本文探讨了如何利用非传统数据,如卫星图像指数、谷歌趋势和航班追踪信息,来补充官方统计数据并监测经济活动,并将其纳入nowcasting模型,以提供摩洛哥关键宏观经济变量的早期估计。研究应用于农业增加值、旅游收入和失业率三个指标,结果显示,与传统时间序列方法相比,包含非传统高频指标的nowcasting模型显著提高了预测精度。具体而言,与传统模型相比,非传统数据使农业增加值nowcasting的RMSE降低了18%,旅游收入的RMSE降低了14%,失业率的RMSE降低了25%。此外,研究还比较了机器学习模型和统计模型,发现哪种模型具有更高的预测精度取决于底层数据的性质和每个行业的具体动态。研究结果表明,非传统数据可以为实时经济监测提供有价值的信息,并且所提出的nowcasting框架可以推广到其他国家,为政策制定者提供更及时的经济洞察。