[国际清算银行]：人工智能和大数据：央行的机遇（英）

人工智能与大持股数据：央行的机遇

引言

2024年6月28日，国际清算银行（BIS）在瑞士巴塞尔召开了第23届年度会议，主题为“导航未知水域：中央银行的机会与风险”。会议发表了四篇论文，其中BIS Paper No. 150探讨了重访过去十年的货币政策。

主要内容

1. 资产需求系统的现实模型

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。近年来，由于大额持有数据的可获得性和建模技术的进步，估计资产需求系统已成为现实。资产需求系统为政策决策提供改进的信息，如金融传染、便利收益或美元的强度，也可用于设计最优政策，如量化宽松或环境风险监管。

2. 人工智能在资产需求系统中的应用

现代人工智能方法通过所谓的嵌入更好地衡量资产和投资者的相似性，这些嵌入可以用于中央银行的政策制定，以理解资产购买计划的再平衡渠道，并衡量拥挤交易。Gabaix等人提出，现代大型语言模型的核心在于嵌入，这些嵌入是用于捕捉词语相似性的数值表示。通过将单词、句子或段落映射到嵌入中，这些模型可以用于分类文本、测量其情感或生成新文本。在当前的研究中，我们专注于如何使用大规模持股数据通过一种模型架构和训练方法来估计资产和投资者嵌入。

3. 资产需求系统在政策制定中的应用

资产需求系统通过建模投资者偏好、约束条件和信念，以及经济基本面（如收益和通胀）来进行微观基础设定。通过需求系统方法，Koijen和Yogo开发了一个全球资产需求系统，涵盖了37个发达国家和发展中国家的短期和长期债券市场以及股票市场。该模型可以解释这些资产价格和汇率的变化。例如，重新审视2009-10年的欧洲主权债务危机，Koijen和Yogo发现，希腊的长期国债收益率变化可以追溯到基本面因素，尤其是与评级下调和股票波动性激增有关。而意大利和葡萄牙的情况则显示潜在需求扮演了重要角色。

4. 利用嵌入理解市场现象

嵌入方法可以帮助理解投资者在市场中的行为，如拥挤交易。通过比较持有相同股票的不同投资者，可以了解投资者之间的相似性。Gabaix等人提出，资产嵌入可以视为投资者用于构建投资组合时所使用的相关信息的学习表示。我们使用与成功应用于语言模型的模型架构相同的设计来估计这些嵌入。剩余的问题是如何获取用于估计这些嵌入的数据。我们展示了投资者的投资组合持有数据是估计资产和投资者嵌入的理想选择。

5. 实时应用与未来展望

需求系统还可以用于研究国家净外资产地位中的不平衡以及这些外资产位的回报情况。此外，通过估计外汇储备需求，可以量化外汇储备在中央银行工具箱中的重要性。最后，通过嵌入方法，可以识别拥挤的行业，理解涉及哪些股票以及哪些投资者推动市场主题和拥挤交易。

关键数据

Gabaix等人（2024）：重新审视2009-10年的欧洲主权债务危机，发现希腊的长期国债收益率变化可以追溯到基本面因素，尤其是与评级下调和股票波动性激增有关。
Koijen和Yogo（2020）：估计了对希腊、意大利和葡萄牙长期收益率变化的方差分解，并将其分为组合流动、宏观经济变量以及超出宏观经济变量变化的需求变动。
Koijen等人（2021）：估计了欧元区主权债务市场的资产需求系统，发现外国投资者对价格非常敏感，并出售了不成比例数量的持有量。
Koijen和Yogo（2020）：发现隐含的外汇储备需求解释了年度汇率变动的10%，并且外汇储备对于解释美元和美国国债的便利收益率非常重要。