The origins and effects of macroeconomic uncertainty

作者: Francesco Bianchi, Howard Kung, Mikhail Tirskikh
来源: Quantitative Economics
主题: 经济理论 / 应用
相关性: 6/10
机构绿灯: Johns Hopkins University（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/qe1979

---

一、领域脉络与小综述

这个方向是什么

本文属于宏观经济学中的不确定性冲击子方向。其根本问题是：如何量化“不确定性”（即经济主体对未来经济状况的不可预测性）对宏观经济波动（如产出、投资、通胀）和资产价格（如期限溢价）的因果效应，并区分不同来源（需求侧 vs. 供给侧）的不确定性在传导机制上的差异。当前成熟度：该领域已有大量实证和理论工作，但多数模型要么将不确定性视为外生冲击，要么在简约式（reduced-form）设定下估计，缺乏一个能同时内生生成不确定性、并区分其来源的结构化一般均衡框架。

发展脉络（history）

根据本文的引言和参考文献，该方向的发展脉络如下：

1. 奠基工作：不确定性冲击的实证发现

   • Bloom (2009, Econometrica)：开创性地使用股票市场波动率（VIX）作为不确定性代理变量，发现不确定性冲击会导致经济活动短期急剧下降和随后反弹。本文引用其为“不确定性冲击影响宏观经济”的早期关键证据。
   • Bachmann, Elstner, and Sims (2013, AER)：使用调查数据中的预测分歧（forecast dispersion）作为不确定性度量，进一步证实了不确定性对产出的负面影响。本文引用其作为“使用调查数据度量不确定性”的代表。

2. 主要进展：将不确定性嵌入DSGE模型

   • Fernández-Villaverde et al. (2011, AER)：在标准新凯恩斯DSGE模型中引入时变波动率（stochastic volatility） 作为外生冲击，发现财政政策不确定性对实际活动有显著影响。本文引用其作为“将不确定性引入结构模型”的早期尝试，但指出其不确定性是外生给定的。
   • Basu and Bundick (2017, AER)：在一个包含名义刚性的模型中，展示了需求侧不确定性（即偏好或政府支出冲击的波动率）如何通过“预防性储蓄”和“价格粘性”渠道导致经济收缩。本文引用其作为“需求侧不确定性传导机制”的经典模型，但批评其忽略了供给侧不确定性。
   • Born and Pfeifer (2014, JME)：在DSGE模型中同时引入多种时变波动率冲击，发现政策不确定性对经济周期的影响相对较小。本文引用其作为“多源不确定性”建模的尝试，但指出其模型设定（如线性化近似）可能低估了不确定性通过风险溢价渠道的非线性效应。

3. 当前Frontier：内生风险溢价与非线性传导

   • Gourio (2012, AER)：提出“灾难风险”（disaster risk）模型，其中经济主体担心罕见灾难的发生，这内生地产生了时变的风险溢价。本文引用其作为“内生风险溢价”建模的基石，但指出其模型通常只关注一种不确定性来源。
   • Christiano, Motto, and Rostagno (2014, Econometrica)：在金融加速器框架中引入风险冲击（risk shock），即企业违约风险的波动率，发现其对经济周期有重要驱动作用。本文引用其作为“金融摩擦导致的不确定性”的代表，但指出其模型未区分需求与供给侧。

4. 本文的位置：本文声称填补了上述工作的缺口——它构建了一个同时包含需求侧和供给侧不确定性的生产型一般均衡模型，并内生生成期限溢价（而非外生给定）。它通过一个新颖的分析分解，将不同不确定性来源对宏观变量的差异效应归因于不同的“内生风险楔子”（endogenous risk wedges），从而在结构上解释了为什么供给侧不确定性对通胀和投资的影响更大。

