3月27日下午，由武汉大学经济与管理学院金融系、武汉大学金融研究中心、武汉大学金融发展与政策研究中心、武汉大学金融工程与风险管理研究中心共同主办，武汉大学经济与管理学院金融系承办的景林珞珈金融论坛第229期在经管院A208举行，中央财经大学姜富伟教授为我校师生带来了题为“基于经济叙事和机器学习预测通货膨胀”的学术报告。讲座由金融系李斌老师主持，20余名师生参会。

该项研究聚焦于使用大型新闻语料库和机器学习算法将经济叙事应用于通胀预测。姜富伟教授详细阐述了该项研究的研究背景、研究方法以及研究成果，结论表明基于叙事的预测在样本内以及样本外的表现均优于基准预测。

首先，姜富伟教授介绍了近年来大数据科学以及人工智能技术的蓬勃发展，其中重点阐述了叙事文本大数据在经济和金融中的重要应用价值以及与之相对应的自然语言处理技术。

接着，姜富伟教授对“预测通货膨胀率”这一主题进行展开讨论，主要阐述了预测通货膨胀率对政府决策、公共信心的重要性以及对通货膨胀率进行预测可能存在的诸多挑战等，通货膨胀率预测对于货币政策的实施、市场参与者以及劳动力均具有十分重大的意义，但是考虑到影响通货膨胀率因素众多且在经济处于萧条时难以预测等原因，准确判断预测变量与通货膨胀率之间的关系是十分复杂且不稳定的。

随后，姜富伟教授对该项研究的动机进行了阐述，经济类新闻报道能够应用于通货膨胀率的预测，一方面经济报道如实记录了一些重大经济事件；另一方面，经济报道也对当前经济状况提供了有效信息。紧接着，姜富伟教授梳理了文章的大致框架并具体介绍了该项研究的数据和方法，研究数据来自1984年-2021年出版在华盛顿邮报的88万篇报道，研究采用了主题模型中的LDA方法，从所有的报道中提取出180个具有代表性的主题。

最后，姜富伟教授展示了该项研究的主要结果，利用生成的180个主题并结合机器学习算法对通货膨胀率进行预测并对不同预测的样本外表现进行比对。结果表明，基于经济叙述的预测效力主要表现在经济的衰退期；长期来看，基于经济叙述的预测表现得比基准预测更好；部分主题对通货膨胀率的预测具有十分全面并且多样化的信息，用传统方法难以衡量这些信息；在衡量经济叙事的预测效力中发现，与预期通货膨胀率以及特定一篮子商品价格相关的信息产生了经济报道文本的主要预测效力。

姜富伟教授的报告聚焦学术与科技前沿，逻辑清晰，引发了在场师生的浓厚兴趣。该项研究科学评估了经济媒体报道的文本对宏观变量预测所蕴含的重要信息。与会现场，大家各抒己见，针对模型构建、控制变量、主题数量选择等问题展开了激烈讨论。与会师生均深受启发、收获颇丰，本次论坛圆满落幕。

姜富伟，中央财经大学教授、博导，金融工程系主任，教育部人才项目入选者，国家社科基金重大项目首席专家，黄大年教学团队核心成员，北京市海淀区政协委员，目前主要关注数字经济与金融科技相关交叉研究，在Journal of Financial Economics、Review of Financial Studies、Management Science、Journal of Financial Economics《管理世界》、《金融研究》、《经济学季刊》、《管理科学学报》等发表论文50余篇，被评为ESI经济管理类全球前1%最高被引用论文、RFS最高被引用论文、JFE最高被引用论文等，国家自然科学基金考核评价“特优”，获《金融研究》优秀论文奖、国际金融管理协会最佳论文奖、亚洲金融协会最佳论文奖、中国金融工程学年会优秀论文奖、金融图书金羊奖等奖励荣誉。学术观点被《哈佛商业评论》、《清华金融评论》、CCTV、澎湃新闻等转载，担任多本中英文学术期刊的编委和副主编和国家自然科学基金、国家社科基金、教育部、人民银行等科研项目和人才计划评审。

（通讯员：胡震霆；审核：余静文、彭琼）