喻予

社交媒體用戶生成的內(nèi)容在量化分析情緒和幸福方面的價(jià)值正在諸多方面顯示出來。而搜索引擎也可以提供跟蹤有關(guān)健康和幸福的信息，Google憑借其獨(dú)特的利用Google趨勢(shì)工具公開提供的搜索查詢數(shù)據(jù)，提供了適當(dāng)和強(qiáng)大的數(shù)據(jù)基礎(chǔ)。與問卷調(diào)查相反，通過社交媒體與搜索引擎的分析可以實(shí)時(shí)地分析和預(yù)測(cè)幸福感，包括反映由于突發(fā)事件的發(fā)生而產(chǎn)生的幸福感的波動(dòng)效應(yīng)。

幸福的量化

幸福是一項(xiàng)基本的社會(huì)指標(biāo)，很長時(shí)間以來，它在社會(huì)科學(xué)文獻(xiàn)中引起了越來越多的關(guān)注。特別是，幸福感研究正在積累越來越多的證據(jù)來支持實(shí)證研究其決定因素的結(jié)果。通常，幸福感是通過自我報(bào)告的問卷答案來衡量的。而現(xiàn)在，已經(jīng)有研究開始重點(diǎn)關(guān)注在人氣頗高的微博網(wǎng)站上發(fā)布的不請(qǐng)自來的消息。

近年來，社交網(wǎng)絡(luò)呈指數(shù)增長，而網(wǎng)絡(luò)的使用日益提供了收集信息的機(jī)會(huì)，這些信息可以通過統(tǒng)計(jì)分析，進(jìn)行關(guān)于……的研究。與問卷調(diào)查相反，分析社交媒體可以實(shí)時(shí)地預(yù)測(cè)幸福感，包括反映由于突發(fā)事件的發(fā)生而產(chǎn)生的幸福感的波動(dòng)效應(yīng)。

關(guān)于幸福的研究至少可以追溯到社會(huì)科學(xué)領(lǐng)域的杰里米·邊沁和他的“效用論”，最大幸福原則，可以定義為快樂多于痛苦 （Bentham，1789）?！靶腋！边@個(gè)謎題與它的測(cè)量有關(guān)。

埃奇沃思（Edgeworth，1881）設(shè)想了一種可能性，那就是建立一種享樂計(jì)，能夠測(cè)量一個(gè)人在她生命中的每一個(gè)瞬間的效用，以便計(jì)算效用隨時(shí)間的積分。經(jīng)濟(jì)理論，處理人與人之間的比較問題，考慮到（在當(dāng)時(shí)）建造這樣一臺(tái)機(jī)器在技術(shù)上是不可能的，更傾向于帕累斯泰方法——the Paretian approach of ordinalism。因此，個(gè)人的福利傳統(tǒng)上是從消費(fèi)者的選擇中推斷出來的，并通過收入等貨幣指標(biāo)來衡量。

幸福概念的重新出現(xiàn)及其與效用的非線性關(guān)系，主要?dú)w功于伊斯特林（Easterlin）在上世紀(jì)70年代的開創(chuàng)性著作，他從宏觀經(jīng)濟(jì)角度利用國家數(shù)據(jù)，發(fā)現(xiàn)一旦達(dá)到臨界門檻，幸福與收入之間沒有關(guān)聯(lián)。

而關(guān)于效用的直接測(cè)量，卡尼曼等學(xué)者（1997）展示了經(jīng)驗(yàn)效用概念的實(shí)驗(yàn)證據(jù)。在他們的框架中，經(jīng)驗(yàn)效用是事件對(duì)人們福利的實(shí)時(shí)影響，它不同于決策效用，而決策效用是對(duì)事件本身的事前評(píng)估。在這方面的問題是，代理人往往重視一個(gè)經(jīng)驗(yàn)的效用，試圖記住一個(gè)類似的情況：他們?cè)谶^去生活的享樂主義內(nèi)容。這種回顧性分析是偏頗的，因?yàn)槿祟惖恼J(rèn)知局限，會(huì)導(dǎo)致錯(cuò)誤的判斷?？崧葘W(xué)者的結(jié)論與社會(huì)科學(xué)理論特別相關(guān)，因?yàn)樗茐牧私沂酒梅椒ǖ男Я?，同時(shí)導(dǎo)致了對(duì)效用的整個(gè)概念及其與幸福的聯(lián)系的重新思考。