子线索聚类

这些被引文献大致落在以下三条子线索上：

• 线索一：简约式实证（Reduced-form Empirics）：主要使用时间序列方法（如VAR）或面板回归，以各种代理变量（股票波动率、调查分歧、新闻指数）度量不确定性，并估计其对宏观变量的脉冲响应。代表：Bloom (2009), Bachmann et al. (2013)。瓶颈：无法区分不确定性冲击的来源（需求 vs. 供给），也无法揭示其背后的结构传导机制。
• 线索二：外生不确定性冲击的DSGE模型：在标准DSGE模型中，将某些外生冲击的波动率（即二阶矩）建模为时变过程（如随机波动率），然后估计这些波动率冲击对经济的影响。代表：Fernández-Villaverde et al. (2011), Basu and Bundick (2017), Born and Pfeifer (2014)。瓶颈：不确定性是外生“注入”的，而非经济主体内生决策的结果；且多数模型只关注一种不确定性来源。
• 线索三：内生风险与非线性模型：通过引入递归偏好（Epstein-Zin）、灾难风险、金融摩擦等机制，使风险溢价和不确定性成为经济主体内生决策的结果，从而产生非线性传导。代表：Gourio (2012), Christiano et al. (2014)。瓶颈：通常只聚焦于一种风险来源（如灾难风险或金融风险），缺乏一个统一的框架来比较不同来源不确定性（如需求 vs. 供给）的差异化影响。

这个方向在追问的核心问题

1. 量化问题：不确定性冲击对宏观经济波动的贡献有多大？是驱动经济周期的核心因素还是次要因素？
2. 识别问题：如何区分不同来源（需求侧、供给侧、政策、金融）的不确定性？它们通过哪些不同的传导渠道影响经济？
3. 内生性问题：不确定性是外生冲击，还是经济衰退本身导致的结果（即“坏时光”增加不确定性）？如何在内生性下识别其因果效应？
4. 非线性问题：不确定性冲击的影响是否是非线性的（例如，在零利率下限附近或高金融摩擦时期影响更大）？标准线性化DSGE模型是否低估了其影响？

⚠️ 作者的Framing

• 作者把缺口frame成什么：作者声称，现有文献要么只关注需求侧不确定性（如Basu and Bundick, 2017），要么只关注供给侧不确定性（如Christiano et al., 2014），或者将不确定性外生化（如Fernández-Villaverde et al., 2011）。本文的贡献是构建一个统一的、内生的框架，同时包含两种不确定性来源，并首次通过分析分解来揭示它们通过不同“风险楔子”产生差异效应的机制。这使得本文成为“显然的下一步”。
• 哪些竞争路线被他淡化或回避了：
  • 简约式方法（如VAR）：作者在引言中承认其价值，但强调其无法揭示结构机制。他淡化了简约式方法在“无需强结构假设”下的稳健性优势。
  • 纯金融视角的不确定性：如基于期权隐含波动率（VIX）的研究。作者将其归为“需求侧不确定性”的一种代理，但回避了金融市场的预期本身可能包含供给侧信息，从而难以干净分离。
  • 非线性DSGE模型的其他解法：如全局解法（global solution）而非本文使用的扰动法（perturbation method）。作者可能回避了全局解法在捕捉高度非线性效应（如偶尔发生的危机）上的优势，而选择了计算上更易处理的扰动法。
• 什么明显该被引/该存在、却没出现在intro里？
  • Jurado, Ludvigson, and Ng (2015, AER)：这篇论文提出了一个基于大量宏观经济和金融时间序列的“统计性”不确定性度量，是简约式实证领域的里程碑。它被广泛引用，但本文的intro未提及。值得研究者去查：本文是否认为其度量过于统计化、缺乏结构解释力？或者这是一个无意的遗漏？
  • Caggiano, Castelnuovo, and Groshenny (2014, JME)：这篇论文使用非线性VAR模型，发现不确定性冲击在衰退期的影响远大于扩张期。这直接挑战了线性DSGE模型的适用性。本文未引用，可能因为其模型（扰动法）本质上仍是局部线性的。

张力

未见明显对立引用。所有被引工作基本都支持“不确定性冲击对经济有显著影响”这一共识，分歧主要在于量化大小（Born and Pfeifer认为影响小，Bloom认为影响大）和传导机制（需求 vs. 供给）。本文试图通过一个统一框架来调和这些分歧。

