2020年10月28日，由上海市人民政府决策咨询研究基地袁志刚工作室和复旦大学就业与社会保障研究中心联合主办的中国宏观经济学系列讲座135期在复旦大学经济学院514会议室举行。本次讲座由来自华东师范大学经济与管理学部的葛劲峰老师和成都数联铭品科技有限公司的陈沁博士作报告，由复旦大学经济学院袁志刚教授和樊潇彦等多位老师进行深入点评。

葛劲峰老师报告的主题为数字经济的宏观经济学。随着科技的发展，储存、处理数据变得越来越简单，机器学习促进了AI的发展。大数据辐射到的范围包括了对GDP和数据商品经济规模的测度、经济增长、价格和货币政策、企业动态和劳动力市场。

首先，葛老师对于美国的整体宏观经济进行了概括：表现为TFP和投资在下降、国债的收益率在下降、但是美国的资本收益率没有在下降，劳动力的份额在下降，企业间的差距在拉大，收入差距在上升。这些现象不能用垄断完全解释。其次，大数据如何影响经济增长？具体的渠道又是什么？葛老师说主要是通过减少语言摩擦和降低运输成本来减少贸易壁垒。而大数据本身的边际成本为零，但是存在规模效应；对于价格和货币政策，在线商店的价格变动相比线下更加频繁。同时大数据也在改变银行业：一方面是效率的提升，另一方面也要面对消费者数据的保护；针对企业动态，Aghion et al (2019) 认为大数据的发展更加有利于大企业，而Begenau et al (2018) 指出大数据降低了公司风险，大公司的融资成本下降了；针对劳动力市场，大数据可以减少劳动力市场中的匹配摩擦。最后，葛老师介绍了两个大数据下的宏观经济理论框架。第一个是传统内生增长的逻辑：技术是知识，技术和数据都能提高生产率，且是非竞争性的，边际成本为零，是规模报酬递增的；但技术和数据的根本区别在于技术是生产出来的，需要专利保护、垄断去刺激生产，而数据是生产活动的副产品，不需要用垄断去刺激它的供给。第二个理论是大数据一定程度上解决了信息摩擦，有了数据之后预测更加准确，降低了风险，改变了融资成本，但是在产业组织里面，随着信息的不断增加会产生欺骗以及串谋的行为，这主要是由于信息的不对称。

袁志刚教授认为，这个题目具有非常好的研究前景，目前对数据经济的研究还比较少。樊潇彦老师则补充了一点数据经济目前的局限点，难以估计每个环节交互的影响，比如动态问题、博弈论很多是无法计算出来的。

陈沁博士介绍了他的研究主题——自动化职业的冲击。要分析自动化的冲击，不仅需要知道职位的数量、工资，更需要知道每个职位要的具体工作内容，因此陈沁博士通过结构化招聘数据来实现词语和职业词句的有效匹配，同时运用ONET的工作分析数据，得到了一些非常有意思的特征事实，例如各省市的自动化水平、重复水平、电脑水平、机器水平等。文章在后半部分也建立了简单的模型来验证城市平均工资变化与职位招聘相关以及不同职位之间的替代性。