不是最佳起点。她说：“第一步应该是看一国已编制了哪些高质量的数据；或者，若缺乏硬数据，应寻找可用的代理变量。必须从数据入手，再谈技术——这非常重要。”她指出，简单模型往往表现得最好，即时预测更多是从发布的各类数据中提取及时的信号，并结合不同频率的数据序列。

加州大学伯克利分校“全球机会实验室”联席主任约书亚·布卢门斯托克（Joshua Blumenstock）为非洲国家和南非提供咨询。他指出，新的数据可能噪声大、代表性不足，即便是表现良好的模型，在环境变化时也可能失效。他表示，新的数据工具也面临着隐私、透明度、合法性与治理等更广泛的问题。

此外，发展中经济体还面临着能力方面的约束。央行和政府可能缺乏建设经济学家、统计学家和数据科学家团队并为之配备先进计算工具的预算和能力。

新的认可

虽然面对挑战，但发展中经济体的未来方向是：在有需要的领域通过增加即时预测来加强数据，同时扩展官方经济指标。

就像卢旺达的卡利萨正在扩充其团队一样，在世界另一端，也有人在做同样的事情。萨摩亚是全球人口最少的国家之一（仅22万人），在IMF的技术援助下，它已正式运行即时预测系统两年了。萨摩亚央行只有不到90名工作人员，该行经济部主任卡拉斯·吕伊（Karras Lui）计划将他的团队从8人扩大至10人。

他表示：“随着我们继续提升预测能力，我们会逐步获得更多资源。董事会如今不仅认可这些新的工具，也重视我们提供的分析。”