新冠肺炎疫情以来的产业链金融政策效果评估
——基于机器自学习分析框架
2021-06-10邹智
区域金融研究 2021年4期
邹 智
(中国人民银行防城港市中心支行,广西 防城港 538001)
一、研究背景与文献综述
为充分应对新冠肺炎疫情所带来的挑战,各国、各地区、各部门纷纷出台的防控疫情、提振经济、扶持产业等政策之多,历年罕见。及时对这些政策开展行之有效的政策效果评估,对总结经验、优化方向、发现规律和把握先机,具有重要的理论和现实意义。
李成威等(2020)认为,发达国家为稳定新冠肺炎疫情下受冲击的经济社会而出台的大规模财政政策的外溢性给全球经济带来冲击。田盛丹(2020)构建可计算的一般均衡模型(CGE),对新冠肺炎疫情所产生的可能冲击场景进行模拟,量化分析应对政策对我国宏观经济和各行业部门带来的影响。潘超和程均丽(2021)通过构建开放经济DSGE 模型,证明中国央行“保增长”的利率政策和“稳汇率”的汇率政策能够更好地缓释新冠肺炎疫情带来的外部冲击。此外,为量化政策影响,许多学者基于全球经济一体化背景下,利用横断面单位之间的依赖性来构建原生事实。高华川和白仲林(2019)利用21 国汇率模拟英镑汇率,采取时变Lasso方法研究2016年英国脱欧公投前后英镑汇率的波动情况。
前述文献基于宏观经济模型、机器学习模型的研究创新,在提升政策效果评估能力和现实解释中取得显著成效,但仍是以确定性的算法评估或模拟复杂性的经济现象。实践中,经济行为本身是随着各种不确定性冲击而阶段性变化,算法应随之变化,才能实现精确的政策效果评估。……
登录APP查看全文
