不同中央银行如何预测其经济走势
全球建模框架的比较分析
您是否曾好奇不同国家如何预测其经济走势？本页面比较了全球六家主要中央银行所采用的计算机模型与方法。我们将用通俗易懂的语言解析它们的异同之处。
对六家主要中央银行宏观经济建模方法的全面分析，考察其主要预测与政策分析框架的理论基础、实证方法论、政策整合及运营部署。
中央银行面临一项根本性挑战：货币政策对经济的影响存在漫长且不固定的时滞，通常为12至24个月。当政策制定者观察到通货膨胀上升或失业率变化时，推动这些结果的经济力量往往早在数个季度前便已启动。这使得前瞻性分析变得极为迫切——模型帮助中央银行预判经济走势，而非单纯对当前状况作出被动反应。
经济模型在中央银行中发挥三项主要职能。首先，它们生成基准预测，为政策审议提供依据——当美联储讨论是否加息时，来自FRB/US的工作人员预测提供了不同利率路径将如何影响通货膨胀和就业的量化估计。其次，模型便于进行反事实分析——了解在替代政策情景下可能发生的情况。第三，它们确保内部一致性，使不同经济变量的预测假设不会以违反基本会计恒等式或行为关系的方式相互矛盾。
然而，模型并非万能。它们捕捉的是历史观测到的规律，但在结构性断裂时期可能失效——2008年金融危机令大多数央行模型措手不及，因为这些模型缺乏有意义的金融部门。模型在应对量化宽松或收益率曲线控制等前所未有的政策时也举步维艰，因为有限的历史数据使得参数估计不可靠。正因如此，中央银行维护多种模型，并在机械化模型输出结果上叠加大量专家判断。
央行宏观经济模型可沿多个维度分类：理论基础（DSGE与半结构性）、规模（小型与大型）、估计方法（贝叶斯与最大似然）及政策整合程度（操作性与研究导向）。
所研究的六家主要中央银行代表了宏观经济建模的不同演进路径，反映了各司法管辖区特有的机构偏好、经济结构和政策框架。
主要模型：FRB/US
方法：将理论与现实数据规律相结合
特色功能：内容详尽，定期更新
主要模型：FRB/US（284个方程）
框架：大规模估计一般均衡
创新点：优化理论的灵活应用
主要模型：NAWM与ECB-BASE
方法：采用两种不同类型进行交叉验证
特色功能：在统一货币区内处理19个国家
主要模型：NAWM II（DSGE）、ECB-BASE（半结构性）
框架：双轨建模方法
创新点：多国货币联盟建模
当前模型：COMPASS（正在替换）
方法：严格经济理论（效果欠佳）
特色功能：因受批评正在进行重大改革
当前模型：COMPASS（DSGE，审查中）
框架：新凯恩斯主义DSGE（2024年伯南克评审）
状态：批评后的根本性重新审视
主要模型：QPM（季度预测模型）
方法：从发达国家模型改造适用于印度
特色功能：应对快速经济发展
主要模型：QPM（改编自加拿大银行）
框架：具有新兴市场特征的半结构性
创新点：食品通胀与非正规部门建模
主要模型：Q-JEM加DSGE模型
方法：针对不同目的采用多种模型
特色功能：专为低通胀环境设计
主要模型：Q-JEM（200+方程）+ M-JEM（DSGE）
框架：模型组合方法
创新点：通货紧缩与非常规政策建模
模型：多种（详情未对外公开）
方法：政府主导与市场要素相结合
特色功能：公开信息极为有限
框架：具有中国特色的DSGE（推断）
透明度：模型披露极为有限
特征：国有企业部门、资本管制、行政工具
不妨把这些类型想象成预测天气的不同方式：
类比：从物理方程出发来预测天气
运作方式：基于关于人和企业"应该"如何行为的经济理论
适用场景：理解事件发生原因、长期分析
局限性：人的行为并不总符合理论预测
使用机构：英格兰银行（COMPASS）、部分欧洲中央银行模型
类比：通过观察过去的天气规律来预测明天
运作方式：以历史实际数据为基础，并融入部分理论
适用场景：短期预测、实际政策决策
局限性：当经济发生剧烈变化时可能失效
使用机构：美联储（FRB/US）、日本银行（Q-JEM）
类比：采用多种天气预测方法并比较结果
运作方式：运行多种不同类型的模型，观察其共识所在
适用场景：获得更可靠的预测结果、发现错误
局限性：更为复杂，需要更多资源
使用机构：欧洲中央银行、日本银行
央行建模领域的根本分歧在于：强调理论一致性的微观基础DSGE模型，与优先考虑实证拟合和预测表现的半结构性模型之间的取舍。
