鄒 智

（中國人民銀行防城港市中心支行，廣西 防城港 538001）

一、研究背景與文獻綜述

為充分應對新冠肺炎疫情所帶來的挑戰(zhàn)，各國、各地區(qū)、各部門紛紛出臺的防控疫情、提振經(jīng)濟、扶持產(chǎn)業(yè)等政策之多，歷年罕見。及時對這些政策開展行之有效的政策效果評估，對總結(jié)經(jīng)驗、優(yōu)化方向、發(fā)現(xiàn)規(guī)律和把握先機，具有重要的理論和現(xiàn)實意義。

李成威等（2020）認為，發(fā)達國家為穩(wěn)定新冠肺炎疫情下受沖擊的經(jīng)濟社會而出臺的大規(guī)模財政政策的外溢性給全球經(jīng)濟帶來沖擊。田盛丹（2020）構(gòu)建可計算的一般均衡模型（CGE），對新冠肺炎疫情所產(chǎn)生的可能沖擊場景進行模擬，量化分析應對政策對我國宏觀經(jīng)濟和各行業(yè)部門帶來的影響。潘超和程均麗（2021）通過構(gòu)建開放經(jīng)濟DSGE 模型，證明中國央行“保增長”的利率政策和“穩(wěn)匯率”的匯率政策能夠更好地緩釋新冠肺炎疫情帶來的外部沖擊。此外，為量化政策影響，許多學者基于全球經(jīng)濟一體化背景下，利用橫斷面單位之間的依賴性來構(gòu)建原生事實。高華川和白仲林（2019）利用21 國匯率模擬英鎊匯率，采取時變Lasso方法研究2016年英國脫歐公投前后英鎊匯率的波動情況。

前述文獻基于宏觀經(jīng)濟模型、機器學習模型的研究創(chuàng)新，在提升政策效果評估能力和現(xiàn)實解釋中取得顯著成效，但仍是以確定性的算法評估或模擬復雜性的經(jīng)濟現(xiàn)象。實踐中，經(jīng)濟行為本身是隨著各種不確定性沖擊而階段性變化，算法應隨之變化，才能實現(xiàn)精確的政策效果評估。

二、構(gòu)建政策效果評估自動機器學習通用框架

本文以高華川和白仲林（2019）基于機器學習的政策評估方法為基礎(chǔ)，引入預定義空間內(nèi)的多模型搜索與匹配思想，在滿足目標的特征變量數(shù)量不為零的前提下，提出一個用于政策效果評估的自動機器學習通用框架。具體地，把觀測到的實際數(shù)據(jù)寫成如公式（1）所示：

Y1為目標變量的時間序列，Y2至YN是特征變量（數(shù)量不為零）的時間序列，T0是政策干預前的觀測結(jié)果，T1是政策干預后的觀測結(jié)果。進一步的，Yobs可以寫成如公式（2）的矩陣形式：

政策效果的評估具體為，利用Ypre,tr(0)、Ypre,co(0)和Ypost,co(0)選擇最佳模型來模擬不可觀測的原生事實，并與Ypost,tr(1)進行比較。

由于原生事實不可觀測，評價模型是否最佳的做法通常為安慰劑檢驗，首先將數(shù)據(jù)Yobs中T1部分剔除，此時所有的觀測數(shù)據(jù)均為沒有受到政策干預的變量，如公式（3）所示：

然后設(shè)定虛構(gòu)的政策發(fā)布時間，類似地，利用Ypre,tr(0)、Ypre,co(0)和Ypost,co(0)對預定義空間內(nèi)的所有模型進行訓練，并模擬“不可觀測的原生事實”，與Ypost,tr(1)進行比較，由于“不可觀測的原生事實”實際為可觀測的Ypost,tr()1，最小化二者的差距即得到最佳模型，如公式（4）所示:

三、基于文獻數(shù)據(jù)的驗證

（一）文獻數(shù)據(jù)集介紹

從評估政策效果或重大事件影響相關(guān)文獻的公開數(shù)據(jù)中，驗證提出的自動機器學習通用框架中的主要創(chuàng)新點即預定義空間內(nèi)多模型搜索與匹配方法的精確性。參考相關(guān)文獻的常用模型，在優(yōu)化設(shè)定條件下，比較人為指定模型和使用預定義空間內(nèi)多模型搜索與匹配方法之間的優(yōu)劣。

