Gregory Phelan本博皆毕业于耶鲁大学经济学系，师从著名经济学家John Geanakoplos教授，现为美国威廉姆斯学院（Williams College）经济学系副教授（终身教职）。Phelan教授是金融学领域崭露头角的新星，研究领域涵盖宏观经济学与金融理论，重点探讨金融市场特征如何影响宏观经济的运行。他的研究成果发表于Journal of Finance、Review of Financial Studies、Journal of Financial Economics、Economic Journal、American Economic Journal: Macroeconomics、International Economic Review等国际顶级学术期刊。近期的研究聚焦于通胀的驱动机制及维护金融稳定的货币与监管政策设计。Phelan教授的研究兼具理论创新与现实洞察，是宏观金融领域有影响力的学者。

Phelan教授应邀于2025年在复旦大学经济学院讲授蒋学模系列课程“Collateral and Leverage”，随后我们有幸专访了Phelan教授。

本期记者：

李卓楚（复旦大学经济学院博士研究生）

高成凡（复旦大学经济学院博士研究生）

访谈内容

Q1：非常荣幸能够邀请Phelan教授进行这次专访。首先，能否请您简要分享一下您的学术经历，以及是什么契机让您开始研究宏观金融？为什么会选择以抵押品作为理解宏观金融的核心视角？

Phelan 教授：在读研之前，我曾在一家对冲基金工作。那段时间我赚了不少钱，也捐了不少钱。随着捐赠次数的增加，我开始更加关注这些钱究竟被用在了哪里、产生了什么影响。渐渐地，我意识到，工作对我来说不能只是“赚到钱再捐出去”这么简单。我开始思考：世界上有哪些问题是我真正希望看到且可以有效解决的？我能通过自己的工作，对这些问题产生怎样的影响？我不断思考各种问题背后的经济学原理。于是，我决定去读研究生。

起初，我并没有计划研究宏观金融。但后来两件事情影响了我。第一件事情是我在金融危机期间身处金融业，亲眼见证了危机带来的冲击，这让我深刻体会到金融稳定的重要性。第二件事情是我进入研究生阶段，遇到了我的导师John Geanakoplos教授。他也有相似的经历——在休假期间从事金融工作，亲历了一场小规模的金融危机，这段经历促使他提出了抵押品理论。当我听他讲解这套理论时，被它的解释力深深打动。它能帮助我们理解金融体系如何运作，以及如何实现稳定。从那时起，我便对抵押品及相关领域产生了浓厚的兴趣。

Q2：您在课程中提到，抵押品的使用可能引发杠杆周期。从政策角度看，政府应如何缓解这一问题？又该如何监测并确定适当的杠杆水平？

Phelan 教授：我想先强调一点，虽然抵押品的使用确实可能带来过度波动和杠杆周期，但它首先创造了信贷机会——没有抵押品，人们很难借款，很难购房或企业融资。因此，它是动态经济体系中不可或缺的一部分。

杠杆周期理论告诉我们，市场中的杠杆水平往往高于社会最优水平。因此，监管机构应在好时期限制杠杆、限制经济主体在购置资产时可以采取的杠杆水平。然而，过度限制也会抑制经济活力。一个“过于稳定”的金融体系，反而会变得像“墓地”一样，稳定但毫无生机。

监测杠杆是一个非常复杂的问题。监管者需要尽可能全面地了解市场中各种形式的杠杆使用情况，因为不同类型的杠杆与资产对应着不同的风险。例如，用高杠杆进行隔夜融资，与用高杠杆进行一年或十年的融资，其风险性质完全不同。杠杆的系统性影响不仅取决于资产类型，也取决于融资期限和市场参与者的特征。正因如此，我认为只有对整个系统有更深入、全面的理解，我们才能更好地应对这些问题——但不存在一个放之四海而皆准的答案。

Q3：如今许多金融创新工具，例如应急可转债（Contingent Convertible Bonds，CoCo）或斯坦福大学的Jeremy Bulow提出的股权追索票据（Equity Recourse Notes，ERN），被认为能缓和杠杆周期。您怎么看待这些工具？

