<p>本文将宏观大数据与在险增长研究框架相结合，提出正则化混频分位数回归模型测度经济在险增长，在经济增速的不同水平筛选出重要影响因素，构建潜在风险源集合，进一步运用高维TVP-VAR模型和网络拓扑分析法识别宏观经济的风险来源。研究结果表明：引入宏观大数据的在险增长测度能及时地反映我国经济增速的波动特征，并有效捕捉重大事件冲击下的宏观经济风险；金融因素在国际金融危机时期是经济增长的主要风险源，此后被逐步防范与化解，房地产因素在国际金融危机后逐渐成为经济增长的主要风险源，虽然供给侧改革后有一定程度缓解，但仍占据主要位置；在经济下行时期，风险源变量具有数量多、关联强的特点，易被忽视的变量往往在外部冲击下凸显出来。此外，研究还发现财政政策在中国宏观调控影响经济增长中一直占据重要作用，特别是2009年后，财政政策对稳增长防风险目标的重要性相比货币政策更为突出。本文为宏观经济风险监测和风险源识别提供了新的思路和可行的方法，也为大数据宏观经济调控提供了重要参考。</p> |
