数据是做出明智的经济和政策决定的基础。在过去的二十年中，见证了数据收集和分析的。信息技术的不断进步及其无处不在的使用已经产生了巨大的数据量，等待协助进行经济和政策分析。

　　在“大数据”时代，处理大型，复杂和高频数据集是经济学家从事经济预测分析的挑战。这也为研究人员提供了一个激动人心的机会，可以极大地增强我们预测未来的能力。统计学家，计算机科学家和计量经济学家已经开发出许多新技术，例如各种机器学习方法，以消化不断增长的数据量并提高经济预测的质量。

　　该项目旨在利用最近可用的宏观经济和金融市场数据来预测在迅速发展的全球COVID-19大流行中美国和中国的经济成果。向量自动回归，动态面板数据方法等最先进的计量经济学技术将被用于模仿和改进投资银行，中央银行和其他领先政策机构（如IMF和IMF）的预测专家的最佳做法。世界银行。

　　扩大预测范围需要收集高频实时数据，例如市场情绪，在线零售和房地产交易量。还需要诸如文本分析和随机森林之类的机器学习方法来综合各种数据并及时生成经济结果的预测。

　　国际货币基金组织发展经济学家，主要负责分析基础设施对发展中国家经济增长的作用。加州大学洛杉矶分校博士毕业，曾任职于高盛宏观经济研究部的研究员，世界银行发展经济研究部经济学家和 Pepperdine 大学客座教授。研究领域包括发展经济学，交通经济学，宏观经济体系和经济政策。

　　国际货币基金组织全球经济预测专家，是国际货币基金组织的全球经济展望和国际经济稳定性评估报告的主要编辑人。普林斯顿大学经济学博士毕业，香港科技大学数学与计算机双学位荣誉学士。主要研究方向包括实证宏观经济学，经济预测，银行与金融体系风险，宏观经济建模等等。研究成果包括证明了资本流动性和金融市场的同化是导致劳动力转移的主要原因之一，以及银行间的恶性竞争会导致过度使用投资性的房地产债券导致经济恶化等。

　　1.经济数据收集a. 收集并建立一个包含美国和中国等全球最大经济体的丰富宏观经济数据的数据库