一是選用Hsiao et al.（2012）的數(shù)據(jù)集，涵蓋25個國家和地區(qū)1993 年第1 季度到2008 年第1 季度的實際GDP 增長率數(shù)據(jù)，日本等24 個國家和地區(qū)作為目標變量（香港）的特征變量。二是選用Gardeazabal&Vega-Bayo（2017）的數(shù)據(jù)集，涵蓋41個國家和地區(qū)1970 年到2009 年度的人均實際GDP 對數(shù)數(shù)據(jù)，澳大利亞等40個國家和地區(qū)作為目標變量（塞拉利昂）的特征變量。三是選用高華川和白仲林（2019）的數(shù)據(jù)集，涵蓋22 個國家和地區(qū)1995 年第2 季度到2018 年第4季度的匯率數(shù)據(jù)，美國等21個國家和地區(qū)作為目標變量（英國）的特征變量。

（二）結(jié)果對比

首先，使用文獻經(jīng)典Lasso模型，并同通過預定義空間搜索與匹配得到的模型進行安慰劑檢驗比較。將數(shù)據(jù)Yobs中T1部分剔除，按照0.5、0.7、0.9 比例（設(shè)定不同的虛構(gòu)政策發(fā)布時間），將數(shù)據(jù)集劃分為訓練集和測試集作回歸分析，然后輸出測試集的RMSE結(jié)果，如表1所示。對比發(fā)現(xiàn)，在三種劃分比例下，三個數(shù)據(jù)集在預定義空間搜索與匹配得到的模型測試誤差均小于Lasso 模型的測試誤差，模型性能均得到較大幅度的提升。

表1 三種數(shù)據(jù)集的Lasso模型與搜索模型的測試誤差（RMSE）對比

四、基于疫情數(shù)據(jù)的研究設(shè)計

（一）新冠肺炎疫情與政策回顧

本文將新冠肺炎疫情的演變過程按時間劃分為三個階段。

表2 新冠肺炎疫情以來的三個階段

時期1（中國增長期）：自2019年12月8日中國湖北武漢市發(fā)現(xiàn)首例可以追根溯源的新型冠狀肺炎病例起，到2020 年3 月18 日中國本土首次出現(xiàn)無新增確診新型肺炎病例。

時期2（世界爆發(fā)期）：自2020 年3 月起，意大利緊急封閉倫巴第大區(qū)及11 個省、英國提出“群體免疫”、美國加州和紐約州“封州”，歐美各國新冠肺炎疫情迅速蔓延，直至2020 年5 月6 日美國紐約州、加州為重啟經(jīng)濟又再度放松限制。

時期3（全球持續(xù)期）：受新冠肺炎疫情在全球持續(xù)擴散蔓延影響，2020年5月11日以來，中國吉林舒蘭市、北京市新發(fā)地等發(fā)生局部疫情，雖然得到很好控制，但中國零星病例和局部疫情的風險始終存在。與此同時，全球疫情確診人數(shù)不斷創(chuàng)歷史新高，這一時期直至2020年末。

中國與全球“當日新增確診”的三個時期演變走勢如圖1 所示。其中豎虛線的左側(cè)為時期1，豎黑線的右側(cè)為時期3，豎虛線右側(cè)與豎黑線左側(cè)為時期2。

圖1 中國與全球疫情演變的三個時期

相應地，觀察中國在新冠肺炎疫情以來頒布實施的一系列應對政策，不難發(fā)現(xiàn)與新冠肺炎疫情演變過程的三個階段密切相關(guān)。從國家及部委層面出臺的財稅金融政策特點來看，經(jīng)歷從時期1 與時期2 支持疫情防控，到推動復工復產(chǎn)、幫助市場主體渡過難關(guān)，再到時期3保產(chǎn)業(yè)鏈和供應鏈完整穩(wěn)定的演進過程。毫無疑問，這些變化考驗著中國決策層的相機決策水平和靈活應對的能力。此外，歐美日等國家和地區(qū)依據(jù)本國情況以應對疫情沖擊、復蘇經(jīng)濟為理由推出巨額資產(chǎn)購買計劃、無限量化寬松等大量金融刺激政策，我國金融政策也將受到溢出影響。

在新冠肺炎疫情演變的三個階段，中國及歐美央行出臺的涉及產(chǎn)業(yè)鏈或供應鏈的主要金融政策見表3。

表3 中國及歐美央行出臺的主要金融政策

（二）匯率邏輯和三個假設(shè)