Phelan 教授：金融危机的核心问题可以归结为两个方面：一是流动性紧缺，二是资产持有者被迫去杠杆。当资产价格下跌时，他们的净资产受损，只能抛售资产来满足偿付需求。此时，如果他们能突然获得一部分额外财富，局面就可能有所缓解。要实现这一点，有多种可能的方式，比如将债券转为股权，或者对债务进行宽限。

一个开放的问题是：为什么经济主体起初不交易这类合约？其中一些设计看起来对投资者颇具吸引力。举例来说，如果我是一个希望在危机中购入资产的投资者，我可能就会想要一种能在危机时增加我股权的合约。但在现实中，投资者似乎普遍不愿持有这样的资产，也许是因为他们并不真正需要这类工具。

如前所述，金融危机的核心既包括流动性问题，也涉及偿付能力问题。以可转债（CoCo）为例，如果这种工具只能使股权增加一点点，可能还不够，必须切实解决偿付能力问题。而在流动性危机中，CoCo也未必能满足投资者的需求。

此外，这类复杂工具在监管上往往存在很大挑战，容易被市场主体规避。正因为如此，尽管理论上这些设计精巧，但实践中最有效、最稳健的政策往往反而更为简单。例如，提高银行的资本充足率，让银行持有更多自有资本。虽然这并非理论上的最优解，但却是最可操作、最具稳健性的方案。

Q4：您如何看待Admati教授等提出的提高银行股本比例的主张，他们引用了MM的观点？

Phelan 教授：在边际上，我赞成银行相较于2008年之前应当持有更多股本。事实上，许多监管改革已经显著提高了银行的资本水平。但如果我们从整个银行体系的角度来看，这一主张并不完全成立。毕竟，银行体系存在的根本目的就是创造短期债务。回到“墓地”这个比喻，如果银行完全依靠权益资本融资，危机确实不会发生，但与此同时，也无法提供任何流动性。

当然，如今也出现了一些替代性的流动性创造机制，比如货币市场基金或狭义银行（narrow bank）。不过，银行的独特之处在于，它们能够同时提供流动性与信用支持。因此，我并不确定我们是否真的能够将这两种功能完全分离。

Q5：如果我们将抵押品视角纳入货币政策分析，中央银行应如何调整传统以利率为核心的政策框架？

Phelan 教授：这在很大程度上取决于各国金融体系的结构。以市场为主导和以银行为主导的金融体系，其政策含义并不相同。危机期间，利率的下调空间往往有限，而且利率通常并不是信贷受限的关键约束。因此，我认为，在金融危机中，提供现金、合格抵押品，或便利的抵押品获取渠道尤为重要。

此外，尽管并非所有经济体都有能力做到这一点，但我认为，对不同类型金融工具的杠杆率进行监管十分关键。即便无法直接控制杠杆，中央银行也应充分理解杠杆如何放大冲击，以及在某些情况下，杠杆本身如何演变为冲击的源头。

Q6：您在课程中还提到，在开放经济中，金融发展水平差异会导致全球失衡，并放大杠杆周期。对此应如何应对？

Phelan 教授：我首先想强调，国际资本流动确实为许多投资者带来了实质性的福利提升。我们的研究发现，金融一体化虽然可能增加金融波动，但同时也提供了原本难以获得的金融合约形式。由此，两国投资者都能从中获益。

在传统的金融发展模型中，全球失衡往往意味着金融发展程度较低的国家将显著受益，因为它们能够获得新的投资机会、更高的回报率或新的金融工具。而我们的模型表明，金融发展水平较高的国家同样能够从金融一体化中获益：它们可以通过出售资产来融资，从而维持贸易逆差。因此，在金融一体化的初期，往往有许多收益。

