NIFD季報(bào)：2024Q1中國宏觀金融

NIFD季報(bào) 主編:李揚(yáng)中國宏觀金融殷劍峰張旸2024年5月NIFD季報(bào)》是國家金融與發(fā)展實(shí)驗(yàn)室主要的集體研究成果之一，旨在定期、系統(tǒng)、全面跟蹤全球金融市場、人民幣匯率、國內(nèi)宏觀經(jīng)濟(jì)、中國宏觀金融、國家資產(chǎn)負(fù)債表、財(cái)政運(yùn)行、金融監(jiān)管、債券市場、股票市場、房地產(chǎn)金融、保險(xiǎn)業(yè)運(yùn)行、機(jī)構(gòu)投資者的資產(chǎn)管理等領(lǐng)域的動態(tài)，并對各領(lǐng)域的金融風(fēng)險(xiǎn)狀況進(jìn)行評估?！禢IFD季報(bào)》由三個季度報(bào)告和一個年度報(bào)告構(gòu)成。NIFD季度報(bào)告于各季度結(jié)束后的第二個月發(fā)布，并在實(shí)驗(yàn)室微信公眾號和官方網(wǎng)站同時推出；NIFD年度報(bào)告于下一年度2份發(fā)布。探尋新質(zhì)生產(chǎn)力：人工智能摘要（長態(tài)勢）20235GDP3CPIAIAI（資本MPKMPKAIAI

本報(bào)告負(fù)責(zé)人：殷劍峰本報(bào)告執(zhí)筆人：殷劍峰國家金融與發(fā)展實(shí)驗(yàn)室副主任張旸【NIFD季報(bào)】全球金融市場人民幣匯率機(jī)構(gòu)投資者的資產(chǎn)管理目錄TOC\o"1-1"\h\z\u一、 近期形：為體感溫低？ 1二、 探尋新生產(chǎn)人工智能+，但影高度不定 5三、 金融資錯配 10一、近期形勢：為什么體感溫度低？56.0054.0052.0050.0048.0046.0044.0042.002024/2 2024/3景氣度基（1，3PI首次回升到榮枯線上，高技術(shù)PMIPMI（231.38一帶一（如電動汽車（332019（45）20221月份起便一直處于負(fù)值區(qū)2、356.0054.0052.0050.0048.0046.0044.0042.002024/2 2024/3圖1 中國制造業(yè)與非制造業(yè)PMI（%）非機(jī)電產(chǎn)品非機(jī)電產(chǎn)品機(jī)電產(chǎn)品40.0030.0020.0010.000.00-10.00-20.00-30.002024/1 2024/2 2024/3 -24.81 -30.00-15.71-15.39-11.81-14.61-.-4615.1229.6240.9450.0040.0030.0020.0010.000.00-10.00-20.001.3-2.927.75圖2 海關(guān)統(tǒng)計(jì)出口同比按區(qū)域（左，%）和按商品類別（右，%）制造業(yè)城鎮(zhèn)全國北上廣制造業(yè)城鎮(zhèn)全國北上廣2024/1 2024/2 2024/3-30.09-28.55-40.00房地產(chǎn)銷售額消費(fèi)投資-20.00-30.00-7.900.802024/1 2024/2 2024/3-30.09-28.55-40.00房地產(chǎn)銷售額消費(fèi)投資-20.00-30.00-7.900.804.70 4.60 4.7010.009.9014.2013.4020.00第二產(chǎn)業(yè)第三產(chǎn)業(yè)信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)房地產(chǎn)業(yè)消費(fèi)品零售汽車除外30.0030.0020.0019.0020.0011.5012.701.0810.007.77.820.002021202220232024-20.000.002021202220232024-10.00 -40.00-20.00-60.00-30.00-80.00-40.00-50.00-100.00與2019年清明同比：旅游人數(shù)與2019年清明同比：旅游收入與2019年清明同比：人均旅游收入與2019年春節(jié)同比：旅游人數(shù)與2019年春節(jié)同比：旅游收入與2019年春節(jié)同比：人均旅游收入圖4 今年春節(jié)及清明節(jié)旅游數(shù)據(jù)與2019年同比（%）0圖5 居民消費(fèi)意愿指數(shù)（%）需求疲軟進(jìn)而導(dǎo)致通貨緊縮和信用緊縮。