二、最核心、最简单的例子 / 数学问题

第一步：把符号、模型、可观测数据交代清楚

• 符号：
  • \( C_t \)：t期的消费（随机变量）。
  • \( N_t \)：t期的劳动时间（随机变量）。
  • \( I_t \)：t期的投资（随机变量）。
  • \( K_t \)：t期的资本存量（状态变量）。
  • \( Y_t \)：t期的产出（随机变量）。
  • \( \Pi_t \)：t期的通胀率（随机变量）。
  • \( R_t \)：t期的名义短期利率（政策工具）。
  • \( S_t^{(n)} \)：t期、n期到期的零息债券价格（随机变量）。期限溢价（term premium）定义为长期债券收益率超出短期利率预期路径的部分。
  • \( \sigma_t^d \)：需求侧不确定性，即需求冲击（如偏好冲击）的条件标准差（时变参数）。
  • \( \sigma_t^s \)：供给侧不确定性，即供给冲击（如技术冲击）的条件标准差（时变参数）。
  • \( \theta \)：模型的结构参数向量（如偏好参数、价格粘性程度、资本调整成本等）。
• 模型：这是一个生产型一般均衡模型，包含：
  • 家庭：具有Epstein-Zin递归偏好（对风险厌恶和跨期替代弹性进行分离），最大化其终身效用。他们消费、提供劳动、投资资本、并持有政府债券。
  • 最终品厂商：在垄断竞争下生产差异化产品，面临Calvo式价格粘性（每期有固定概率不能调整价格）。
  • 资本品厂商：将投资转化为资本，面临调整成本。
  • 中央银行：遵循泰勒规则（Taylor rule），根据通胀和产出缺口调整名义利率。
  • 外生冲击：模型受到多种外生冲击，包括：全要素生产率（TFP）冲击（供给侧）、偏好冲击（需求侧）、货币政策冲击、政府支出冲击等。关键设定：这些外生冲击的波动率（即二阶矩） 本身也是时变的，服从一个AR(1)过程。\( \sigma_t^d \) 和 \( \sigma_t^s \) 就是这些波动率过程的状态变量。
• 可观测数据：研究者实际能观测到的是宏观经济和金融市场的时间序列数据：
  • 宏观数据：实际GDP增长率、消费增长率、投资增长率、通胀率、劳动时间等（季度数据）。
  • 金融数据：不同期限（如3个月、1年、5年、10年）的国债收益率曲线数据。
  • 不可观测：经济主体的预期、风险溢价、不确定性本身（\( \sigma_t^d, \sigma_t^s \)） 都是潜在变量，只能通过模型和观测数据来推断（即“估计”）。

第二步：讲最小内核

本文的核心思路可以浓缩为一个两期、两种不确定性来源、一个代表性家庭的简化例子。这个例子剥离了资本积累、价格粘性等动态复杂性，只保留最核心的“风险楔子”逻辑。

• 最简特例：假设经济只存在两期（t=0, 1）。在t=0期，家庭拥有初始财富\( W_0 \)，决定消费\( C_0 \)和投资于一种风险资产（代表资本或股票）。在t=1期，资产产生随机回报\( R_1 \)，家庭消费所有剩余财富\( C_1 = (W_0 - C_0)R_1 \)。家庭具有Epstein-Zin效用函数，其跨期欧拉方程为：

  \[1 = \mathbb{E}_t\left[ \beta \left( \frac{C_{t+1}}{C_t} \right)^{-\gamma} R_{t+1} \right]\]
  其中\( \gamma \)是相对风险厌恶系数。

• 核心思路：现在，假设资产回报\( R_1 \)受到两种独立的不确定性来源影响：

  • 需求侧不确定性：一个冲击\( \epsilon_d \sim N(0, \sigma_d^2) \)，影响消费\( C_1 \)的水平（例如，通过影响偏好，使得家庭在给定财富下消费更多或更少）。
  • 供给侧不确定性：一个冲击\( \epsilon_s \sim N(0, \sigma_s^2) \)，影响资产回报\( R_1 \)的生产率（例如，通过影响TFP，直接改变产出和资本回报）。

• 要证的命题：为什么供给侧不确定性对投资（即\( I_0 = W_0 - C_0 \)）和通胀（此处忽略，因为无价格粘性）的影响更大？

• 证明怎么走（直觉）：

  1. 定义风险楔子：将欧拉方程对数线性化，得到：

     \[r_{f,t} \approx -\log\beta + \gamma \mathbb{E}_t[\Delta c_{t+1}] - \frac{1}{2}\gamma^2 \text{Var}_t(\Delta c_{t+1})\]
     其中\( r_{f,t} \)是无风险利率。风险溢价（即资产回报超过无风险利率的部分）为：
     \[\mathbb{E}_t[r_{t+1}] - r_{f,t} \approx \gamma \text{Cov}_t(\Delta c_{t+1}, r_{t+1})\]
     这个协方差项就是风险楔子。它衡量了资产回报与消费增长之间的共变程度。如果资产在消费低（坏时光）时回报也低，那么它就是一个糟糕的避险资产，需要更高的风险溢价来补偿。