過去幾年的技術(shù)進(jìn)步使人們有可能制定衡量幸福程度的措施。這些方法可以替代傳統(tǒng)調(diào)查；在某些情況下甚至比傳統(tǒng)調(diào)查更為復(fù)雜；此外，這些措施還具有很大的優(yōu)勢(shì)，可以實(shí)時(shí)捕捉體驗(yàn)的享樂效果，同時(shí)提出對(duì)效用的持續(xù)測(cè)量方法。在這方面提出了兩種方法：一種是經(jīng)驗(yàn)抽樣模型（ESM）方法，另一種是日常重建方法（DRM）。

ESM和DRM在深入了解幸福的決定因素方面都很有吸引力，但與它們的使用相關(guān)的一些問題仍然存在。例如，對(duì)于大樣本來說，它們似乎是不切實(shí)際的，而高的無響應(yīng)率可能會(huì)扭曲結(jié)果的可靠性。此外，它們對(duì)那些被要求在系統(tǒng)基礎(chǔ)上應(yīng)對(duì)外部沖擊的應(yīng)答者造成了特別沉重的負(fù)擔(dān)。

意大利埃尼企業(yè)的三位學(xué)者研究了意大利社交媒體用戶在社交網(wǎng)絡(luò)服務(wù)推特（Twitter）上發(fā)布的信息，以調(diào)查幸福帶來的特殊沖擊。與問卷調(diào)查相反，分析社交媒體可以實(shí)時(shí)地預(yù)測(cè)幸福感，包括映射由于即時(shí)事實(shí)的發(fā)生而產(chǎn)生的幸福感的效應(yīng)。他們的數(shù)據(jù)集包括每天在110個(gè)意大利省份發(fā)布的4300萬條推特信息。在衡量幸福感的過程中，他們使用創(chuàng)新的統(tǒng)計(jì)技術(shù)構(gòu)建了一個(gè)原始的指數(shù)，來量化省一級(jí)的與推文特定數(shù)量相關(guān)的幸福水平。然后，在樣本中探索幸福的決定因素。靜態(tài)變量，如機(jī)構(gòu)的總體質(zhì)量，似乎對(duì)意大利各省的平均幸福水平影響不大。相反，影響最大的是與特定日期相關(guān)的氣象變量和事件，比如德國和意大利債券之間的價(jià)差變異性或發(fā)薪日。

他們的相關(guān)論文參考了經(jīng)驗(yàn)效用的文獻(xiàn)，并嘗試用一種完全不同的方法來評(píng)估人們的實(shí)時(shí)幸福。不涉及問卷調(diào)查，相反，則利用互聯(lián)網(wǎng)用戶每天免費(fèi)發(fā)布的信息，特別是社交媒體上的信息。文獻(xiàn)越來越多地利用網(wǎng)絡(luò)上的現(xiàn)有信息，對(duì)廣泛的主題進(jìn)行實(shí)時(shí)預(yù)測(cè)，包括宏觀經(jīng)濟(jì)事件、股票價(jià)格、政治偏好。

關(guān)于幸福，Dodds等學(xué)者分析了Twitter在美國的案例。他們使用了亞馬遜（Amazon）提供的一種設(shè)備，名為“機(jī)械土耳其人”（Machical Turk），這是一個(gè)付費(fèi)網(wǎng)站，志愿者們可以在網(wǎng)站上對(duì)一萬字英語的快樂程度進(jìn)行評(píng)分。然后，這樣得到的平均分?jǐn)?shù)被用來編纂新的推文（到目前為止，來自全世界的超過6000萬條推文已經(jīng)被分析過了）。而學(xué)者kramer專注于一個(gè)樣本用戶在臉書（Facebook）上狀態(tài)更新的內(nèi)容，通過計(jì)算一個(gè)預(yù)先編撰的本體論詞典中被判斷為“積極”和“消極”的單詞所占的百分比，開發(fā)了一個(gè)幸福度指標(biāo)。Quercia等學(xué)者展示了如何利用社交媒體（特別是Twitter）來確定整個(gè)社區(qū)的幸福程度（在他們的例子中是倫敦市區(qū)）。

社交媒體中的情緒和幸福

當(dāng)前，社交媒體已成為公眾討論的熱門話題，在過去幾年里，它在學(xué)術(shù)界和業(yè)界的吸引力穩(wěn)步上升。社交媒體包括很多著名的網(wǎng)站，在那里人們分享他們的想法、圖片或視頻，以及互聯(lián)網(wǎng)社區(qū)，例如： Facebook、Twitter、Google、Youtube。相關(guān)數(shù)據(jù)表明，今天幾乎所有的互聯(lián)網(wǎng)用戶都參與了社交媒體。

