國(guó)際政治與經(jīng)濟(jì)政經(jīng)港國(guó)際研究實(shí)習(xí)報(bào)告一、摘要

2023年7月1日至2023年8月31日，我在國(guó)際研究機(jī)構(gòu)擔(dān)任政策分析助理，負(fù)責(zé)收集整理全球宏觀(guān)經(jīng)濟(jì)數(shù)據(jù)。通過(guò)運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)模型，完成對(duì)15個(gè)國(guó)家的GDP增長(zhǎng)趨勢(shì)分析，撰寫(xiě)3份深度報(bào)告，其中2份被部門(mén)采納為決策參考。期間，熟練應(yīng)用Stata軟件進(jìn)行數(shù)據(jù)清洗（日均處理500+條數(shù)據(jù)），并運(yùn)用SWOT分析法優(yōu)化了4個(gè)新興市場(chǎng)風(fēng)險(xiǎn)評(píng)估框架。工作成果驗(yàn)證了課堂所學(xué)國(guó)際收支理論在現(xiàn)實(shí)中的適用性，提煉出“動(dòng)態(tài)數(shù)據(jù)交叉驗(yàn)證”的可復(fù)用方法論。

二、實(shí)習(xí)內(nèi)容及過(guò)程

1實(shí)習(xí)目的

去8周，我希望把學(xué)校學(xué)的國(guó)際政治和經(jīng)濟(jì)理論用在實(shí)際工作中，看看宏觀(guān)政策分析是怎么一步步落地，也想提升自己的數(shù)據(jù)處理能力，特別是把經(jīng)濟(jì)模型用起來(lái)。

2實(shí)習(xí)單位簡(jiǎn)介

我去的這家機(jī)構(gòu)，主要研究全球經(jīng)濟(jì)政治動(dòng)態(tài)，服務(wù)一些基金和政府部門(mén)，團(tuán)隊(duì)不大但挺專(zhuān)業(yè)，每周都有固定案例討論會(huì)，氛圍挺寬松但要求效率高。

3實(shí)習(xí)內(nèi)容與過(guò)程

前兩周主要是熟悉環(huán)境，跟著導(dǎo)師看他們以前的報(bào)告，比如2022年俄烏沖突對(duì)糧食供應(yīng)鏈的短期沖擊分析，里面用到大量GTAP模型數(shù)據(jù)。然后開(kāi)始獨(dú)立任務(wù)，第一個(gè)是幫團(tuán)隊(duì)整理亞太地區(qū)貿(mào)易政策變動(dòng)數(shù)據(jù)庫(kù)，涉及12個(gè)國(guó)家2023年以來(lái)的關(guān)稅調(diào)整和FTA簽署情況，我每天花4小時(shí)核對(duì)WTO和各國(guó)官網(wǎng)數(shù)據(jù)，用Excel篩選和VLOOKUP函數(shù)，最后整理出300多頁(yè)的電子表格。

第4周遇到個(gè)坎，要分析G7國(guó)家通脹與能源價(jià)格傳導(dǎo)機(jī)制，但手頭只有月度CPI數(shù)據(jù)，導(dǎo)師說(shuō)需要季度PMI和工業(yè)生產(chǎn)指數(shù)才能做VAR模型。當(dāng)時(shí)有點(diǎn)懵，但意識(shí)到自己只會(huì)看現(xiàn)成報(bào)告，不會(huì)自己設(shè)計(jì)數(shù)據(jù)收集方案。于是花了3天在Bloomberg終端查文獻(xiàn)，找到IMF的DSD數(shù)據(jù)庫(kù)，學(xué)會(huì)用G20國(guó)家貨幣基金組織的API接口拉數(shù)據(jù)，雖然最后做的分析報(bào)告只用了4個(gè)國(guó)家的數(shù)據(jù)，但把數(shù)據(jù)處理流程完整跑通了，導(dǎo)師后來(lái)還把這個(gè)方法用在了后續(xù)給客戶(hù)的報(bào)告中。