GDP平減4（6，PPI20221018個（7CPICPI0374.481（8（背后的人口負(fù)增長態(tài)勢M1（9。在房地產(chǎn)拖累下，3M1同比進(jìn)一步下滑至歷史較低水平，僅為1.1%，資金活性令人擔(dān)憂。GDP名義 GDP實(shí)際 名義-實(shí)際GDP名義 GDP實(shí)際 名義-實(shí)際2023年4季度 2024年1季度2023年3季度2023年2季度2023年1季度5.304.185.203.694.903.474.804.554.97 6.30 7.006.005.004.003.002.001.000.00-1.00-2.00圖6 季度名義和實(shí)際GDP增長率及兩者差值（%）PPIPPIicpi核心CPICPI-2.00 -2.80-4.00-6.001.710.600.104.002.000.00圖7 CPI與PPI同比（%）1.81.82.51.91.41.79.110.110.7 10.810.59.010.09.011.215.714.016.213.916.16.618.016.014.012.010.08.06.04.02.00.0圖8 2024年第一季度信用總量累計(jì)同比增速（%）圖9 房地產(chǎn)銷售額同比（%，左軸）和M1同比（%，右軸）2023（10。例如，19822015時，GDPPPI同比下跌；1998-19992009年全球PPICPI5%左右、CPI3%PCPI（1GDPCPI5%GDP增長目標(biāo)基本能夠?qū)崿F(xiàn)，但鑒于需求疲軟的態(tài)勢，3%的CPI增長目標(biāo)可能會面臨一定挑戰(zhàn)。圖10 1979-2023年三大物價指數(shù)同比（%）CPI:預(yù)期CPI:預(yù)期預(yù)期-實(shí)際CPI：實(shí)際7.006.005.004.003.002.001.000.00-1.00-2.00-3.00預(yù)期-實(shí)際GDP增長率：預(yù)期GDP增長率：實(shí)際20.0015.0010.005.000.00-5.00-10.00圖11 近年政府對GDP和CPI同比的預(yù)期增長目標(biāo)與實(shí)際達(dá)成情況（%）二、探尋新質(zhì)生產(chǎn)力：人工智能+，但影響高度不確定大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用，開展人工智能+”2024（12。其中，美國獨(dú)角獸企業(yè)主要集中在金融科技（1413（12（9（17（12（10（6等。20.010.00.020.010.00.027.550.040.030.048.660.0澳大利亞瑞典瑞士日本荷蘭越南泰國挪威希臘智利（13判斷和決策等。通用人工智能則擁有人類所有的認(rèn)知能力；第二個層次是強(qiáng)人工智能，具AI人工智能和超級人工智能，還需要克服許多技術(shù)難題和倫理挑戰(zhàn)。圖13 人工智能的概念和分類人工智能發(fā)展迄今雖不足七十年，卻已取得顯著突破。1956題，即解決方案的復(fù)雜度隨問題細(xì)化呈指數(shù)級增長。1972年英國萊特希爾1970至19801980年代后，行為主義方（年深藍(lán)戰(zhàn)勝國際象棋冠軍，標(biāo)志著行為主義方法的重大突破。隨著計(jì)算機(jī)軟硬件的持續(xù)創(chuàng)新，2011年起，以神經(jīng)網(wǎng)絡(luò)為核心的人工智能技術(shù)飛速發(fā)展。2014DeepMind2016年，DeepMindAlphaGo擊敗世界圍棋冠軍李世石，2017年，從零AlphaGoZero以絕對優(yōu)勢再次戰(zhàn)勝另一世界圍棋冠軍柯潔，這深刻揭示了人工智能技術(shù)的巨大潛力。