在實(shí)際中，用戶生成的內(nèi)容在業(yè)務(wù)預(yù)測(cè)方面的價(jià)值已在諸多方面顯示出來。例如，在線消費(fèi)者評(píng)論可以用來預(yù)測(cè)電影的成功、電子游戲銷售、音樂銷售或圖書銷售。

德國學(xué)者Nofer和Hinz表示，在探索用戶所生成內(nèi)容對(duì)股票收益之影響這方面，實(shí)際中已經(jīng)有了諸多研究成果。一般來說，人們可以區(qū)分對(duì)感興趣的特定事物的情緒檢測(cè)與情緒水平的分析，即積極或消極情緒狀態(tài)的強(qiáng)度。例如，既有的方法側(cè)重于通過分析消費(fèi)者評(píng)論或股票留言板的內(nèi)容，來衡量公司的情緒。

在這方面，是薄倫（Bollen）等相關(guān)專家學(xué)者進(jìn)行了開創(chuàng)性的研究，其結(jié)果表明：從公眾推文（tweets）中提取的情緒水平對(duì)道瓊斯工業(yè)平均指數(shù)具有預(yù)測(cè)價(jià)值。在整體情緒平靜的時(shí)候（或者在某種程度上是快樂的），從統(tǒng)計(jì)學(xué)的角度，可以發(fā)現(xiàn)DJIA在幾天后有相關(guān)反應(yīng)的顯著跡象。

其他一些使用Twitter預(yù)測(cè)股市的研究也出現(xiàn)在最近幾年。例如：有研究人員將Twitter的人氣與谷歌的搜索量結(jié)合在一起，預(yù)測(cè)了大宗商品（如石油、黃金）和股票的回報(bào)率、交易量和波動(dòng)性；有研究人員在stocktwits.com上研究了3個(gè)月的大約7萬個(gè)帖子，也揭示了微博信息對(duì)股票市場發(fā)展的預(yù)測(cè)價(jià)值。

相關(guān)學(xué)者Nann等曾在歐洲信息系統(tǒng)會(huì)議的討論中，基于Twitter、在線消息板和公司新聞的用戶發(fā)帖，創(chuàng)建了一個(gè)交易模型，在考慮交易成本后，該交易模型的表現(xiàn)優(yōu)于標(biāo)準(zhǔn)普爾500指數(shù)0.24%。而Sprenger等學(xué)者專注于被標(biāo)記的tweets（例如，微軟的MSFT），并發(fā)現(xiàn)Twitter的人氣與回報(bào)之間具有系數(shù)r = 0.166的相關(guān)性。

不只Twitter，其他社交網(wǎng)絡(luò)也受到了考查。有學(xué)者研究了從LiveJournal上提取的情緒，顯示標(biāo)準(zhǔn)普爾500指數(shù)在焦慮水平上升的情況下下降。在最近的一項(xiàng)研究中，學(xué)者Karabulut發(fā)現(xiàn)Facebook的國民幸?？傊?（GNH） 可以預(yù)測(cè)美國股市的回報(bào)。

毫無疑問，線下和網(wǎng)絡(luò)世界的研究提供了證據(jù)，表明股票市場是由市場參與者的情緒狀態(tài)驅(qū)動(dòng)的。行為金融和神經(jīng)金融方面的研究人員試圖解釋投資者情緒與他們的交易行為之間的聯(lián)系。例如，個(gè)人傾向于厭惡損失，這意味著他們更重視損失而不是收益。

雖然早期的研究通常是在實(shí)驗(yàn)環(huán)境中進(jìn)行的，但社交媒體應(yīng)用程序現(xiàn)在可以幫助揭示社交情緒。心情好的人更愿意投資高風(fēng)險(xiǎn)資產(chǎn)，比如股票。因此，股票回報(bào)取決于投資者的風(fēng)險(xiǎn)偏好，而風(fēng)險(xiǎn)偏好又取決于投資者的情緒狀態(tài)，而大眾情緒狀態(tài)在社交媒體上往往有所體現(xiàn)。

總之，情緒和情緒對(duì)股市的影響是可以通過Twitter、Facebook或LiveJournal來衡量的。基于情緒狀態(tài)的股票收益預(yù)測(cè)可以看作是與有效市場假說相矛盾的市場異?，F(xiàn)象。

搜索引擎中的健康和幸福

隨著因特網(wǎng)用戶數(shù)量的增加和搜索引擎使用量的增加，利用搜索引擎提供的網(wǎng)絡(luò)搜索查詢數(shù)據(jù)這種收集市場數(shù)據(jù)的新方法變得越來越流行。人們通過搜索產(chǎn)品說明，選擇各種替代品，以及他們指定的要購買的東西，創(chuàng)造出一條線索，向搜索引擎揭示他們打算購買的東西。搜索引擎提供商可以跟蹤這些信息，Google憑借其獨(dú)特的利用Google趨勢(shì)工具公開提供的搜索查詢數(shù)據(jù)，提供了適當(dāng)和強(qiáng)大的數(shù)據(jù)基礎(chǔ)。

