人工智能和大数据：央行的机遇

核心观点

• 资产需求系统的重要性： 资产需求系统规定了投资者对金融资产的需求和企业提供的证券供应，对于评估中央银行政策干预后的资产价格变化、财富分配以及金融稳定性至关重要。
• 数据和技术进步： 由于大额持有数据的可获得性提高以及建模技术的进步，估计资产需求系统已成为实际可行的任务。
• 政策决策支持： 资产需求系统可以为政策决策提供改进的信息，例如在金融传染、便利收益或美元的强度方面，或设计最优政策，例如在量化宽松或设计气候压力测试的背景下。
• 人工智能的应用： 最近的人工智能方法，特别是嵌入技术，可以更好地衡量资产和投资者的相似性，从而改进资产需求系统的模型。

关键数据和研究结论

• 金融传染： 需求系统分析表明，在欧洲主权债务危机期间，欧洲投资者在将希腊的动荡局势蔓延至其他外围国家中起到了重要作用。
• 机构对市场波动的影响： 最大的机构在股票市场波动中所占的比例相对较小，因为它们往往是分散化的买入并持有投资者。
• 外汇储备的影响： 外汇储备解释了美元便利收益率的0.94个百分点，以及美国国债便利收益率的0.28个百分点。
• 气候压力测试： 需求系统可以用于实施针对银行和保险公司的环境风险监管，例如针对美国股票市场的气候压力测试。

应用领域

• 量化非常规货币政策的再平衡渠道： 嵌入方法可以改进预测，即当投资者向中央银行出售其投资组合的一部分时，他们将购买哪些替代资产。
• 识别拥挤的行业： 嵌入可以提供实时的拥挤交易衡量指标，并评估哪些投资者持有这些交易头寸。
• 设计压力测试： 利用嵌入模型可以预测投资者的下一笔交易，并识别可能导致系统性重要金融机构遭受损失的压力情景。
• 金融市场之外的经济应用： 嵌入技术可以用于建模商品和服务的相对价格动态以及消费者的行为。

未来展望

• 中央银行沟通： 语言模型将变得更加有效，中央银行也在其沟通策略上做出回应。
• 网络风险和监管挑战： 人工智能和机器学习的快速发展引发了关于网络安全风险的监管关注，并带来了新的机会。
• 对劳动力市场和更广泛的宏观经济的影响： 人工智能将影响众多行业，直接或间接地，这一领域的文献探讨了一系列广泛且重要的问题。