BIS-人工智能与大数据持有：央行的机遇-23页_422kb

中文摘要

本文分析人工智能与大规模持仓数据对中央银行政策制定的影响。研究表明，中央银行需基于资产需求系统定量模型评估政策干预对资产价格、财富分配及金融稳定的作用。

核心内容

资产需求系统通过结合投资者需求模型与市场价格均衡条件，在可观测的数据支持下，能够更精确地捕捉资产价格波动。该研究指出：

1. 理论突破：传统资产定价模型因假设投资者需求高度弹性而与实际情况不符。新方法基于大规模持仓数据直接建模资产需求系统。

2. AI技术应用：运用**向量化嵌入（embeddings)**技术，将资产和投资者特征转化为数值表征，量化其相似性。这一方法源自自然语言处理领域，但被成功应用于金融经济学，可度量在疫情期间、“AI”等新经济环境下企业特征变化。

3. 政策应用：资产再平衡渠道分析、拥挤交易识别、气候压力测试等新型政策工具已初步建立模型支持，为中央银行进行前瞻性调控提供新视角。

AI嵌入模型的技术突破

传统方法依赖手动设定资产行业、评级等特征，局限性明显。本文提出四个创新点：

• 基于基金持仓数据训练资产向量表征
• 构建投资者行为向量模型
• 应用自然语言处理技术（如BERT模型）解析财报文本获取经济信息
• 开发检索增强生成模型（RAG）解释向量表征的经济内涵

后续研究方向

1. 建议国际清算银行开放更多实时持仓数据支持建模
2. 拓展至消费者价格动态、劳动力市场影响等宏观经济研究
3. 关注AI技术风险（如网络安全、算法系统性偏见）

结论

人工智能嵌入方法为中央银行应对量化宽松、货币政策传导等复杂问题提供全新解决方案，有望在未来重大危机中发挥关键作用。

字数：498