越來越多的學(xué)術(shù)研究以Google搜索查詢數(shù)據(jù)為研究目的，深入于各個(gè)經(jīng)濟(jì)部門，像房地產(chǎn)研究領(lǐng)域?；谟脩魧?duì)特定感興趣領(lǐng)域信息的需求得到了很好的滿足，Google作為情緒指標(biāo)的潛力被充分揭示了。這有助于研究人員對(duì)不久的將來作出推斷。

在越來越多的針對(duì)不同經(jīng)濟(jì)部門的研究，尤其是房地產(chǎn)研究領(lǐng)域的研究成果的支撐下，谷歌的數(shù)據(jù)有可能同時(shí)考慮到消費(fèi)者情緒的變化，從而能夠?qū)ΜF(xiàn)實(shí)世界近期的未來做出推斷。

這一優(yōu)勢(shì)可以很容易地用于銷售力度（例如房地產(chǎn)機(jī)構(gòu)）的分配和時(shí)間安排。這一系列研究也為及時(shí)提供政策建議提供了一個(gè)有價(jià)值的指標(biāo)，因?yàn)檎呓ㄗh在其他方面取決于數(shù)據(jù)，而這些數(shù)據(jù)在報(bào)告之前往往會(huì)出現(xiàn)時(shí)滯。這是Google數(shù)據(jù)的主要優(yōu)勢(shì)，因?yàn)樯鐣?huì)經(jīng)濟(jì)信息只能在很長的時(shí)間內(nèi)才能獲得，而且由于樣本較少，調(diào)查可能會(huì)有偏差。

Google搜索量數(shù)據(jù)克服了許多這樣的問題。谷歌通過其工具“谷歌趨勢(shì)2.0”（Google Trends 2.0）提供可公開訪問的搜索查詢數(shù)據(jù)，該工具是從“Google Insight for Search”發(fā)展而來的。與其他情感數(shù)據(jù)集不同的是，時(shí)間延遲幾乎可以被忽略，因?yàn)镚oogle的數(shù)據(jù)在收集的兩天后便可獲得。此外，與基于調(diào)查的指標(biāo)相比，數(shù)據(jù)收集所需的努力要少得多。還有，樣本量比較大，避免了上述問卷偏差等問題。

自從互聯(lián)網(wǎng)的出現(xiàn)，“知識(shí)的民主化”的積極和消極的后果，可以在生活的各個(gè)方面被感受到。與以前相比，現(xiàn)在的病人更多的是向醫(yī)生提出可能的診斷，而不是描述他們的癥狀。根據(jù)皮尤互聯(lián)網(wǎng)與美國生活項(xiàng)目（Internet & American Life Project）的數(shù)據(jù)，80%的互聯(lián)網(wǎng)用戶曾在網(wǎng)上搜索過健康信息，這使其在美國互聯(lián)網(wǎng)用戶中成為一種廣泛的活動(dòng)。有關(guān)學(xué)者預(yù)計(jì)，在德國和其他互聯(lián)網(wǎng)普及率足夠高的地區(qū)也會(huì)出現(xiàn)類似的數(shù)字。因此，對(duì)谷歌搜索“癥狀”和“副作用”的分析就可以是基于普遍存在和可被采納的，因此對(duì)于可能的選擇效應(yīng)應(yīng)該沒有什么偏見。

在Google中輸入“癥狀”作為查詢的第一個(gè)單詞，會(huì)返回幾個(gè)已完成的被選項(xiàng)，如“Mono癥狀”“糖尿病癥狀”“懷孕癥狀”等。另一方面，通過鍵入“抑郁”，可以將“抑郁癥狀”作為完成選項(xiàng)之一?！皯言小薄敖箲]”“心臟病發(fā)作”等也是如此。所以Google允許我們?cè)谂c癥狀相關(guān)的搜索上有一個(gè)潛入峰值。

為什么一個(gè)互聯(lián)網(wǎng)用戶會(huì)搜索疾病的癥狀是有很多原因的。很多時(shí)候，這可能是一種自我診斷的嘗試，或者是為了他們所關(guān)心的人而這樣做。人們搜索（而不是去看醫(yī)生）的原因可能僅僅是因?yàn)樗麄兛梢岳矛F(xiàn)有的知識(shí)儲(chǔ)備，這樣他們就可以做很多事情，比如更好地利用隨后去看醫(yī)生的機(jī)會(huì)，了解其他同樣情況的患者的經(jīng)歷，診斷自己感到尷尬的不適，甚至是因?yàn)樗麄兪且幻刹“Y患者或藥物迷。在美國，“電子病人”和“參與式醫(yī)學(xué)”是眾所周知的。因此，捕捉這個(gè)搜索活動(dòng)的總體總量或會(huì)在很多方面都會(huì)讓人感到不舒服。

