比印钞票更猛烈的货币政策

  包括美联储在内的全球主要央行全都化身为印钞机,它们正在或计划在市场上大量购买国债、按揭抵押债券、公司债或者股票。央行这样做几乎没有什么成本,只不过是增加变动几个数字;但结果是,央行向市场注入了新的货币。
  这就是所谓的定量放松(Quantitative easing)货币政策。定量放松现在倍受倚重,因为它解决了一个常规政策所不能完成的任务:降低中长期利率。
  在西方,央行能够直接控制的是短期利率,现在美联储等央行已经将短期利率降到0。降息牌出完之后,中长期利率仍然偏高,而中长期利率不受央行直接控制。定量放松政策的主要目标就是要降低中长期利率。央行大举购买某种债券,将抬升这些债券的价格,同时压低这些债券的收益率,这会降低整个市场的中长期利率,并有效降低借贷者的成本,进而鼓励消费和投资。
  定量放松显然是相当激进的货币政策,但也有人认为央行做的还不够。理由是,在市场缺乏信心、信贷收缩和通货紧缩的环境中,把中长期利率降到0仍然满足不了恢复经济的需要。用经济学的话说,当前的均衡利率应该是负的。均衡利率是指让经济恢复充分就业的利率水平。比如,当预期通胀率为负时,将来的钱就更值钱,即便名义利率为零,实际利率也可能较高。为了让经济恢复到正常水平,名义利率应该为负的。
  央行能够直接宣布利率为负吗?央行可以宣布说,一年的借款利率为-3%:现在借100块钱,将来只要还97块钱。这样就能更好地刺激有效需求了。但问题是,当利率为负时,将没有人再愿意借钱给别人。不借钱没有利息收入,但借钱给别人的收益是-3%。人们会把钱藏在枕头下面。
  哈佛大学的曼昆教授说,他的研究生提到了另一种把利率降到负的有趣方法。大致意思是,央行可以现在宣布,一年后将从0~9中随机抽出一个数,比方说抽到的是2,那么所有编号尾数为2的钞票将作废,停止使用。或者设想一下,央行可以施加魔法把所有尾数为2的钞票从人间蒸发掉。
  这样做的结果是负利率的产生。这时持有钞票的平均成本是10%(有十分之一的钞票作废)。大家都会渴望把钱借出去,甚至愿意牺牲一部分本金,比如5%。这样,借出100块,一年后收回95块。于是,负利率就产生了。
  这样做很有必要,因为我们已经说过,负利率正是恢复充分就业所需要的。并且,这个方案看上去也简便可行——只需要发布一个公告即可。
  在我看来,这样做的困难也是显而易见的。第一个困难是,负利率提高了人们借出钱的积极性,但同时也打压了人们借入钱的积极性。因为,借钱的人平均会遭受10%的损失,信贷市场可能仍不会活跃。也就是说,央行发布公告后,供给曲线会向右上方移动,但需求曲线也会向左下方移动。结果,与央行行动之前相比,利率是可能降到0以下了,但信贷规模却可能没有任何增加。
  第二个困难是,负利率方案本质上是个收缩银根的做法,这和放松银根的初衷背道而驰。为了制造负利率,央行把十分之一的钱蒸发掉了。结果,市场上的资金就更少了,也就减少了可供借贷的资金数量。这不是应对信贷收缩、物价下降的可行办法。不难想象,如果央行这样做,现在的货币供应量会因货币流通速度上升而明显增加,而将来的货币供应量将减少十分之一。货币供应量的大起大落会极大地加剧经济波动。
  还有一个困难。那就是,现代社会里,已经很少有人大量持有现金了。当央行宣布要蒸发钞票时,人们更会把钱存到银行,这样就能避免因持有现金而被蒸发掉了。央行希望因为担心损失而尽快把钱花出去,或者借给别人,但结果却是更多的钱回流到金融系统,实体经济的困难将因此加剧。
  当然央行可以同时把存款利率变成负数;即便在利率市场化的国家,央行不能这么做,银行也会对存钱不付利息反而收取费用的。因为银行接受储户的现金,也就承担了风险和损失。这样存在银行也不能规避损失了。不过,这时人们可以去买债券,债券的收益是很难为负的。
  还要考虑到,央行作出将蒸发一部分钞票的决定后,将会造成市场对本国货币的恐慌,人们会争相兑换成别的货币以求自保,这将使得资金突然涌出国门,造成本币急速贬值甚至崩溃。
  制造负利率的这个想法还有一个更加学术的类似版本。经济学家盖塞尔(Gesell)在19世纪90年代就提出过定期征收“持币税”来刺激人们去花钱而不是存钱。盖塞尔的观点得到了《通论》的支持,凯恩斯把它作为应对流动性陷阱的一个途径。通货紧缩和流动性陷阱出现过不少次,但这个思想实验也未能被付诸实践,我想可能也是因为上面提到的诸多困难
  比较下来,可能还是央行印钱,政府花钱来得更直接,也更有效。(作者系经济学博士)

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值