◇江振龍（金融研究所副研究員）
人工智能從“數據—模型—理論”三個維度深刻改變了宏觀金融的研究范式。一是AI提升了宏觀金融的分析預測能力。傳統宏觀金融分析主要依賴官方統計數據，其頻率較低且存在發布時滯。AI既能對企業、居民和金融機構產生的海量微觀數據進行實時處理與聚合，從微觀行為中提取宏觀經濟信號，也能借助自然語言處理、圖像識別和機器學習等技術，從新聞文本、企業公告、社交媒體等非結構化數據中提取實時經濟金融信息，為宏觀金融分析預測提供更加及時豐富的信息支撐。二是AI提升了宏觀金融模型的計算能力。傳統宏觀金融模型多采用低階近似方法求解，但隨著異質性主體、金融摩擦及更多狀態變量的引入，傳統計算方法難以兼顧計算效率與求解精度。三是AI推動宏觀金融理論創新發展。傳統宏觀金融理論大多建立在理性預期和代表性主體等假設上，難以刻畫現實經濟系統的非線性和異質性特征以及經濟與金融的復雜交互機制。AI憑借強大的數據挖掘和模式識別能力，推動宏觀金融理論向更加注重微觀基礎、經濟主體異質性和非線性作用機制方向演進。
然而，AI對宏觀金融研究帶來的挑戰亦不可忽視。其一，AI正弱化宏觀金融理論假設的適用性。隨著算法交易、智能投顧和算法定價等技術的廣泛應用，越來越多的經濟決策由算法而非自然人完成。當算法主體在市場運行中占據主導地位時，宏觀金融理論的微觀基礎將發生深刻變化。現有理論關于預期形成、市場均衡和政策傳導的分析框架亟待重新檢驗。其二，AI可能弱化宏觀金融研究中的理論驅動機制。宏觀金融研究的核心任務并非簡單提升預測精度，而是識別經濟運行規律并揭示因果機制。大語言模型已能夠完成文獻梳理、代碼生成、數據處理甚至實證分析工作，在提高研究效率的同時可能誘發“重結果、輕機制”傾向。若研究者將大語言模型輸出視為知識本身，忽視其背后的理論邏輯與識別條件，宏觀金融分析則容易演變為挖掘數據間的相關性，從而削弱理論解釋現實和指導實踐的能力。其三，AI正重塑宏觀金融運行機制，并可能催生新的系統性金融風險。在AI廣泛應用于經濟金融領域的背景下，算法之間的同質性可能引發羊群效應，放大金融市場波動。同時，AI大模型的“黑箱”特征增加了風險識別和監管難度。如何刻畫智能體決策行為、識別新型風險傳導機制并完善監管體系，將成為宏觀金融研究的一項重要課題。
面對AI帶來的機遇和挑戰，青年學者需要在技術應用與理論創新之間尋求平衡。一方面，應堅持以理論為研究起點。無論AI如何發展，宏觀金融研究的核心仍是對經濟金融運行的現象及機制作出分析和解釋。扎實掌握宏觀經濟學、貨幣金融學和計量經濟學等基礎理論，是正確運用AI工具并識別其局限性的前提。另一方面，應更加重視制度背景與現實問題的研究導向。經濟金融的運行往往受到制度安排、政策環境和歷史條件的影響，這些因素難以完全通過大語言模型自動獲得。要深入理解和分析中國經濟金融的運行特征，調查研究始終是關鍵一招。同時，應建立清晰的人機協同邊界。AI可以承擔搜集信息、處理數據和編寫程序等輔助工作，但提出研究問題、構建理論框架、設計因果識別策略以及闡釋政策含義等核心工作，必須由研究者主導完成。唯此，AI才能真正服務于學術創新，而非替代學術思考。
未來，要積極推動AI與宏觀金融理論的融合發展，深化對經濟金融運行規律的認識，為推動高質量發展、加快構建新發展格局提供堅實的理論支撐。
