7月20日上午，第六届“香樟青苗计划”开班仪式在中国社会科学院大学隆重举行。主办方特邀中国科学院数学与系统科学研究院、中国科学院预测科学研究中心特聘研究员，中国科学院大学经济与管理学院院长洪永淼教授以“Forecasting Inflation Rates Using a Large Panel of Individual Stock Prices”为题展开主旨演讲。

【嘉宾简介】

洪永淼，中国科学院数学与系统科学研究院、中国科学院预测科学研究中心特聘研究员，中国科学院大学经济与管理学院院长、特聘教授，发展中国家科学院院士，世界计量经济学会会士和国际应用计量经济学会会士。在经济学、金融学和统计学中英文权威期刊发表文章130余篇。研究领域为计量经济学、时间序列分析、金融计量学、统计学，2014-2022 年连续9年入选Elsevier经济学/统计学中国高被引学者榜单。

洪永淼教授的学术报告是基于他和中央财经大学经济学院黄乃静副教授、北京大学汇丰商学院汪意成助理教授等人组成的研究团队正在进行的一个研究项目。

过去三年，新冠疫情导致多国货币供给量大幅扩张，造成了严重的通货膨胀。部分发达经济体通胀水平居高不下，甚至出现通货紧缩的预警信号，使得各国对通货膨胀率的预测工作备受关注。作为影响物价稳定的关键因素，通货膨胀率的控制是央行履行职责的重要绩效指标。同时，企业和消费者的投资决策也深受通胀预期的影响。无论从宏观经济稳定还是微观主体决策的角度来看，精准预测通货膨胀率都是当下的重大课题。

洪永淼教授

经济结构变化多端、经济政策的不确定性、技术进步及各类外生冲击的影响，都导致宏观经济关系变得不稳定。传统的菲利普斯曲线模型、向量自回归模型以及结构化向量自回归模型等多元时间序列模型，在预测宏观经济方面暴露出其局限性。其中最核心的一个问题在于，这些模型主要利用国民经济计量核算中的加总数据。数据聚合会造成微观层面关键信息的缺失，导致预测变得平滑，无法反映实际通胀的跳跃变化。而使用微观样本的数据，往往由于数量有限，也难以进行有效预测。

鉴于传统预测方法的局限性日渐明显，为突破预测难点，洪永淼团队创新性地使用大量微观的面板数据，结合机器学习算法来预测宏观的通货膨胀率，具有重大的理论和实践意义。这一研究选择了1500家上市公司的股票数据，并运用机器学习进行预测，将个体层面股票价格与各类机器学习模型相结合，验证了大量微观资产价格对于通货膨胀率的预测能力。实证研究结果表明，相对已有宏观经济学预测通货膨胀的流行方法，包括自回归模型、随机游走模型、因子模型等在内，洪永淼团队提出的基于大量微观股票价格数据的新的预测方法，其预测精度有巨大改进。洪永淼团队还应用机器学习领域测度特征重要性的方法，分别研究美国、英国、以及日本不同行业的上市公司股价对预测通货膨胀率影响的占比，结果表明，对通货膨胀率最有预测能力的行业取决于每个国家的经济结构，特别是每个国家最具国际竞争力的那些行业。

洪永淼团队的研究结果表明：一、大量微观数据能够大幅度改进对通货膨胀率的预测精度；二、预测时间跨度越长，机器学习预测能力降低的幅度比自回归基准模型预测能力降低的幅度会更慢，显示微观股价包含预测长期通货膨胀率的信息；三、与单独使用宏观数据或使用因子模型相比，额外将微观数据加到预测变量集对通货膨胀率的预测精准度有大幅度的提高。

最后，洪永淼教授进一步强调，不管是从计算经济学、统计学还是宏观经济学的研究视角，我们都需要深刻理解宏观经济学的微观基础。当今大数据时代为经济学和计量经济学理论和方法的创新提供了难得的历史机遇。只有将经济学基础理论与数据算法工具紧密结合起来，才能取得真正的原创性突破。

在随后的问答环节中，张涛老师、香港科技大学（广州）的姚金辛等同学纷纷向洪永淼教授提出建设性问题。洪永淼教授耐心而详尽地解答了各位同学的疑问，并鼓励大家关注前沿新方法，将经济学理论与计量技术有机结合，以提高研究的解释力和实践指导意义。

衷心感谢洪永淼老师挥洒学术激情，志愿为青苗学员奉献宝贵时间与知识。相信老师的精彩讲座必将对青苗学员开拓学术视野、深化理论学习产生深远影响！