相關(guān)研究顯示了全球金融危機(jī)爆發(fā)前后，美國和德國的癥狀搜索強(qiáng)度。癥狀搜索強(qiáng)度的增長在美國開始得早得多，實(shí)際上是在2008年9月金融危機(jī)爆發(fā)后不久開始的。在德國，金融危機(jī)沒有立即產(chǎn)生明顯的影響，癥狀搜索強(qiáng)度在2009年4月之后不久出現(xiàn)了激增，此時(shí)，金融危機(jī)演變成了一場經(jīng)濟(jì)危機(jī)（失業(yè)率較溫和上升的最高點(diǎn)，但也是失業(yè)救濟(jì)的最高點(diǎn)）。兩國癥狀搜索強(qiáng)度都在2010年4月達(dá)到頂峰。

相關(guān)專家認(rèn)為，這清楚地顯示，危機(jī)導(dǎo)致搜索癥狀激增。不過，這是否意味著所謂的參與式醫(yī)學(xué)的興起，或者是“病因”和“不適”的上升，目前還不清楚，這將需要進(jìn)一步的討論。

胡潤研究院發(fā)布《2018胡潤80后富豪榜》 拼多多黃崢首次上榜成新首富

10月24日，胡潤研究院發(fā)布《2018胡潤80后富豪榜》，這是胡潤研究院連續(xù)第三次發(fā)布此榜單，內(nèi)容包括《胡潤80后白手起家50強(qiáng)》和《胡潤80后財(cái)富繼承富豪榜》兩個(gè)部分，財(cái)富計(jì)算的截止日期為2018年8月15日。132位80后企業(yè)家財(cái)富達(dá)到超過20億元，比去年多33位。其中白手起家的比例為38%，與去年基本一致。

拼多多黃崢首次上榜，以950億元財(cái)富成為80后白手起家新首富。今日頭條和抖音創(chuàng)始人35歲的張一鳴財(cái)富增長一倍多，以650億元上升一位至第二。大疆38歲的汪滔財(cái)富增長25%，以450億元位列第三。去年榜首，“教育大王”好未來的張邦鑫財(cái)富縮水10%至360億元，排名降至第四。

50位80后創(chuàng)業(yè)者財(cái)富超過20億元，比去年多13位，主要來自在線游戲、區(qū)塊鏈、先進(jìn)制造業(yè)、互聯(lián)網(wǎng)服務(wù)、教育和娛樂行業(yè)。新上榜17位80后創(chuàng)業(yè)者，來自區(qū)塊鏈行業(yè)最多，有7位。比特大陸32歲的吳忌寒以165億元財(cái)富成為85后白手起家新首富，其次是OKCoin的徐明星、世紀(jì)華通的邵恒和餓了么的張旭豪。

今年85后創(chuàng)業(yè)者比去年多6位上榜，共有12位，包括2名90后；區(qū)塊鏈行業(yè)產(chǎn)生最多85后創(chuàng)業(yè)者，有4人。比特大陸26歲的葛越晟以34億元財(cái)富成為90后新首富，榜單上還有一位90后是ofo 27歲的戴威，財(cái)富30億元。嗶哩嗶哩29歲的徐逸以23億元財(cái)富進(jìn)入80后白手起家50強(qiáng)。

北京是80后創(chuàng)業(yè)者居住地的絕對(duì)首選，有20人，比去年多6人。其次是上海，再次是廣州、深圳和杭州。78%擁有高等學(xué)歷，來自清華大學(xué)、北京大學(xué)和浙江大學(xué)的各以5位并列第一。

胡潤百富董事長兼首席調(diào)研員胡潤表示：“這些白手起家的80后所創(chuàng)造的企業(yè)規(guī)模比很多人想象的要大得多。我們百富榜上的企業(yè)家們都有一個(gè)榜樣作用，可以吸引很多新人創(chuàng)業(yè)，這些具有開創(chuàng)性思想和領(lǐng)導(dǎo)力的80后成功創(chuàng)業(yè)者，對(duì)年輕一代的影響巨大，因?yàn)樗麄兓旧细采w的都是新經(jīng)濟(jì)，是這個(gè)時(shí)代的代表。”