我院黄乃静老师和崔雨濛博士生与合作者的论文《Forecasting GDP Growth Rates Using Accounting Earnings: A Large Panel Microdata Approach》在Management Science刊发。

共同第一作者：崔雨濛、洪永淼、黄乃静、汪意成

摘要：

长期以来，宏观预测主要依赖宏观层面的加总指标。然而，这种传统做法虽然简洁，却往往伴随着显著的信息损失：微观主体之间的异质性、相互作用、非线性关系以及结构性变化，在加总过程中被压缩甚至掩盖。本文突破这一传统范式，提出一种基于微观信息的宏观预测新方法，并结合机器学习方法，从海量企业会计盈余的微观信息中提炼对GDP增长最有价值的预测信号。研究表明，利用微观层面的企业信息，能够显著提升GDP预测的准确性，并在经济波动和不确定性上升时期表现出更强的优势。更重要的是，本文与近年来宏观经济学从“代表性主体”（representative agent）转向“异质性主体”（heterogeneous agent）的发展趋势形成了呼应。正如 Kaplan and Violante（2018）、Ludwig Straub（2026年克拉克奖得主）等学者所强调的，理解宏观波动与政策传导，越来越离不开对微观异质性（heterogeneity）的刻画。本文从预测视角提供了互补证据：微观异质性不仅是解释宏观经济运行机制的重要基础，也是提升宏观预测能力的关键数据来源。换言之，本文的研究与异质性主体宏观理论相互呼应、互为补充：异质性主体宏观理论从理论上揭示了微观差异如何塑造总量结果，而本文则从预测实践出发，进一步表明充分发掘微观层面的异质性信息，有助于更准确地把握宏观经济运行的深层机制与未来走势。

作者介绍：

黄乃静，中央财经大学经济学院教授、博士生导师，美国波士顿学院经济学博士。以宏观大数据分析，宏观金融风险预测为主要研究方向，先后在Management Science、Journal of Business & Economic Statistics、《管理科学学报》《经济学动态》《系统工程理论与实践》《光明日报》（理论版）等国内外学术刊物发表多篇论文。主持国家自然科学基金青年项目，面上项目，参与国家自然科学基金应急管理项目、担任国家社会科学基金重大课题子课题负责人。主编《国民经济管理案例》（科学出版社）等本科教材，国家级一流本科课程《国民经济管理》主要参与人。

崔雨濛，中央财经大学经济学院博士研究生（预计2027年毕业）。主要研究方向为大数据与宏观经济预测，研究成果发表于Management Science 和 Journal of Business & Economic Statistics等期刊，曾在EconometricSocietyWorldCongress2025、IAAE2025等多个国内外学术会议上进行论文报告。

更多精彩内容请查看原文：https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2025.01549

撰稿人：崔雨濛

审稿人：郭冬梅、吴楠