綜合考慮中國貿(mào)易往來和資金流動與中國外匯經(jīng)常項目和資本項目的呼應程度，本文選擇人民幣匯率作為評估產(chǎn)業(yè)鏈、供應鏈金融政策效果的觀測變量，即目標變量。一方面，人民幣匯率可以認為是一國貨幣在全球貿(mào)易產(chǎn)業(yè)鏈、價值鏈的價格反映。中國人民銀行金融研究所所長周誠君在2020全球財富管理論壇上表示，產(chǎn)業(yè)鏈重構(gòu)過程中，人民幣國際化發(fā)揮著重要作用，在產(chǎn)業(yè)對外轉(zhuǎn)移的過程中使用本幣結(jié)算可以有效降低匯率風險和兌換成本。截至2020年末，我國所有的對外投資和貿(mào)易經(jīng)濟活動中大約35%的結(jié)算使用人民幣，其中對外直接投資的50%使用人民幣投資。另一方面，人民幣匯率變化充分反映全球市場對中國經(jīng)濟的預期和前景。實踐中，一個突發(fā)事件或者一項重大政策雖然需要長期的見效過程，但是其對于人民幣匯率影響卻已經(jīng)提前釋放。

金融政策方面，以人民幣匯率作為評估金融政策效果的觀測變量，必須在眾多新冠肺炎疫情以來出臺的金融政策中進行取舍。首先，鑒于人民幣匯率與短期資本流動密切相關(guān)，用于評估投入資金的金融政策效果將更為貼切。其次，由于人民幣匯率與對外貿(mào)易、吸引外資也有密切聯(lián)系，針對穩(wěn)外貿(mào)穩(wěn)外資的金融政策效果評估也更為準確有效。根據(jù)前面邏輯可以得出本文需要評估的三個重要金融政策為：

政策1：央行于2020 年2 月26 日出臺的《關(guān)于加大再貸款、再貼現(xiàn)支持力度促進有序復工復產(chǎn)的通知》，涉及至少5千億再貸款再貼現(xiàn)等資金投放。

政策2：央行于2020 年4 月27 日出臺的《關(guān)于增加再貸款再貼現(xiàn)額度支持中小銀行加大涉農(nóng)、小微企業(yè)和民營企業(yè)信貸投放的通知》，涉及至少1 萬億再貸款再貼現(xiàn)等資金投放。

政策3：政府于2020 年8 月12 日出臺的《關(guān)于進一步做好穩(wěn)外貿(mào)穩(wěn)外資工作的意見》，涉及至少5700億貸款規(guī)模支持外資企業(yè)和一籃子穩(wěn)外貿(mào)、穩(wěn)外資等優(yōu)惠政策。

進一步說明三項金融政策影響匯率的機理：政策1 與政策2 兩項金融政策間接上引起人民幣匯率變化，主要體現(xiàn)在貨幣政策與外匯政策聯(lián)動，隨著當前全球經(jīng)濟與金融一體化持續(xù)加深，楊子榮和白德龍（2016）等學者認為，中國貨幣政策會通過國際資本流動和外匯市場預期影響人民幣匯率。中國央行《2020年第二季度中國貨幣政策執(zhí)行報告》中也提出，貨幣政策的溢出、溢回效應越來越明顯。政策3則從直接上反映決策者建立人民幣匯率良好預期、保持產(chǎn)業(yè)鏈和供應鏈穩(wěn)定的意志與決心，李力等（2016）認為，短期資本外流會引起本國產(chǎn)出和物價水平的下降，對本國經(jīng)濟帶來不利沖擊，穩(wěn)定外資是維護國內(nèi)經(jīng)濟金融環(huán)境的重要內(nèi)容。

盡管匯率等目標變量的變動是由眾多因素構(gòu)成的，但是在一個有限的時間區(qū)間內(nèi)，某項重大公共事件突然發(fā)生或者特別政策實施時，其對匯率等目標變量或?qū)⒕哂袥Q定性的影響，進而提出以下三個假設(shè)：

假設(shè)1：在時期1，由于新冠肺炎疫情尚未在全球擴散蔓延，各國沒有針對性出臺疫情防控的特殊政策，故此時中國出臺的金融政策具有一定排他性，人民幣匯率可用于觀測評估這一時期的政策效果。