那么AI對宏觀經(jīng)濟(jì)的沖擊幾何？學(xué)界對此的討論主要聚焦在三個方面：一AI對經(jīng)濟(jì)增長的影響。AI能夠大幅提升全要素生產(chǎn)率FtorProdutivityTPEikBrynjolfssonI是通1.5%3%AITFPAI的使用；AI對收入分配的影響。AIAIAIAIAI與勞動力的互補(bǔ)關(guān)系將增AIAIAIOpenAI。也有學(xué)者認(rèn)為隨著開源大模型日益普及，去中心化的趨勢愈加明顯，AI將加劇行業(yè)競爭而非壟斷。（資本的性質(zhì)。勞動替代型（SingulrityMPK勞動互補(bǔ)型MPK趨于下降，I腦AIAI應(yīng)用與各項(xiàng)技能的AI對不同職業(yè)、及行業(yè)，往往更容易受到AI的替代；而以體力勞動為主且薪酬偏低的崗位，則相對較難被AI替代。AI技術(shù)應(yīng)用于紡織服裝行業(yè)，并將業(yè)務(wù)流、信息流、資金流和物流有機(jī)AI化，大大提高了生產(chǎn)效率（設(shè)計(jì)師（各種技師2.在經(jīng)濟(jì)的供給側(cè)，AI能夠?qū)崿F(xiàn)實(shí)時、小規(guī)模的定制化生產(chǎn)，大幅提高全要素生產(chǎn)率。不過，在經(jīng)濟(jì)的需求側(cè)，AI能夠創(chuàng)造需求嗎？例如，機(jī)器人可以生產(chǎn)衣服，但是誰來穿衣服？3.AI競爭的態(tài)勢：中國在數(shù)據(jù)和場景運(yùn)用方面具備比（依賴英偉達(dá)芯片（AI模型）4.I（14201年德國便啟動了20204.0列為十大目標(biāo)之一。2013年，德國國家科學(xué)與工程學(xué)院發(fā)布把握德國制造業(yè)的未來——實(shí)施‘工4.01.02.03.04.0（CPS（Ios和互聯(lián)網(wǎng)傳統(tǒng)金融模式將面臨更加嚴(yán)峻的脫媒壓力。圖14 傳統(tǒng)供應(yīng)鏈與供應(yīng)鏈4.0模式對比三、金融資源錯配20102023P平均結(jié)構(gòu)和信用總量平均結(jié)構(gòu)（1519.41%GDP34.64%；二是為金融房地產(chǎn)建筑業(yè)提供的金融資源份額為30.2%，顯著大于其GDP份額20.72%18.97%GDP份額4.91%。這表明，金融房地產(chǎn)建筑業(yè)和基礎(chǔ)設(shè)施的金融效率明顯偏低。圖15 2010-2023年GDP平均結(jié)構(gòu)（左，%）和信用總量平均結(jié)構(gòu)（右，%）那么過度投資上述低效率行業(yè)的主體是誰？從信用總量部門結(jié)構(gòu)來看（圖12012年起（勞動年齡人口占比達(dá)峰后，企業(yè)部門信用占比逐漸下降，城投政府居民企業(yè)（不含城投）2010201120122013201420152016201720182019202020212022202370.0060.0050.0040.0030.0020.0010.000.002010-2023P的行業(yè)平均結(jié)構(gòu)（17，各部門的金融行為一目了23.74%GDP4.91%；居民部門將63.52%的融資集中在金融房地產(chǎn)建筑業(yè)，遠(yuǎn)高于該行業(yè)在GDP城投政府居民企業(yè)（不含城投）2010201120122013201420152016201720182019202020212022202370.0060.0050.0040.0030.0020.0010.000.00圖16 信用總量部門結(jié)構(gòu)（%）第一產(chǎn)業(yè) 工業(yè) 金融房地產(chǎn)建筑業(yè) 基礎(chǔ)設(shè)施 消費(fèi)者服務(wù)業(yè) 生產(chǎn)者服務(wù)業(yè) 公共服務(wù)業(yè)第一產(chǎn)業(yè) 工業(yè) 金融房地產(chǎn)建筑業(yè) 基礎(chǔ)設(shè)施 消費(fèi)者服務(wù)