第(2/3)页

    “4.8%？”研究部主任皱眉，“这个数字怎么来的？模型？样本量多少？训练周期多长？”

    “不是神经网络。”陈帆答，“是基于回归分析的结果。输入变量只有三个：工业增加值同比变化、央行基础货币净投放量、以及过去三个月平均贷款审批时长。”

    “这些数据你从哪获取的？”另一个人问。

    “财政公报、人民银行公开数据、再加上我跟踪的五家重点分行审批记录抽样。”

    “抽样？”风控主管冷笑，“你就靠几个分行的数据做全国推断？太主观了吧。”

    “主观不主观，看相关性。”陈帆调出另一张图表，“过去八个季度，这三个变量与实际信贷增量的相关系数为0.81。模型回测误差不超过0.3个百分点。”

    他顿了顿，“现在的情况是，工业增加值连续两个月下滑，基础货币投放趋缓，而审批周期明显拉长——这三点都在指向信贷扩张动能减弱。”

    “可我们看到的是项目申报激增！”研究部主任提高音量，“各地都在报新计划，银行排队放款都来不及，你怎么得出收缩结论？”

    “申报不等于落地。”陈帆说，“资金拨付进度滞后于立项速度。一季度财政支出增速只有2.1%，远低于国民经济产量名义增速。这意味着很多项目还没拿到钱，银行自然无法放贷。”

    会议室再次安静。

    有人低头翻资料，似乎在核对数据。有人交换眼神，神情复杂。

    林国栋一直没说话。他靠在椅背上，指尖轻轻敲着桌面。

    片刻后，技术部的一位工程师开口：“你说的审批周期……能不能具体解释一下？”

    “我统计了华东六家分行的平均处理时间。”陈帆打开明细表，“去年四季度平均是七天，今年三月延长到十一天。流程变慢，反映的是银行内部风控趋严，也说明信贷资源正在收紧。”

    “那你这个模型……能实时更新吗？”

    “可以。”他点击刷新按钮，图表自动加载最新数据，“今天早上刚录入的三月份工业增加值修正值已经纳入计算，预测值仍维持在4.8%。”

    有人凑近看屏幕，喃喃道：“这玩意儿居然是个网页？还能动态查数据库？”

    “ASP写的。”陈帆说，“部署在独立服务器上，支持局域网访问。”

    议论声渐渐响起。

    研究部主任脸色不太好看，但没再反驳。他转头看向林国栋：“林行，你怎么看？”

    林国栋缓缓起身，走到投影幕前。他盯着那条红色虚线看了很久，才说：“数据来源需要进一步核实，方**也有待评估。不过……”他回头看了陈帆一眼，“敢于提出不同判断，本身值得肯定。”

    他坐回位置，“记录员，把刚才这位同事的观点记下来，作为参考意见附录。”

    记录员迟疑了一下，翻开纪要本，在末尾添了一行小字：“另有观点认为Q2信贷增幅可能低于5%。”

    会议继续进行。
    第(2/3)页