假設(shè)2：在時期2，各國為應對新冠肺炎疫情采取的一系列風險對沖政策，中國也在此期間繼續(xù)出臺支持生產(chǎn)生活秩序恢復、加速經(jīng)濟復蘇進程的相關(guān)政策，這一時期的各國政策或?qū)χ袊叽嬖谝欢ㄍ庖缬绊?，導致我國政策效應不強?/p>

假設(shè)3：在時期3，經(jīng)過前兩個階段各國政策密集出臺、政策空間極為有限后，主要國家匯率重新處在相對穩(wěn)定的環(huán)境上運行，此時中國出臺的金融政策具有決定性的影響，人民幣匯率可用于觀測評估這一時期的政策效果。

五、實證研究及結(jié)果分析

根據(jù)中商產(chǎn)業(yè)研究院2020 年一季度排行榜，本文把與中國進出口貿(mào)易前20位國家和地區(qū)貨幣的美元匯率數(shù)據(jù)，作為用于評估金融政策實施效果的人民幣的美元匯率的特征變量。鑒于新冠肺炎疫情暴發(fā)以來形成的觀測時間長度有限、互聯(lián)網(wǎng)對于政策傳播的實時放大效應及各國政策實施的時間差較短等原因，匯率數(shù)據(jù)周期為工作日。相應地，通過Wind數(shù)據(jù)庫提取新冠肺炎疫情以來18個國家和地區(qū)貨幣的美元匯率（歐盟境內(nèi)三國視同共為歐元），對存在缺失的少量數(shù)據(jù)采取前后線性插值法（前后平均）補齊。匯率起止時間為2019 年12 月8 日到2020 年9 月30 日，跨越新冠肺炎疫情演化的三個階段，對應需要評估的三個金融政策。

（一）政策1效果評估

1.預定義空間模型搜索與匹配。政策1 發(fā)布的時間是2020 年2 月26 日，對應前文所劃定的時期1，研究區(qū)間是2019年12月8日到2020年3月18日。安慰劑檢驗的區(qū)間是在政策1 發(fā)布之前，即2019 年12月8 日到2020 年2 月25 日。提取這一區(qū)間特征變量的匯率數(shù)據(jù)，按0.5、0.7、0.9比例并保持時間順序劃分為訓練區(qū)間和測試區(qū)間。對預定義空間內(nèi)的所有算法模型進行訓練，采用RMSE性能指標進行測試誤差排序，最終確定最佳算法模型為AdaBoost。

安慰劑檢驗區(qū)間內(nèi)，真實人民幣匯率與AdaBoost模擬的人民幣匯率走勢如圖2 所示。豎虛線位置為虛構(gòu)的政策1 發(fā)布時間點（0.9 比例），其左側(cè)為擬合部分，右側(cè)為測試部分。無論是擬合部分還是測試部分二者走勢非常接近，表明AdaBoost可以較好模擬人民幣匯率走勢。

圖2 安慰劑檢驗時的真實人民幣匯率與AdaBoost算法模擬的人民幣匯率走勢（政策1）

2.特征重要性分析。把政策1 發(fā)布之前的區(qū)間作為訓練區(qū)間（即整個安慰劑檢驗區(qū)間），政策1發(fā)布后的區(qū)間即2020年2月26日到2020年3月18日作為效果評估區(qū)間，提取訓練區(qū)間特征變量的匯率數(shù)據(jù)用于實例化模型AdaBoost，輸出特征變量的重要程度如圖3所示。其中，按縱坐標高低順序排列前10個特征變量，馬來西亞、日本和中國臺灣的貨幣對人民幣匯率的重要程度依次排在第一、第二和第三。

圖3 前10個國家和地區(qū)匯率對人民幣匯率的重要程度（政策1）

值得一提的是，人民幣與馬來西亞林吉特相關(guān)性增強，表明推進人民幣面向東盟跨境使用等金融創(chuàng)新試點面臨更大發(fā)展空間，圍繞中國與馬來西亞金融業(yè)務(wù)往來，加快金融創(chuàng)新試點政策落地實施恰逢其時。

3.政策1 效果評估。整個時期1 內(nèi)，真實人民幣匯率與AdaBoost模擬的人民幣匯率走勢如圖4所示，其中，豎虛線位置為真實的政策1 發(fā)布時間點，其左側(cè)為擬合部分，右側(cè)為預測部分。在擬合部分二者走勢非常接近，但在預測部分二者走勢發(fā)生較明顯的偏離，表明政策1發(fā)布后人民幣匯率出現(xiàn)波動，假設(shè)1得以驗證。進一步地，可以得到在安慰劑檢驗時的最大偏離度（圖2）和在模擬原生事實時的最大偏離度（圖4）之差為0.0393，即政策1 的出臺導致人民幣走強，最大升值幅度為0.0393。