后半程我開(kāi)始參與一個(gè)項(xiàng)目，是評(píng)估“一帶一路”沿線(xiàn)國(guó)家債務(wù)可持續(xù)性，我負(fù)責(zé)東南亞4個(gè)國(guó)家，用IMF的債務(wù)收入比公式和世界銀行的出口彈性模型，每天對(duì)著WorldBank、ADB的API爬數(shù)據(jù)，把19個(gè)指標(biāo)處理成面板數(shù)據(jù)。過(guò)程中發(fā)現(xiàn)老撾的數(shù)據(jù)缺失嚴(yán)重，官方統(tǒng)計(jì)年鑒更新不及時(shí)，就臨時(shí)用2018年數(shù)據(jù)做基準(zhǔn)分析，然后備注說(shuō)明。團(tuán)隊(duì)最后整合成15國(guó)報(bào)告，我那4國(guó)部分被單獨(dú)抽出來(lái)給東南亞開(kāi)發(fā)銀行做內(nèi)部參考。

4實(shí)習(xí)成果與收獲

8周里提交了5份分析簡(jiǎn)報(bào)，其中3份被采納，整理了15國(guó)貿(mào)易政策數(shù)據(jù)庫(kù)，學(xué)會(huì)用Stata處理時(shí)間序列數(shù)據(jù)，還掌握了Bloomberg終端的基本操作。最大的收獲是明白宏觀(guān)分析不是光靠模型，數(shù)據(jù)質(zhì)量、政策背景同樣重要，比如看某國(guó)貨幣貶值，不能只盯著匯率，要結(jié)合其財(cái)政赤字和央行外匯儲(chǔ)備變化?，F(xiàn)在我對(duì)“政策傳導(dǎo)機(jī)制”這個(gè)詞理解更深了，知道怎么從供需兩端拆解問(wèn)題。

5問(wèn)題與建議

實(shí)習(xí)中覺(jué)得單位培訓(xùn)有點(diǎn)太隨緣，新人主要靠導(dǎo)師帶，但沒(méi)人系統(tǒng)講過(guò)API接口使用規(guī)范，有次我拉完數(shù)據(jù)沒(méi)注意頻率，差點(diǎn)把季度數(shù)據(jù)當(dāng)月度用。建議可以搞個(gè)內(nèi)部知識(shí)庫(kù)，把常用數(shù)據(jù)源、處理腳本都放上去，至少能省點(diǎn)試錯(cuò)時(shí)間。另外我的崗位跟“國(guó)際政治”結(jié)合少，大部分活兒都是經(jīng)濟(jì)分析，如果早點(diǎn)知道需要同時(shí)關(guān)注地緣沖突對(duì)貿(mào)易的間接影響，可能效率會(huì)更高。

三、總結(jié)與體會(huì)

1實(shí)習(xí)價(jià)值閉環(huán)

這8周像把書(shū)上學(xué)到的“國(guó)際收支平衡表”、“地緣政治博弈”這些概念，真真切切地放在了現(xiàn)實(shí)里摸爬滾打。記得7月15號(hào)第一次獨(dú)立處理東南亞貨幣匯率數(shù)據(jù)時(shí)，對(duì)著Excel里幾千條月度記錄，完全懵圈，后來(lái)慢慢學(xué)會(huì)用Stata畫(huà)脈沖響應(yīng)函數(shù)圖，把東盟自貿(mào)區(qū)擴(kuò)容對(duì)成員國(guó)貿(mào)易結(jié)構(gòu)的影響可視化，那一刻感覺(jué)課本里的“貿(mào)易創(chuàng)造效應(yīng)”突然活了過(guò)來(lái)。這種把理論轉(zhuǎn)化為生產(chǎn)力，再反過(guò)來(lái)印證理論的過(guò)程，是學(xué)校里模擬題永遠(yuǎn)給不了的體驗(yàn)。

最有成就感的是8月20號(hào)提交的“G7國(guó)家能源政策聯(lián)動(dòng)性”報(bào)告，我爬取了歐盟統(tǒng)計(jì)局、美聯(lián)儲(chǔ)褐皮書(shū)里超過(guò)80頁(yè)的定性材料，發(fā)現(xiàn)德國(guó)“能源轉(zhuǎn)型法”修訂后，通過(guò)供應(yīng)鏈外溢給意大利制成品出口的滯后效應(yīng)，在2023年第四季度明顯體現(xiàn)在PMI數(shù)據(jù)里，這種跨國(guó)政策溢出怎么量化的難題，現(xiàn)在終于找到一條可行路徑。

2職業(yè)規(guī)劃聯(lián)結(jié)

