大数据和相关技术的出现,不仅形成了覆盖经济、社会运行的海量数据和大数据生态,而且也在影响和重塑公共政策的制定和实施。北京大学光华管理学院肖筱林助理教授和王汉生教授在本文中基于中央银行的视角,梳理了大数据背景下宏观金融领域中涉及大数据和相关技术的国际和国内文献,尤其是大数据分析在货币政策沟通、宏观经济预测和宏观审慎监管方面的相关研究。最后,本文深入分析了大数据分析在中国宏观金融领域的应用现状,并提出了切实可行的进一步应用建议。
大数据分析在宏观金融领域的文献综述
——基于中央银行的视角
【原文刊载在《经济管理学刊》2023年第2卷第3期】(2023年9月出版)
大数据(Big Data)是近年来很受关注的一个领域。新的数字化工具的使用、信息系统的不断更新迭代以及数据采集技术的进步,这些因素共同导致了海量数据的出现。随之而来的大数据分析(Big Data Analytics), 与近年来兴起的人工智能(Artificial Intelligence,简称AI)技术既有一定的交叉,又形成互补,共同推动了大数据和相关技术在经济社会生活中的推广应用,形成了覆盖经济、社会运行各个方面的大数据生态。这一生态正在影响和重塑公共政策制定和实施的整个过程,其中包括了中央银行(简称“央行”)通过货币政策工具来控制利率和货币供给,以实现充分就业和价格稳定等货币政策的终极目标的过程。
我们知道,在货币政策操作的事前、事中和事后等不同阶段,央行的日常工作包括:收集大量的数据,进行定期的数据分析、宏观经济预测和经济周期分析等;定期发布货币政策报告,并与公众进行沟通;以及基于大量金融数据进行微观金融监管和宏观审慎监管等。因此,基于大数据的时代背景,从央行的视角来看,我们想要通过梳理文献研究如下问题:大数据和相关技术的出现对央行的数据收集和分析,尤其是宏观金融领域的相关研究和分析,以及给宏观金融的哪些具体领域带来了新的变化?新的颗粒化的微观金融数据,伴随着新的分析工具,产生了哪些新的有趣的预测和分析结果?是否在货币政策沟通、宏观经济预测以及宏观审慎监管等领域产生了新的应用?与传统的数据和分析方法相比,大数据分析有哪些优势,是否也带来了新的问题、风险和挑战?
本文基于中央银行的视角,主要分析大数据和相关技术的出现对货币政策沟通、宏观经济预测和宏观审慎监管的影响,对这些领域的前沿国际和国内文献进行综述。本文的主要述评贡献如下:
一是述评文献的研究视角和领域不同,即主要基于中央银行的视角,全面梳理大数据分析的前沿国际和国内文献在宏观金融领域的研究;二是涵盖的数据类型更多样,不仅涵盖文本数据,还包括运用电子支付、移动电话、传感器、卫星图像、在线价格和在线搜索等新型数据所进行的宏观金融领域的大数据分析;三是涉及的大数据分析方法更多样,除了文本大数据分析的方法外,还包括宏观经济实时预测和宏观审慎监管涉及的新型大数据分析方法;四是为大数据分析在中国宏观金融领域的应用推广和政策探讨提出了相应的建议。
本文主体部分依次对国际文献中大数据和相关技术在货币政策沟通、宏观经济预测和宏观审慎监管等方面的研究进行述评。
货币政策沟通是指央行为了向公众传达央行工作情况、保持政策公开透明和了解公众预期,通过发布定期政策报告、公开演讲、发表声明和访谈等方式来向市场和公众传达货币政策信息。目前不少学者和央行经济学家已将文本分析技术用于货币政策沟通领域,其中可以从两个方面进行应用:一是对中央银行的报告、采访和演讲进行文本大数据分析,量化央行货币政策沟通对金融市场和政策制定者的影响,以及从央行报告中推断央行立场;二是分析新闻媒体和公众对货币政策的评论,并剖析舆论情绪对金融市场和经济的影响。
在宏观经济预测领域,传统统计方法为了保证数据的准确性,往往依靠定期的抽样调查或全面普查的方法来测量各种经济指标,具有较大的时滞性。相较于传统方法,大数据技术可以更加高频、及时和快速地收集数据并进行分析,甚至能做到“实时预测”(Nowcasting)。站在央行的角度,基于大数据技术驱动的实时预测和分析,一方面可以更及时地收集数据,涵盖更多的样本数量,从而成为传统宏观经济数据的较好补充;另一方面也可以给央行提供新的宏观经济预测视角,从而更好地进行经济周期分析。大数据分析在宏观经济预测方面的应用,包括对GDP、失业率和价格水平的实时预测,以及外汇市场预测的相关内容。
在宏观审慎监管领域,鉴于金融市场对宏观经济的巨大影响和2008年金融危机的惨痛教训,各国普遍强化了央行在宏观审慎监管方面的职责,包括提出新的宏观审慎监管框架,或者从立法的角度明确央行这一新增的职责。与此同时,随着大数据技术的发展,数据存储成本降低、计算机处理能力提高和算法进步,我们使用机器学习技术收集和识别金融数据的能力也发生了变化。这种转变一方面带来了更快、更好、更便宜的金融产品和服务,另一方面也可能扰乱金融格局,增加金融不稳定性,给金融监管带来新的挑战。部分文献已将大数据技术应用于宏观审慎监管方面的分析,其中可以进一步细分为宏观审慎监管、金融危机预警和股票市场预测这三个具体方面。
