洪永淼教授演讲

本次活动中，洪永淼教授分享了题为“Forecasting GDP Growth Rates Using Accounting Earnings: A Large Panel Micro Data Approach”的研究， 该研究深刻剖析了传统宏观经济总量预测的固有缺陷，提出了一个利用微观企业会计特征预测宏观经济增长的预测框架，并结合机器学习算法的应用实践，为宏观经济预测领域提供了突破性思路。

洪永淼教授指出，传统总量层面预测因子存在缺陷，容易抹平经济主体间的异质性、相互作用、非线性等关键特征，导致信息丢失，进而影响预测准确性。针对这一困境，他提出一个新的宏观经济预测的微观框架，以大规模企业会计盈余面板数据为基础，结合随机森林（RF）、梯度提升回归树（GBRT）等机器学习算法，有效破解 “维度灾难”，无需预设函数形式，同时兼容企业间的异质性与相互作用，显著提升了GDP增长率预测的精准度。

洪永淼教授进一步揭示了影响GDP预测的核心企业特征：企业杠杆率、分红、账面/市值比、托宾Q值等与预测重要性强相关。流动性更佳、财务约束更少、增长前景向好的企业，对GDP预测的重要性更高——这类企业更易通过分红、股票回购、新增投资释放财富与流动性效应，进而影响家庭消费和投资，最终放大对未来GDP的传导作用。

洪永淼教授演讲

相关性分析还发现，企业异质性是GDP预测的关键变量：企业年龄与短期GDP预测重要性显著正相关；总资产规模更大、无形资产比率更高、流动性更好的企业，预测权重更突出。这些新发现，为利用企业信息分析宏观经济波动提供了直观的初步诊断框架。

在问答时间，有多位同学针对“非线性的经济预测”“变量边际效用的正负”等话题积极提问，洪永淼教授逐一细致回应，现场交流氛围十分热烈。