這段經(jīng)歷讓我更清楚自己要什么。以前覺(jué)得國(guó)際組織實(shí)習(xí)是最佳選擇，現(xiàn)在明白研究機(jī)構(gòu)那種高強(qiáng)度數(shù)據(jù)處理，可能更適合自己。比如8月1號(hào)導(dǎo)師讓我用SWOT分析評(píng)估阿根廷比索貶值風(fēng)險(xiǎn)時(shí)，我發(fā)現(xiàn)自己天生對(duì)“政治因素如何沖擊經(jīng)濟(jì)指標(biāo)”的敏感度，比單純分析曲線(xiàn)擬合度更有熱情。這讓我開(kāi)始關(guān)注CPA（特許金融分析師）的全球宏觀(guān)科目，計(jì)劃下學(xué)期重點(diǎn)補(bǔ)CFA一級(jí)教材里關(guān)于“主權(quán)信用評(píng)級(jí)模型”的部分，爭(zhēng)取把實(shí)習(xí)里用到的Bloomberg終端操作和WorldBankAPI使用，都變成簡(jiǎn)歷上的硬技能。

團(tuán)隊(duì)里有個(gè)學(xué)長(zhǎng)做地緣政治安全研究，他常說(shuō)“國(guó)際政治經(jīng)濟(jì)學(xué)最核心的競(jìng)爭(zhēng)力，是看懂各國(guó)政策背后的政治約束”，現(xiàn)在我也開(kāi)始刻意關(guān)注《經(jīng)濟(jì)學(xué)人》里那些分析“美國(guó)基建法案如何影響亞太供應(yīng)鏈安全”的長(zhǎng)文，打算把實(shí)習(xí)報(bào)告里做的東南亞債務(wù)可持續(xù)性分析，擴(kuò)展成更完整的區(qū)域風(fēng)險(xiǎn)報(bào)告，作為明年申請(qǐng)研究生時(shí)的項(xiàng)目材料。

3行業(yè)趨勢(shì)展望

感覺(jué)現(xiàn)在國(guó)際研究行業(yè)最卷的，是跨領(lǐng)域數(shù)據(jù)整合能力。7月25號(hào)團(tuán)隊(duì)開(kāi)周會(huì)時(shí)，討論印尼政局變動(dòng)對(duì)鎳價(jià)的影響，有同事用EIA數(shù)據(jù)做能源價(jià)格傳導(dǎo)，有同事查印尼《礦業(yè)法》修訂案，最后發(fā)現(xiàn)缺了農(nóng)業(yè)部的棕櫚油產(chǎn)量報(bào)告，當(dāng)時(shí)意識(shí)到做宏觀(guān)研究不能像以前那樣分兵把口，必須會(huì)自己搭建“政治事件產(chǎn)業(yè)政策市場(chǎng)數(shù)據(jù)”的關(guān)聯(lián)模型?，F(xiàn)在看BloombergTerminal上那些“GeopoliticalRisk”的專(zhuān)題分析，果然越來(lái)越多用機(jī)器學(xué)習(xí)預(yù)測(cè)地緣沖突對(duì)大宗商品的脈沖效應(yīng)。

這也提醒我，下階段要補(bǔ)的技能是Python在文本挖掘中的應(yīng)用，比如實(shí)習(xí)最后兩天，導(dǎo)師讓我用NLTK庫(kù)分析《華爾街日?qǐng)?bào)》過(guò)去5年關(guān)于“中美科技脫鉤”的報(bào)道情緒，結(jié)果發(fā)現(xiàn)關(guān)鍵詞出現(xiàn)頻率跟LME銅價(jià)波動(dòng)存在驚人同步性，這讓我覺(jué)得“量化地緣政治”可能是未來(lái)5年最火的方向。目前已經(jīng)在Coursera上報(bào)名了“AppliedTextMininginPython”課程，打算把實(shí)習(xí)里積累的IMFDSD數(shù)據(jù)庫(kù)賬號(hào)，用來(lái)做后續(xù)的課程作業(yè)。

四、致謝

8周時(shí)間里，感謝實(shí)習(xí)單位提供了這個(gè)平臺(tái)，讓我把課堂上的國(guó)際政治經(jīng)濟(jì)學(xué)理論，真正用到了分析全球宏觀(guān)政策變動(dòng)上。特別感謝導(dǎo)師在數(shù)據(jù)模型選擇上的指點(diǎn)，比如教我如何用動(dòng)態(tài)面板模型處理東南亞國(guó)家債務(wù)數(shù)據(jù)時(shí)，強(qiáng)調(diào)過(guò)要考慮政治制度差異對(duì)估計(jì)系數(shù)的干擾。還有同事分享的Bloomberg終端使用技巧，比如怎么用“E”終端下的“Global