| 框架 | 理论基础 | 实证方法 | 政策整合 | 主要优势 | 主要局限 |
|---|---|---|---|---|---|
| 纯DSGE （英格兰银行COMPASS） | 微观基础优化 | 贝叶斯估计 | 结构性政策分析 | 理论一致性、福利分析 | 实证拟合差、预测精度低 |
| 半结构性 （美联储FRB/US、日本银行Q-JEM） | 选择性微观基础 | 最大似然、灵活设定 | 情景分析、预测 | 实证拟合、预测表现 | 理论连贯性有所降低 |
| 双轨型 （欧洲中央银行NAWM + ECB-BASE） | 互补的DSGE + 半结构性 | 多种估计方法 | 交叉验证、稳健性检验 | 理论深度 + 实证表现 | 复杂度高、资源密集 |
| 新兴市场型 （印度储备银行QPM） | 改编自发达国家框架 | 针对结构特征进行调整 | 以发展为导向的政策分析 | 针对新兴市场动态量身定制 | 受数据可用性和结构性断裂限制 |
| 不透明型 （中国人民银行） | 推断性DSGE结合国家管控 | 未知/披露有限 | 行政手段 + 市场机制 | 灵活性、政策整合 | 缺乏透明度、外部验证不足 |
尽管方法各异，所有中央银行都面临相似的挑战，并采用相似的基本构建模块：
所有机构都对以下关键关联进行建模：
所有中央银行均追踪类似的经济指标：
所有中央银行都致力于：
尽管方法论存在差异，所有央行模型都包含相似的核心经济关系和传导机制，这反映了围绕关键实证规律和政策传导渠道的趋同。
| 共同特征 | 美联储 | 欧洲中央银行 | 英格兰银行 | 印度储备银行 | 日本银行 | 中国人民银行 |
|---|---|---|---|---|---|---|
| 菲利普斯曲线 | ✓ 混合型 | ✓ 多部门 | ✓ 新凯恩斯主义 | ✓ 食品/核心拆分 | ✓ 修正型 | ✓ 推断性 |
| IS曲线/消费 | ✓ 详细 | ✓ 开放经济 | ✓ 优化家庭 | ✓ 新兴市场 | ✓ 习惯形成 | ✓ 国家影响 |
| 货币政策规则 | ✓ 泰勒型 | ✓ 修正泰勒 | ✓ 泰勒规则 | ✓ 灵活目标 | ✓ 考虑零利率下限 | ✓ 多工具 |
| 汇率渠道 | ✓ UIP + 风险 | ✓ 多国 | ✓ UIP | ✓ 管理浮动 | ✓ 避险 | ✓ 受控 |
| 金融摩擦 | ✓ 信贷渠道 | ✓ 银行业部门 | ✓ 金融加速器 | ✓ 信贷约束 | ✓ 银行贷款 | ✓ 双轨银行 |
| 预期形成 | ✓ VAR + 判断 | ✓ 模型一致 | ✓ 理性 + 学习 | ✓ 适应性 + 前瞻 | ✓ 混合型 | ✓ 国家引导 |
央行建模框架反映了各司法管辖区特有的机构优先事项、经济结构和政策挑战。适用于美联储的方法——针对拥有深度金融市场的大型、相对封闭经济体进行建模——并不适合印度储备银行，后者须应对发达经济体所没有的食品通胀波动、非正规部门动态和新兴市场脆弱性。
特色所在：
采用此方法的原因：拥有成熟金融市场的大型复杂经济体
特色所在：
采用此方法的原因：管理货币联盟需要应对额外的复杂性
特色所在：
出现这一情况的原因：英国脱欧和近期经济冲击暴露了模型弱点
特色所在：
采用此方法的原因：发展中经济体的行为方式与富裕国家不同
特色所在：
采用此方法的原因：日本经济面临其他国家所没有的独特挑战
特色所在：
采用此方法的原因：计划经济要素需要不同的建模方法
尽管核心经济关系趋于一致，但在模型架构、估计策略、政策整合和运营部署方面仍存在显著差异，这些差异反映了各机构的偏好和经济特征。
| 维度 | 美联储（FRB/US） | 欧洲中央银行（NAWM/BASE） | 英格兰银行（COMPASS） | 印度储备银行（QPM） | 日本银行（Q-JEM） | 中国人民银行（？） |
|---|---|---|---|---|---|---|
| 模型规模 | 大型（365个变量） | 大型 + 中型 | 中型（约100个变量） | 中型（约80个变量） | 大型（300+个变量） | 未知 |
| 理论严谨性 | 中等 | 高（NAWM） | 高 | 中等 | 中等 | 改编型 |
