人工智能与大持股数据：各国央行的机遇
本文探讨了资产需求系统在评估央行政策干预、预测资产价格、财富分配及金融稳定中的重要性。随着大持股数据获取途径的改进和建模技术的进步，估计资产需求系统已成为实际可行的任务。
资产需求系统方法的应用
改进决策信息
- 理解金融传染：通过分析投资者需求变化和资产供给变化对资产价格的影响，需求系统方法可以解释金融传染的源头。例如，在2009-10年欧洲主权债务危机中，需求系统分析揭示了欧洲投资者在从希腊向其他外围国家扩散动荡方面发挥了重要作用。
- 理解关键资产价格及其对财务状况指数的影响：需求系统方法可以用于理解股票价格、公司债券价格、盈亏平衡通胀率、隐含波动率、汇率等关键资产价格的决定因素。例如，研究发现，在2008年全球金融危机期间，家庭对横截面股票回报方差的贡献（46.9%）大于大型机构（4.4%）。
设计最优策略
- 非常规货币政策对资产价格和金融稳定的影响：需求系统方法可以用于建模资产购买计划对资产价格及金融市场上风险分配的影响。例如，研究发现，外国投资者对价格较为敏感，而长期投资者则放大了中央银行的购买行为。
- 外汇储备管理：需求系统方法可以用于量化外汇储备对全球汇率和债券收益率的影响。例如，研究发现，外汇储备解释了美元便利收益率中的0.94个百分点。
- 气候压力测试：需求系统方法可以用于建模气候风险及其相关转型风险对金融市场的影响。例如，研究为美国股票市场实施了气候压力测试框架，该框架可以扩展到其他资产类别。
使用人工智能改进资产需求系统的模型
度量资产与投资者相似性的嵌入
- 传统方法使用观察到的特征来衡量资产和投资者的相似性，但这些特征存在局限性。
- 本文提出使用人工智能领域中的嵌入表示来捕捉资产和投资者之间的相似性。通过分析投资者的投资组合持仓数据，可以学习到关于资产和投资者相似性的信息。
嵌入在中央银行和金融稳定中的应用调节器
- 量化非常规货币政策的再平衡渠道：通过嵌入方法估计投资者认为相似的资产，可以改善预测中央银行资产购买计划的再平衡渠道。
- 识别拥挤的行业：嵌入表示可以提供实时的拥挤交易衡量指标，并帮助识别涉及哪些股票以及哪些投资者推动市场主题和拥挤交易。
- 设计压力测试：利用嵌入模型预测投资者的下一笔交易，可以识别出可能导致系统性重要金融机构遭受损失的压力情景。
嵌入在金融市场之外的经济应用
- 嵌入方法也可以用于建模通货膨胀动态和相对价格动态。
进一步讨论
- 人工智能在中央银行沟通、网络风险和监管挑战、劳动力市场和更广泛的宏观经济影响等方面具有潜在应用。
- 本文呼吁国际清算银行及其同行机构提供更多关于全球股票、债券和衍生品持有量的数据，以促进监管机构、中央银行和私人机构评估系统性脆弱性。
结论
本文探讨了如何通过建模资产需求系统来帮助现代中央银行，并介绍了如何将现代人工智能工具应用于资产需求系统的模型中。本文认为，嵌入方法可以更好地理解投资者的替代模式、资产之间的相似性以及投资者之间的相似性，从而为政策决策提供更多信息，并使金融体系和世界经济更具抵御冲击的能力。
