核心观点
- 资产需求系统的重要性： 资产需求系统通过投资者偏好、约束和信念的假设以及经济基础来微基础化，与传统资产定价和宏观金融模型相一致。该系统对于事后评估和事前预测中央银行政策干预如何影响资产价格、财富分配和金融稳定至关重要。
- 需求系统方法的优势： 与传统模型相比，需求系统方法直接基于丰富的持有数据、资产价格和经济基础，考虑了投资者需求实际上较为刚性的新实证事实。
- 需求系统方法的应用： 需求系统方法可以帮助理解金融传染、便利收益或美元强度等关键资产价格波动的原因，并为设计最优政策（如量化宽松或气候压力测试）提供信息。
关键数据和研究结论
- 欧洲主权债务危机： 需求系统方法可以解释欧洲主权债务危机期间，脆弱国家的长期国债收益率相对于德国长期国债收益率的急剧上升，并揭示欧洲投资者在金融传染中的作用。
- 机构投资者的影响： 需求系统方法可以分解机构和家庭在解释全球金融危机期间股票市场波动中的相对贡献，发现大型机构投资者对股市波动的影响相对较小。
- 外汇储备管理： 需求系统方法可以量化外汇储备对汇率和债券收益率的影响，例如，外汇储备解释了美元便利收益率的0.94个百分点。
- 气候压力测试： 需求系统方法可以用于评估气候风险对金融市场和受监管机构的影响，例如，评估银行和保险公司对棕色企业的资本要求变化。
- 人工智能与嵌入： 现代人工智能模型，特别是大型语言模型，可以用于衡量资产和投资者的相似性，即资产嵌入和投资者嵌入。这些嵌入可以用于理解货币政策的再平衡渠道、识别拥挤交易、设计压力测试等。
未来研究方向
- 数据获取： 希望国际清算银行及其同行机构能够提供更多关于全球股票、债券和衍生品持有量的数据，以改进模型估计和训练效果。
- 拥挤交易： 使用嵌入提供实时的拥挤交易衡量指标，并评估拥挤交易对资金错配程度和投资者脆弱性的影响。
- 网络安全风险： 人工智能快速发展带来的网络安全风险监管挑战，特别是对新进入者的监管。
- 中央银行沟通： 利用语言模型改进中央银行沟通，并分析中央银行沟通博弈。
- 人工智能对经济的影响： 研究人工智能对企业的影响力、劳动力市场以及更广泛的经济体系的影响。