  2. 区分两种不确定性的影响：

     • 需求侧不确定性（\( \sigma_d \)）：它主要影响消费\( C_1 \)的波动。当\( \sigma_d \)上升时，\( \text{Var}_t(\Delta c_{t+1}) \)上升，这会通过预防性储蓄动机（上面方程中的\( -\frac{1}{2}\gamma^2 \text{Var}_t(\Delta c_{t+1}) \)项）降低无风险利率\( r_{f,t} \)。同时，由于消费和资产回报都受到同一个需求冲击的影响，\( \text{Cov}_t(\Delta c_{t+1}, r_{t+1}) \)也会变化，但方向取决于冲击如何同时影响两者。在标准设定下，需求冲击使消费和资产回报同向变动，因此风险溢价上升。
     • 供给侧不确定性（\( \sigma_s \)）：它直接冲击资产回报\( R_1 \)的生产率。当\( \sigma_s \)上升时，资产回报的波动性\( \text{Var}_t(r_{t+1}) \)大幅上升。更重要的是，由于供给侧冲击直接影响资本的生产力，它会导致资产回报与消费增长之间的协方差\( \text{Cov}_t(\Delta c_{t+1}, r_{t+1}) \)显著增大（因为坏的生产率冲击同时降低了产出和消费）。这使得风险溢价\( \mathbb{E}_t[r_{t+1}] - r_{f,t} \)大幅上升。

  3. 对投资的影响：投资\( I_0 \)取决于预期回报和风险溢价。供给侧不确定性导致风险溢价大幅上升，意味着资本成本急剧增加，从而强烈抑制投资。需求侧不确定性虽然也提高风险溢价，但幅度较小，且其通过降低无风险利率的效应部分抵消了对投资的负面影响。因此，供给侧不确定性对投资的负面冲击更大。

• 为什么成立：这个最小内核揭示了关键机制：供给侧不确定性直接冲击了资产回报与消费的协方差（即“坏时光”时的资产表现），从而放大了风险溢价，对投资产生更强的抑制效应。本文的完整模型只是在这个内核基础上，加入了资本积累、价格粘性、债券期限结构等动态元素，使得这个机制在更丰富的环境中得以量化。

三、这篇论文做了什么

三句话

1. 研究了什么问题：本文构建并估计了一个生产型一般均衡模型，旨在量化需求侧和供给侧不确定性对宏观经济波动（产出、消费、投资、通胀）和资产价格（期限溢价）的差异化影响。
2. 核心工具/方法：使用Epstein-Zin递归偏好和时变波动率冲击来内生生成风险溢价和不确定性；采用扰动法（perturbation method） 对模型进行高阶近似求解，以捕捉非线性效应；使用贝叶斯方法（MCMC） 结合宏观和期限结构数据估计模型参数和潜在的不确定性状态。
3. 主要结论：两种不确定性都会导致实际活动大幅收缩和期限溢价上升，但供给侧不确定性对通胀和投资的负面影响显著更大。这一差异源于两者通过不同的“内生风险楔子”传导：供给侧不确定性主要通过“资本风险楔子”（capital risk wedge）放大投资风险，而需求侧不确定性主要通过“消费风险楔子”（consumption risk wedge）影响消费。在大衰退后，供给和需求不确定性出现脱钩。

关键设定与假设

在第二节最小记号的基础上，完整设定包括： * 递归偏好（Epstein-Zin）：假设家庭具有递归效用函数，将风险厌恶系数\( \gamma \)和跨期替代弹性\( \psi \)分离。这是关键假设，使得模型能产生时变的风险溢价，而标准CRRA效用无法做到。 * 生产侧：包含资本调整成本、可变资本利用率、垄断竞争和Calvo价格粘性。这些是标准新凯恩斯模型的要素。 * 不确定性冲击：假设TFP冲击和偏好冲击的波动率（即\( \sigma_t^s \)和\( \sigma_t^d \)）本身服从AR(1)过程。这是核心创新设定，使得不确定性成为可估计的潜在状态变量。 * 期限结构：模型内生决定不同期限的债券价格，从而可以匹配观测到的收益率曲线数据。这是连接模型与金融数据的关键。 * 相比已有文献的强化：相比Basu and Bundick (2017)只考虑需求侧不确定性，本文同时考虑了供给侧；相比Fernández-Villaverde et al. (2011)将不确定性外生化，本文通过递归偏好使其内生影响风险溢价；相比Gourio (2012)只关注灾难风险，本文考虑了持续波动的二阶矩冲击。