| 实证灵活性 | 高 | 中等 | 低 | 高 | 高 | 未知 |
| 开放经济 | 有限 | 核心特征 | 完整建模 | 完整建模 | 完整建模 | 受控 |
| 金融部门 | 嵌入式 | 成熟 | 基础 | 成长中 | 详细 | 双轨体系 |
| 更新频率 | 季度 | 半年 | 季度 | 半年 | 季度 | 未知 |
| 政策整合 | 高 | 高 | 下降中 | 增长中 | 高 | 假设较高 |
各中央银行在制定政策时，对模型输出结果与专家判断的权重分配存在显著差异。这种差异既反映了机构文化，也体现了历史经验——遭遇重大预测失误的央行往往会降低对模型的依赖，而预测记录良好的央行则会赋予模型在审议中更大的权威。
美联储 & 欧洲中央银行
日本银行 & 印度储备银行
英格兰银行 & 中国人民银行
当中央银行更信任其模型时，其决策往往：
模型融入政策过程的程度差异显著，这反映了机构文化、模型绩效历史和替代分析能力的不同。本评估考察正式整合与实际影响两个维度。
| 机构 | 正式整合 | 预测依赖 | 政策规则影响 | 沟通作用 | 覆盖频率 | 综合评估 |
|---|---|---|---|---|---|---|
| 美联储 | 高 | 高 | 中等 | 高 | 低 | 强整合 |
| 欧洲中央银行 | 高 | 高 | 高 | 高 | 低 | 强整合 |
| 英格兰银行 | 下降中 | 低 | 低 | 中等 | 高 | 弱整合 |
| 印度储备银行 | 中等 | 中等 | 中等 | 中等 | 中等 | 中等整合 |
| 日本银行 | 中等 | 高 | 低 | 中等 | 中等 | 中等整合 |
| 中国人民银行 | 未知 | 未知 | 未知 | 低 | 未知 | 不透明 |
经济模型不断演进，正如天气预报在过去几十年中持续改进一样。以下是未来的发展趋势：
功能：帮助发现人类可能遗漏的规律
示例：分析数以百万计的新闻文章以预测经济情绪
使用机构：所有机构均在探索，美联储和欧洲中央银行处于领先地位
功能：随着新信息的到来即时更新预测
示例：利用卫星图像追踪经济活动
使用机构：所有主要中央银行均大力投入
功能：利用以往被忽视的海量信息
示例：信用卡消费数据、谷歌搜索、社交媒体
使用机构：美联储和欧洲中央银行最为先进
COVID-19及其他近期事件告诉中央银行：
央行建模正经历重大变革，驱动因素包括：计算能力的提升、数据可用性的增加、方法论创新，以及从历次危机中汲取的经验教训，包括2008年金融危机、COVID-19疫情及后疫情时代通货膨胀激增。
| 创新领域 | 美联储 | 欧洲中央银行 | 英格兰银行 | 印度储备银行 | 日本银行 | 中国人民银行 |
|---|---|---|---|---|---|---|
| 机器学习整合 | 先进（即时预测） | 先进（预测） | 中等 | 新兴 | 中等 | 未知/先进 |
| 高频数据 | 广泛（GDPNow） | 增长中 | 中等 | 有限 | 中等 | 广泛（推断） |
| 基于主体的模型 | 研究阶段 | 积极研究 | 有限 | 初步 | 研究阶段 | 未知 |
| 气候整合 | 增长中 | 先进 | 领先 | 有限 | 中等 | 政策驱动 |
| 金融稳定 | 已整合 | 先进 | 压力测试为主 | 发展中 | 中等 | 宏观审慎 |
| 实时估计 | 先进 | 中等 | 有限 | 基础 | 中等 | 先进（推断） |
经济预测正在不断改善，得益于：
结论：尽管没有任何模型能做到完美，但中央银行正在不断提高理解和预测其经济体的能力，这有助于它们做出影响我们所有人的更好决策。
本分析揭示了主要中央银行在建模方法上存在显著异质性，反映了不同的机构偏好、经济结构和演进路径。然而，核心关系和新兴方法论趋势中趋同的迹象清晰可见。
央行建模在技术进步、数据可用性以及历次危机经验的推动下持续快速演进。尽管各方法仍存在异质性，但明显向更灵活、更透明、更具实证基础的框架趋同，这些框架是对政策判断的补充，而非替代。
最成功的机构似乎是那些将理论严谨性与实证灵活性相结合、保持高透明度标准、整合多种建模方法，同时为专家判断和快速适应不断变化的环境保留空间的机构。