摘要：数字经济时代，数据要素积累和计算机算力迎来跃升，党的二十大报告也适时强调了人工智能等先进科技发展和交叉学科建设的重要性。基于此，本文从扩展后的终端产品(GFP)视角出发，将时空融合转化器算法(TFT)引入经济预测领域，对我国宏观经济系统内的产出指标进行了较为精准的批量式预测，并通过算法内部的变量选择网络和多头注意力机制从空间和时间两个维度综合评估了2019～2021年间的中国宏观经济运行。研究结论表明，在增长动能方面，我国产业演进具有以下三个特征，即工业的清洁生产转型、建筑产业链的外需驱动以及高技术产业的加速发展；在生产结构稳定性方面，我国工业生产体系在经济环境发生重大改变时较服务业等其他产业更具韧性；在政策效能方面，宏观层面上我国货币政策较财政政策整体效能更强、但传导速度稍慢，产业层面上我国工业、农业和建筑业的发展均在更大程度上受货币政策驱动，而对服务业来说，财政政策效能更为显著。本文拓宽了TFT算法的应用范围，印证了前沿深度学习技术在经济学领域存在着较大应用潜力，有助于促进人工智能和经济研究的交叉融合。
文章目录
一、引 言
二、时空融合转化器算法介绍
(一)运算过程
(二)门控机制
(三)变量选择网络
(四)多头注意力机制
(五)TFT模型的特点及优势
三、中国宏观经济系统预测研究
(一)所用变量及数据
(二)跨模型预测效果对比分析
四、中国宏观经济运行评估
(一)增长动能分析
1.终端需求因素的驱动力分析
2.工业产业生产转型
3.建筑产业需求结构调整
4.高技术产业加速发展
(二)生产结构稳定性分析
(三)政策效能分析
五、结论与启示