主要结果

• 理论结果（分析分解）：本文提出了一个新颖的分析分解，将不同不确定性冲击对宏观变量的影响分解为多个“内生风险楔子”的贡献。例如，供给侧不确定性冲击对投资的影响可以分解为：
  • 资本风险楔子：由于资本回报与消费的协方差变化导致的投资风险溢价变化。
  • 调整成本楔子：由于资本调整成本导致的投资非线性响应。
  • 预期渠道：由于对未来资本边际产出的预期变化导致的投资变化。 这个分解量化地展示了供给侧不确定性主要通过“资本风险楔子”起作用，而需求侧不确定性主要通过“消费风险楔子”起作用。这是本文的核心理论贡献。
• 量化结论（贝叶斯估计结果）：
  • 不确定性冲击的脉冲响应：一个标准差的需求侧或供给侧不确定性冲击，都会导致GDP、消费、投资在短期内下降1-2%，并导致10年期期限溢价上升20-40个基点。
  • 差异化影响：供给侧不确定性冲击对投资的负面影响是需求侧不确定性冲击的约2倍；对通胀的影响是正向且显著的（需求侧不确定性导致通胀下降），这与“供给侧不确定性导致成本推动型通胀”的直觉一致。
  • 历史分解：在样本初期（1980s-2000s），供给和需求不确定性高度相关，共同驱动经济周期。但在大衰退（Great Recession） 之后，两者脱钩：需求不确定性迅速下降，而供给侧不确定性（特别是与TFP相关的）持续处于高位，解释了后危机时期投资持续低迷和通胀疲软的现象。

证明路线与技术技巧（理论型必写，要具体）

• 整体路线：
  1. 模型求解：使用三阶扰动法（third-order perturbation） 对模型进行近似求解。一阶解给出确定性稳态；二阶解捕捉到风险溢价（因为风险溢价是二阶矩）；三阶解捕捉到不确定性冲击（波动率变化）对风险溢价的影响（即“波动率的波动率”效应）。这是关键技巧，因为标准的一阶或二阶近似无法捕捉到不确定性冲击的非线性效应。
  2. 状态空间表示：将求解后的模型写成一个非线性状态空间模型。状态变量包括资本存量、TFP水平、偏好水平、以及它们的波动率（\( \sigma_t^s, \sigma_t^d \)）等。观测方程将模型内生变量（如GDP增长、通胀、收益率）与可观测数据联系起来。
  3. 贝叶斯估计：使用马尔可夫链蒙特卡洛（MCMC） 方法（具体为随机游走Metropolis-Hastings算法）估计模型的结构参数\( \theta \)和潜在状态变量（包括不确定性序列\( \{\sigma_t^s, \sigma_t^d\} \)）。这需要计算似然函数，而由于模型是非线性的，需要使用粒子滤波（particle filter） 或扩展卡尔曼滤波（extended Kalman filter） 来近似似然。本文使用了后者。
  4. 分析分解：在估计出模型后，作者利用模型的解析结构，推导出将不确定性冲击的脉冲响应分解为不同风险楔子的贡献的公式。这本质上是对模型解进行偏导数分解，将总效应拆解为通过不同内生变量（如资本回报协方差、消费协方差）传导的路径。
• 关键跳跃点：
  • 从二阶到三阶扰动：二阶扰动只能得到常数风险溢价，无法让风险溢价随不确定性状态变化。三阶扰动是让风险溢价本身成为状态变量的函数的关键。这个跳跃的技术难点在于三阶导数的计算和符号推导的复杂性。
  • 分析分解的推导：将复杂的非线性脉冲响应分解为几个有经济含义的“楔子”并非易事。作者需要巧妙地利用模型的递归结构，将总导数分解为通过不同内生状态变量（如资本、消费）的路径导数之和。这是本文最吃功夫的引理。
• 技术技巧点名：
  • 扰动法（Perturbation Method）：用于求解DSGE模型的近似解。本文使用了三阶扰动，这是其捕捉不确定性冲击效应的核心。
  • 贝叶斯估计与MCMC：用于从数据中推断模型参数和潜在状态。
  • 粒子滤波/扩展卡尔曼滤波：用于计算非线性状态空间模型的似然函数。
  • 分析分解（Analytical Decomposition）：本文独创的、将脉冲响应分解为不同风险楔子的方法，是其主要理论贡献。

