学术观点

  我院肖争艳教授及博士生陈衎等人在《统计研究》发表论文“通货膨胀影响因素识别——基于机器学习方法的再检验”。该研究使用机器学习和解释性方法分析了我国不同时期通胀的主要影响因素，总结了我国多轮通胀的规律性特点，为未来防范通胀风险提供了政策参考。

论文题目

  通货膨胀影响因素识别——基于机器学习方法的再检验

文章摘要

  准确识别通货膨胀的影响因素，可以前瞻性地防范通胀风险及其危害，具有重要政策意义。已有研究主要使用SVAR等传统计量方法分析通胀的影响因素，但传统计量方法能够涵盖的因素种类和非线性关系有限。考虑到机器学习方法能够有效突破传统方法的局限，本文综合使用SHAP值解释性方法和SVR等多种非线性机器学习方法，重新识别了2001—2019年间我国所发生的5轮通胀的影响因素。研究结果表明，第一，通胀预期和食品价格上涨是过去20多年间多轮通胀的共同驱动因素；第二，消费和投资等需求拉动因素对通胀的影响逐渐减弱，成本推动因素尤其是劳动力成本对通胀的影响不断增强；第三，货币政策能够通过多种渠道影响通胀走势，并且一直是通胀的重要影响因素。有鉴于此，建议通过加强引导通胀预期、稳定食品生产和供应、营造良好经营环境以缓解劳动成本上涨压力等举措防范通胀风险。此外，不能因为担心通胀压力就过于束缚货币政策的力度，应该在做好金融市场和房地产市场宏观审慎监管的前提下，适当加大货币政策对实体经济的支持力度，以更好地应对我国经济下行压力。

作者介绍

  肖争艳，中国人民大学统计学院教授，博士生导师，中国工业与应用数学学会保险精算方向青年委员，主要研究方向为风险管理、金融计量、非寿险精算和巨灾风险管理等，在《统计研究》、《经济研究》和《金融研究》等学术期刊发表多篇学术论文，出版4本专著和教材，主持多项国家和省部级课题。