财经数据科学重点实验室
举办DSGE模型专题学术讲座
3月25日下午，财经数据科学重点实验室在线上举办了DSGE专题讲座。本次讲座聚焦于 “动态随机一般均衡模型（DSGE）的历史、现状与未来”，由许文立老师担任主讲人，深入剖析了 DSGE 模型在宏观经济研究中的关键作用，以及该领域的前沿发展方向。
DSGE，即动态随机一般均衡模型，是宏观经济学领域极为重要的研究框架与分析工具。许老师在讲座中指出，它整合了经济增长、波动以及政策干预之间错综复杂的关系，其动态性体现在经济决策需考量跨期动态，经济主体不同时期的决策相互影响，随机性源于经济运行中的外生冲击（如政策调整等不可预见的外部因素）与内生波动（像市场摩擦等内部因素导致的不确定性），且以微观经济主体的最优化行为为基础，通过一般均衡视角将个体行为与宏观经济总量相联系，搭建起精密的宏观经济运行模拟框架。在实际经济研究与政策制定中应用广泛，政策评估方面，以美联储为例，金融危机后成为全球央行预测与政策评估的得力助手，可模拟不同货币政策调整（如利率升降、量化宽松）对经济增长、通胀及就业等关键指标的影响，为政策制定提供科学依据；在学术研究领域，用于深入探究经济现象背后的机制，如研究经济周期时能清晰分辨技术冲击、需求冲击等不同因素对经济波动的贡献程度。其发展历程丰富曲折，起源于 1972 年缺乏微观基础的新古典增长模型，后实际经济周期理论（RBC）兴起，强调技术冲击主导经济波动，推动其进一步发展，新凯恩斯主义模型（NK）引入价格粘性、工资刚性等现实摩擦因素，使 DSGE 模型更贴合实际经济运行，为货币政策调控提供坚实理论依据，逐渐成为宏观经济研究主流模型之一，其一大重要贡献是打破传统宏观经济学中增长理论关注长期经济发展趋势、周期理论侧重短期经济波动的割裂局面，将经济增长和波动纳入同一框架，能够同时分析经济在长期均衡路径上的增长以及短期偏离均衡的波动现象，如技术进步既影响长期经济增长也引发短期经济波动，为宏观经济研究提供更完整、系统的视角。
在展望 DSGE模型未来发展方向时，许老师着重探讨了机器学习技术与之融合的巨大潜力。机器学习能够突破传统DSGE模型在处理高维数据、进行参数估计以及刻画非线性关系等方面的局限。比如在解决“预期形成机制”和“市场异质性”等复杂难题上，机器学习具有独特优势。尽管目前国内在这方面的研究尚处于起步阶段，但从长远来看，机器学习与DSGE模型的结合有望显著提升模型的解释力、预测精度以及政策模拟能力。许老师还以“气候变化的经济影响”和“垂直产业结构竞争”为例，说明DSGE框架通过与机器学习等多学科技术交叉融合，可以拓展至环境经济学与产业组织等更广泛的领域，推动理论创新。
讲座结尾，许老师呼吁实验室的老师和同学们，关注中国宏观经济研究现状，针对当前部分模型存在的“理论与实证脱节”问题，深入理解中国经济特征，构建更符合中国国情的宏观经济分析框架。同时，他还提出将举办“DSGE 模型与政策分析”学习班，助力年轻学者掌握前沿工具，并强调学术合作与代际交流对激发创新思维的重要性。此次讲座为实验室团队深化DSGE模型应用提供了宝贵思路，财经数据科学重点实验室也将继续在宏观经济系统建模、政策仿真与预测技术等方面发力，为国家战略需求提供有力的学术支撑。