真实例子与应用

• 用的什么数据/场景：美国宏观经济和金融市场的季度数据，时间跨度从1984年Q1到2016年Q4。宏观数据包括实际GDP、消费、投资、通胀、劳动时间等。金融数据包括3个月、1年、5年、10年期国债收益率。
• 怎么把本文方法用上去：作者将上述DSGE模型与这些数据匹配，使用贝叶斯方法估计出模型参数和潜在的不确定性状态（\( \sigma_t^d, \sigma_t^s \)）的时间序列。然后，他们进行反事实模拟（例如，关闭供给侧不确定性冲击，只保留需求侧不确定性），来量化每种不确定性的独立贡献。
• 得到什么结果：如上所述，他们发现供给侧不确定性对投资和通胀的影响更大，并给出了历史分解，显示大衰退后两种不确定性脱钩。
• 这个例子想说明什么：这个实证应用旨在验证模型的理论预测（供给侧不确定性影响更大），并展示模型作为量化工具的价值——它能够从数据中“提取”出两种不可观测的不确定性序列，并解释后危机时期的经济现象。它是对模型理论机制的一个“现实世界”的检验。

🔎 结论是否比证明窄

• 结论：作者声称供给侧不确定性对投资和通胀有“更大”的影响。
• 证明：这个结论是在特定模型设定（如Epstein-Zin偏好、Calvo定价、扰动法近似）和特定数据样本（1984-2016年美国数据）下严格证明的。
• 潜在泛化问题：
  • 结论的“更大”是量化上的（约2倍），但作者没有证明这是一个普遍性的理论结果。它依赖于估计出的参数值。如果风险厌恶系数或价格粘性程度不同，这个倍数可能会变化。
  • 模型假设不确定性冲击是外生的（波动率过程是外生AR(1)）。作者在结论中有时会使用“不确定性导致……”的因果语言，但严格来说，模型只能证明在给定外生波动率冲击下，经济如何响应。它没有解决“不确定性本身是否由经济内生决定”这一更深层的识别问题。
  • 作者在结论中暗示其分解方法可以推广到其他类型的不确定性，但论文中只展示了需求侧和供给侧两种。这是一个conjecture，而非严格证明。

四、开放问题（点到为止，扎根具体语句）

1. 非线性效应的稳健性：本文使用三阶扰动法，但全局解法（global solution）可能揭示出更强的非线性效应（如偶尔发生的危机）。作者在文中提到“我们的扰动法近似在远离稳态时可能不准确”（Limitation部分）。扎根点：论文的“Conclusion”部分提到“我们的方法依赖于局部近似，未来研究可以使用全局解法来验证结果的稳健性”。这是一个明确的开放问题。
2. 不确定性内生性的识别：模型假设不确定性（波动率）是外生过程。但经济衰退本身可能通过“不确定性陷阱”（uncertainty trap）机制内生地放大不确定性。扎根点：论文在“Introduction”中承认“我们假设不确定性冲击是外生的，这是一个简化”。如何在一个框架内同时建模不确定性的原因和后果，是一个待解决的问题。
3. 更多不确定性来源的区分：本文只区分了需求侧和供给侧。现实中还有政策不确定性、金融不确定性、地缘政治不确定性等。扎根点：论文在“Conclusion”中提出“将我们的框架扩展到包含更多类型的不确定性（如货币政策不确定性）是一个有前景的方向”。如何在一个高维状态下识别和估计多种不确定性，是一个技术挑战。
4. 分析分解的泛化：本文的分析分解是针对特定模型推导的。它能否被推广到一类更广泛的非线性动态随机一般均衡（DSGE）模型？扎根点：论文在“Conclusion”中称其分解为“新颖的”，但未讨论其通用性。这是一个潜在的数学/理论问题。

---

Maintained by 陈星宇 · Homepage · Source on GitHub

评论