报告题目：资产价格与中国通货膨胀率预测——基于个体上市公司资产价格和机器学习的视角

报告人：黄乃静，中央财经大学

报告时间：2022年7月15日 09:30-10:30

报告地点：腾讯会议

摘要：预测通货膨胀是货币政策制定和实施过程中的重要部分。宏观金融经济学理论文献表明，资产价格是通货膨胀和实际经济活动的良好预测指标。然而，实证文献的结果对于理论的支持存在争议。本文将个体层面股票价格与各类机器学习模型相结合，验证了资产价格对于中国CPI和PPI通货膨胀率的预测能力。在通胀高波动率和我国CPI、PPI背离时期，此类模型的优势更加明显。特别地，本文提出了全新的基于个体上市公司经济特征的定制套索模型（Tailored Lasso Model），将上市公司的市值、存续时间和融资约束等特征引入到惩罚参数的交叉验证过程中（cross validation）来改进机器学习算法，显著提高了预测精度。定制套索模型实现了经济理论和机器学习算法的有机结合，在一定程度上打开了算法的黑箱，赋予了预测结果经济学含义，不仅如此，新的方法将经济理论反哺于算法，提高了计算效率，体现了经济学科在算法改进中的意义和价值。

黄乃静简历：黄乃静，中央财经大学经济学院副教授，博士生导师，国民经济系主任。2015年取得美国波士顿学院经济学博士学位。以金融计量经济学和货币经济学为主要研究方向，先后在《管理科学学报》、《经济学动态》、《Emerging Market Finance and Trade》、《Applied Economic Letters》等国内外学术刊物发表多篇论文。获得2017年厦门大学金融工程与量化金融学术会议最佳论文奖、2014年美国国家科学基金会旅行奖励（US National Science Foundation Travel Grant）等学术奖项。主持并参与多项国家自然科学基金、国家社科基金等。

邀请人：聂天洋

联系人：聂天洋，联系方式：nietianyang@sdu.edu.cn