总体而言,近年来大数据分析在宏观金融领域的应用发展迅速,国外文献中的相关研究不断涌现。相比之下,国内近年来对宏观经济大数据的关注也在不断升温,不少学者也进行了相关研究,但同国际研究相比,还有提升空间。
对比国内外文献,我们可以发现,国内文献主要集中在股票市场分析,而用于货币政策沟通、宏观审慎监管、金融危机预测等方面的研究较少。而这些也正是大数据分析技术能够充分发挥作用的领域。
从中国人民银行牵头的金融统计大数据方面的软硬件建设进程来看,宏观金融领域的颗粒化微观数据的收集和整合,以及相关数据库的建设进展很快。但是,从国内研究和实践的现状来看,还有不少可以提升的空间。
为此,我们提出如下三方面的建议:第一,强化宏观金融领域的舆情分析,关注和引导公众预期。在当前社交媒体当道, 资讯迅猛传播的大数据时代,央行也要与时俱进,考虑使用最新的大数据分析技术和方法,对涉及货币政策和金融市场相关的舆论和公众情绪进行及时的“捕捉”和处理。另外,及时“捕捉”和处理宏观金融领域重要的舆情,其实也是在关注和引导公众预期,是货币政策沟通和传导中的重要环节,也属于前瞻性指引(Forward Guidance)的范畴。中国可以借鉴发达经济体央行通过各种社交媒体发布和传播货币政策资讯的做法,进而通过大数据来进行货币政策沟通事前、事中和事后的相关分析。例如,中国人民银行在2013年开设微博账号,2019年开设微信公众号,通过社交媒体进行货币政策沟通已经有了一定的经验,也为相关的大数据分析提供了基础,但目前相关研究几乎是空白。这方面值得持续关注,今后可以通过文本数据分析或者最新的大数据分析方法来开展相关研究。
第二,对宏观经济重要指标进行实时预测,与传统统计形成良好互补。利用大数据技术进行实时预测(Nowcasting),在发达经济体央行的相关研究中已经大量使用。截至2023年6月的数据,中国互联网络信息中心(CNNIC) 发布的报告显示,中国互联网网民规模已达10.79亿人,互联网普及率达76.4%。再加上中国目前领先全球的移动支付产业,位居世界前列的数字经济,这些都给大数据分析用于宏观经济指标的实时预测提供了坚实的基础。尤其是与电子支付、移动支付、互联网和社交媒体相关的数据,都是中国大数据的优势所在。目前虽然已有一些国内研究,但还有更多的研究值得进一步推进。
第三,依托数字人民币将来的发行,进一步完善金融统计大数据。近年来中国密集试点和推广中的CBDC,即数字人民币,具体运营采用双层架构,即中国人民银行作为央行向处在第二层的商业银行和其他指定运营机构发行数字人民币,而中国人民银行作为第一层,则能收集到来自全部指定运营机构收集的个人信息和交易记录,最终能够形成数字人民币的大数据中心。
总之,在不远的将来,数字人民币的全面发行以及所依托的双层运营架构,将给中国建设中的金融统计大数据提供更全的数据,也将更便利数字人民币使用的大数据分析以及任何使用数字人民币的相关金融交易的分析。
原文引用:肖筱林, 王汉生. 大数据分析在宏观金融领域的文献综述——基于中央银行的视角[J]. 经济管理学刊, 2023, 2(3): 89-110.
肖筱林博士现为北京大学光华管理学院应用经济系助理教授,“日出东方-光华青年人才”研究学者,主要研究领域为货币经济学和宏观金融。加入光华之前,她先后在美国威斯康星大学麦迪逊分校和新西兰奥克兰理工大学工作,她的研究成果已发表于Journal of Monetary Economics, International Economic Review, Review of Economic Dynamics等国外顶级和权威学术期刊。肖博士目前的研究聚焦于数字货币、金融科技和货币政策等方面,目前主持国家自然科学基金面上项目,“我国央行数字货币发行对批发金融端和零售金融端的影响研究”。
王汉生,北京大学光华管理学院商务统计与经济计量系教授,系主任。数据科学微信公众号“狗熊会”创始人。在理论研究方面,主要关注变量选择、数据降维、高维数据分析,以及复杂网络数据分析。国内外各种专业杂志上发表文章100+篇,合著有英文专著1本,合著中文教材3本。国家杰出青年基金获得者(2016),Elsevier中国高被引用学者(数学类:2014-2018)。致力于商务统计学的理论研究与产业实践。业界合作涉及量化投资、互联网征信、车联网、移动设备RTB广告竞价、搜索引擎营销、电子商务、重装制造业等多个重要行业。