中国房地产市场情绪指数：一种生成式人工智能方法及其在货币政策传导中的应用

核心观点

本研报探讨了如何利用生成式AI模型构建中国房地产市场情绪指数（CHMSI），并分析其对货币政策传导的影响。

CHMSI的构建

• 研究者使用OpenAI的GPT-4o模型，基于CSMAR数据库中的中文新闻文章数据，构建了CHMSI。
• 通过提示工程优化模型指令，GPT-4o在一致性、捕捉重大政策影响以及预测房价趋势方面优于传统模型和中国LLM。
• 研究者提出了八项有效的提示工程原则，为生成式AI在经济学研究中的应用提供了参考。

CHMSI的有效性测试

• 与人工评估对比：GPT-4o构建的CHMSI在多个测试中与人类评估结果最为一致。
• 政策事件分析：CHMSI能有效捕捉重大住房政策发布前后市场情绪的变化。
• 房价预测：基于CHMSI的机器学习模型在预测房价增长方面表现优于传统模型。

货币政策传导分析

• 研究者利用CHMSI和城市级百度搜索指数构建了“关注调整的中国房地产市场情绪指数”（AACHMSI）。
• 实证结果表明，在住房情绪乐观的城市，货币政策放松对非住房消费的挤出效应更强，即现有房主更可能进行房屋升级，从而减少非住房消费。
• 特别是在高学历且年龄在30至50岁之间的家庭中，挤出效应更为明显。
• 在住房情绪悲观的 城市，挤出效应较弱，货币政策对非住房消费的刺激作用更强。

研究结论

• 当前中国房地产市场悲观情绪下，货币政策对消费的刺激作用可能比过去更强，因为挤出效应减弱。
• 为提高货币政策有效性，需要配套结构性改革，如加强社会保障体系、提供替代投资机会等，以削弱房价传导渠道。
• CHMSI为监测住房情绪提供了可靠工具，其构建方法和提示工程原则可应用于其他国家和领域。