Unveiling the Impact of Macroeconomic Policies: A Double Machine Learning Approach to Analyzing Interest Rate Effects on Financial Markets

本研究采用结合机器学习技术和因果推断的新方法，研究宏观经济政策对金融市场的影响。研究重点关注美国联邦储备系统（FRS）所做的利率变化对1986年1月至2021年12月间固定收益和股票基金回报率的影响。分析区分主动和被动管理的基金，并假设后者对利率变化的影响较小。研究采用双重机器学习（DML）框架对梯度提升和线性回归模型进行对比分析，该框架支持多种统计学习技术。结果表明，梯度提升是预测基金回报的有用工具；例如，利率上涨1％会导致主动管理的基金回报率下降11.97％。这种对利率和基金表现关系的理解为进一步研究提供了机会，并为基金经理和投资者提供了富有见地的数据驱动建议。

本论文旨在研究宏观经济政策对金融市场的影响，并验证美联储利率变化对固定收益和股票基金回报的影响。同时，通过区分主动和被动管理基金，检验被动管理基金是否对利率变化的影响更少。

该论文采用机器学习技术和因果推断相结合的方法，使用梯度提升和线性回归模型，运用双机器学习框架进行对比分析，预测基金回报的变化，得出美联储利率变化对基金回报的影响。结果表明，梯度提升是预测基金回报的有效工具。

本研究使用了机器学习和因果推断相结合的方法，采用了梯度提升和线性回归模型，使用双机器学习框架进行对比分析。结果显示，被动管理基金对利率变化的影响较少。该研究为基金经理和投资者提供了有价值的数据驱动建议。

在金融市场领域，近年来也有相关研究，如“Does monetary policy affect stock market returns and volatility differently? Evidence from the US and China”（2019）， “The impact of monetary policy on stock market bubbles and trading behavior: Evidence from the Shanghai Stock Exchange”（2020）等。