当然，金融一体化也伴随着风险与代价。我认为，应对的关键在于宏观审慎监管。与单一经济体的杠杆周期类似，应在经济繁荣时期限制杠杆扩张，而在低迷时期提供抵押品的获取渠道。我并不主张通过限制国际资本流动来解决问题——对多数国家而言，这既难以执行，也容易被规避。更重要的是，金融一体化初期确实为投资者带来了诸多益处。因此，政策重点应放在繁荣时期加强监管，维护系统稳定，并持续监测资本流动，以把握金融状况的变化。

Q7：如果我们考虑气候风险，假设两个国家对气候变化的暴露程度不同、金融发展水平不同，并进行资本流动，那么您认为会出现怎样的结果？

Phelan 教授：在我与David Love 教授的研究中，我们探讨了“可持续性”（sustainability）的决定因素——这里的“可持续性”并不仅仅指环境层面，而是指“未来是否会比现在更好”。人们担心未来不如现在的原因之一是气候变化可能带来的灾难性后果，但除此之外，还有许多潜在威胁，例如人工智能可能主导世界、战争风险上升、或剧烈的人口变化等。

我们的研究首先发现，经济增长有助于缓解这些问题。然而，我们也发现，与其他类型的金融风险类似，重大灾难性风险（如气候变化）会削弱社会实现“未来优于当下”的可能性。

进一步地，我们考察了两个金融发展水平不同的国家在资本流动下会发生什么？结果显示，金融发展程度较低的国家往往受益更多，因为它们能够进入更成熟的金融市场，从而使财富积累更快，使社会实现“未来优于当下”的可能性变大。换言之，金融发展的推进本身就是促进一个国家实现可持续发展的重要力量。

Q8：在传统的银行挤兑模型中，分析通常以利率为中心。如果将抵押品维度纳入，会产生怎样的不同？

Phelan教授：银行面临的一个核心问题是履行自身债务的能力。如今，银行资产负债表上往往持有大量证券，因此，提升流动性的主要方式之一就是出售这些证券或其他资产。然而，当资产价格受到抵押价值的影响时，如在危机中抵押价值下跌，就会进一步恶化银行的流动性状况。

不过，银行的问题并不总是源于资产流动性差。即便持有流动性较强的资产，银行挤兑仍可能发生（例如硅谷银行的案例）。这与银行支付的存款利率、以及其特许经营权价值的变化都有密切关系。因此，我认为，在讨论如何防止或缓解银行挤兑时，除了抵押品因素，还有很多其他问题需要考虑。

Q9：在金融体系中，为什么债务占据如此大的比重？其背后机制是什么？

Phelan 教授：这是个很好的问题。诺奖得主Douglas Diamond经常说，每一次金融危机都源于短期债务。但短期债务似乎又是金融体系的核心工具之一。原因在于，债务虽然会带来一些问题，但同时也解决了许多问题，从整体上看，它的存在更多是为了解决问题。

首先，债务能够缓解信息不对称。这是Robert Townsend在一篇经典论文中提出的观点。设想我打算借钱给你，但我并不了解你的项目会不会成功，也不知道你将赚多少。我不知道是否需要付出成本去了解这些信息，那么最简单的方式就是让你偿还固定金额。我不需要知道你赚了多少，这种固定偿付的合约化解了信息不对称的问题。

其次，有时候人们只是想储蓄，而并不关心经济或世界未来的状态。债务，尤其是短期债务，恰好满足了这种需求。因此，从投资者的角度看，他们有许多理由偏好持有这类工具。

Q10：为什么状态依存型合约（state-contingent contracts）在现实中并不常见？

Phelan 教授：这是一个仍未解决的问题。也许原因在于，人们并不愿意交易状态依存型合约，或者他们更愿意交易的合约类型，并不是经济学家所期望的那种。很多时候，人们交易的主要动机源于对资产的乐观程度不同——他们对未来的乐观程度不同，因此希望通过交易来表达这种观点，押注事情会变好或变坏。