圖4 實例化模型時的真實人民幣匯率與AdaBoost算法模擬的人民幣匯率走勢（政策1）

（二）政策2和政策3效果評估

重復政策1實證步驟，對政策2、政策3的預定義空間搜索與匹配的最佳算法模型分別是XGBoost、BayesianRidge，實例化模型時的真實人民幣與模擬的人民幣匯率走勢分別如圖5、圖6所示。

在圖5，預測部分二者走勢發(fā)生了并不十分明顯的偏離，表明政策2 發(fā)布后人民幣匯率波動不大，這與前文假設(shè)2 認為這一時期各國相繼出臺的政策或?qū)χ袊叽嬖谝欢ㄍ庖鐚_的判斷相符。

圖5 實例化模型時的真實人民幣匯率與XGBoost算法模擬的人民幣匯率走勢（政策2）

圖6預測部分二者走勢發(fā)生較明顯的偏離，表明政策3發(fā)布后人民幣匯率出現(xiàn)波動，假設(shè)3得以驗證。類似地，最大偏離度之差為0.124，即政策3的出臺導致人民幣走強，最大升值幅度為0.124。

圖6 實例化模型時的真實人民幣匯率與BayesianRidge算法模擬的人民幣匯率走勢（政策3）

值得一提的是，政策3 出臺以后，人民幣匯率表現(xiàn)出十分顯著的走強態(tài)勢，一方面是國際上對中國疫情防控措施的普遍好評，人民幣預期持續(xù)向好，人民幣資產(chǎn)吸引力上升。另一方面保持人民幣對美元升值，既有利于穩(wěn)定外貿(mào)進口、服務(wù)國內(nèi)經(jīng)濟大循環(huán)，進而推進人民幣國際化，又有利于吸引國際資金在國內(nèi)投資建廠、投入研發(fā)，從而推進全球供應鏈重塑并穩(wěn)固中國產(chǎn)業(yè)鏈的地位。

此外，實證研究還顯示，馬來西亞、越南、泰國及菲律賓等部分東盟國家對人民幣匯率的影響權(quán)重已經(jīng)超過歐美主要國家匯率，這也印證了2020 年以來東盟已經(jīng)成為中國第一大貿(mào)易伙伴的事實。

六、結(jié)論與啟示

本文提出一種政策效果評估的自動機器學習通用框架，結(jié)合部分文獻數(shù)據(jù)在對該通用框架的主要創(chuàng)新點即預定義空間內(nèi)多模型搜索與匹配方法進行驗證的基礎(chǔ)上，利用中國與主要貿(mào)易國之間的匯率依賴性，分別構(gòu)建三個機器學習模型模擬原生事實，評估我國三項涉及實現(xiàn)產(chǎn)業(yè)鏈、供應鏈完整穩(wěn)定的相關(guān)金融政策實施后的效果。研究發(fā)現(xiàn)，盡管在新冠肺炎疫情演變的不同時期，中國金融政策受到各國相繼出臺的量化寬松政策的溢出影響，人民幣匯率隨之產(chǎn)生不同的變化，但在較短時間內(nèi)三項金融政策均起到穩(wěn)定人民幣匯率預期進而達到穩(wěn)外貿(mào)和穩(wěn)外資的效果。

本文研究獲得的政策啟示是：第一，在面對全球性重大疫情或突發(fā)事件時，考慮相關(guān)金融政策出臺時機應確保及時有效，把切實增強政策實施的針對性放在更重要的位置，精準有效地實施定向調(diào)控和相機調(diào)控。第二，構(gòu)建國內(nèi)國際雙循環(huán)相互促進的新發(fā)展格局是根據(jù)中國發(fā)展階段、環(huán)境變化的必然選擇，政策制定過程中既要充分把握國內(nèi)經(jīng)濟基本面，又要深入分析國際政治經(jīng)濟形勢，切不可把兩個循環(huán)割裂開來。第三，隨著當前全球經(jīng)濟與金融一體化持續(xù)加深，各國頒布實施的相關(guān)金融政策溢出效應似乎變得更加明顯，國與國之間應加強國際宏觀經(jīng)濟金融政策的協(xié)調(diào)，只有合作才能共同應對未知挑戰(zhàn)。