【美联储】情景综合与宏观经济风险(英)

近日，美联储发布了一份名为《情景综合与宏观经济风险》的研究报告，该报告由Tobias Adrian、Domenico Giannone、Matteo Luciani和Mike West共同撰写，编号为2025-036。报告主要介绍了一种新的方法论，旨在将情景分析与基于模型的风险预测相结合，以在政策设置中发挥各自的优势。报告通过贝叶斯框架解决了将判断性叙述方法与统计预测相结合的基本挑战，并提出了一种系统性评估和整合不同情景下风险的方法，同时量化了相对于定义的参考预测模块下情景的支持度。报告中不仅提供了对政策制定者在面对不确定性时如何进行风险评估和决策的深刻见解，还讨论了在面对意外情况时如何将判断性信息与基于统计模型的预测相结合。这份报告内容丰富，对于理解宏观经济风险评估和预测具有重要的参考价值。

在宏观经济预测领域，如何将定性的情景分析与基于模型的风险预测相结合，一直是一个挑战。最近，一项名为《情景综合与宏观经济风险》的研究，为我们提供了一种新的视角和方法。这项研究由国际货币基金组织的Tobias Adrian、Domenico Giannone、Matteo Luciani和杜克大学的Mike West共同完成，他们提出了一种贝叶斯框架，旨在弥合基于判断的叙述方法与统计预测之间的差距。

文章的核心在于介绍一种方法论，用以合成基线预测和情景分析，使之与统计参考预测相匹配。这种方法通过评估情景与参考预测模型的一致性，量化了不同情景下的风险，并测量了相对于参考预测的情景支持度。这对于政策制定者来说，是一个重要的进步，因为它能够清晰、严谨地传达不断演变的风险。

研究者们特别强调了在政策设置中，如何系统地评估和整合来自不同情景的风险。他们通过引入一个合成的“后备”情景来解决情景集可能的不完整性问题。在实际应用中，通常只发布基线预测的不确定性度量；而其他情景通常只以点预测的形式呈现。本文提出的方法使用贝叶斯决策分析方法的扩展，定义了完整的情景预测分布，作为基线的扰动。

文章中提到，英格兰银行自1993年起就使用扇形图来沟通风险，而美国联邦储备的“蓝皮书”自1995年起就展示了围绕基线预测的情景分析。现在，大多数主要的中央银行都采用了这些方法的变体。然而，这些方法在实际操作中面临着需要频繁更新和基于判断的风险量化的挑战，因此中央银行越来越多地依赖统计方法来预测宏观经济风险。

“增长风险”（GaR）的密度预测方法越来越受欢迎，它结合了情景分析和统计预测。文章中提到的一个关键案例是2007年和2018年的美国联邦储备蓝皮书，这两个案例都关注实际增长的风险。通过重新分析这些报告中的数据，研究者们展示了如何生成反映与参考预测一致性方面的情景权重，并且探讨了情景集不完整性的问题。

文章中特别指出，2007年和2018年的蓝皮书中都没有包含一个非常负面的“下行风险情景”，这与我们在经济不确定性高时对充分定义基线预测的挑战有关。在这种情况下，列出和讨论一系列合理的情景，每个情景都从参考匹配中获得一个概率，为在不确定性下的知情决策提供了更丰富的视角。

文章的结论部分强调了将判断信息与基于统计模型的预测相结合的更广泛问题。在面对意外情况时，如何整合这些信息，尤其是在经济结构发生转变时，是一个关键的议题。虽然结构性经济模型可以为长期适应提供正式基础，但全面建模经济结构转变的影响需要时间。短期内，基于判断的调整可能对实时决策至关重要。

这篇文章的灵感来自于《情景综合与宏观经济风险》这份报告。除了这份报告，还有一些同类型的报告也非常有价值，推荐阅读，这些报告我们都收录在同名星球，可以自行获取。

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。