当然，这只是部分解释。毕竟，金融创新确实已经在不断创造出带有状态依存特征的合约，例如信用违约互换（CDS）；许多证券化市场也在生成这种结构的工具。然而，对许多投资者而言，金融并不是他们的核心目标。比如，对保险公司来说，首要任务是开展保险业务，持有金融资产只是保险业务的一部分；对于家庭来说，首要关注的是生活本身——工作、日常开支，以及通过住房抵押贷款购房。

因此，对多数人而言，非状态依存型债务（如固定偿付债务）只是让生活更简单的一种方式。这并不是一个正式的论点，但想象一下：如果人们每个月都得根据经济状况重新计算房贷还款额，生活规划将变得异常复杂。换句话说，金融对他们而言不是终点，而是一种工具——它让人们能够更顺利地实现生活目标。而非状态依存型合约之所以普遍，正是因为它更加简单。

Q11：近年来，以太坊和比特币等加密货币在不断发展，您也有一篇关于以太坊的工作论文。您认为在加密货币市场中，抵押品理论仍然适用吗？

Phelan 教授：当然有用。许多“智能合约”（smart contracts）是明确以抵押品形式进行抵押的，它们的运作方式与理论预测非常一致。当抵押品价值下跌时，合约会自动被清算，这正符合我们在一个简单模型中的推演。可以说，加密资产能被用作抵押品这一特性，在很大程度上支撑了它们的市场价格。

对于加密资产来说，抵押品价值理论以及由此带来的潜在不稳定性尤为突出。因为这些资产的价格并没有锚定任何基本价值，它们的抵押价值可能随市场情绪迅速蒸发。人们对这类资产的感知价值可能会大幅波动，对这些资产的感知抵押价值也会大幅波动。

然而，稳定币的机制却有所不同。理想情况下，它们由真实的金融资产完全抵押，以此支撑其价值。从这个意义上说，稳定币更接近货币市场基金（money market fund）。由于其价值相对稳定，稳定币也更适合作为一种支付工具。

Q12：在您看来，当前宏观金融领域中最重要的、尚未解决的问题有哪些？

Phelan 教授：这是一个很难回答的问题。我认为，有必要通过实证研究来量化这些理论机制。（不过，在某些情况下，这并不容易，因为国际上关于抵押利率的数据并不好。）这样的研究有助于我们识别在不同情境下哪些金融摩擦更为关键，以及不同类型的机构受到哪些摩擦的影响更大。同时，我们也需要了解，在不同时期，这些力量的重要性如何变化。

此外，金融体系本身也在不断演变——无论是危机后的监管改革，还是金融科技（FinTech）与人工智能（AI）的发展，都在重塑金融结构。宏观金融研究需要紧跟这些变化，才能理解传统机制在新环境下的演化。

Q13：当前宏观经济研究广泛采用DSGE模型，但其在处理异质性与宏观金融方面似乎存在局限性。您如何看待这一方法？有没有其他替代方案？

Phelan 教授：DSGE 框架当然有其价值——它为我们提供了一种量化特定机制影响的方法。但挑战在于，这类模型往往会迅速变得复杂。虽然你可以用 DSGE 模型去研究许多问题，但当模型变量过多时，就很难清楚地辨识哪些因素真正驱动了变化。此外，为了求解模型，你必须对冲击做出一系列假设。因此，DSGE 框架在某些情境下确实有用，但并非在所有情况下都适用。正如 Ricardo Caballero 在危机后的论文中指出的那样，如果我们过于依赖自己的方法论，就容易误以为已经理解了所有问题，而事实上我们还有许多未知的地方。

有时，一个非常简单的模型，即使无法提供定量预测，也能帮助我们把握关键机制。比如，它能让我们更清楚地隔离出某个机制的运作逻辑，并进一步思考这种机制如何影响政策判断。我个人更喜欢这种简单的模型，比如三阶段模型，而非无限期、动态的复杂设定。这类模型也许只包含几个不确定状态，但往往能更直观地揭示背后的核心关系。

构建更多不同类型的模型，有助于我们从多角度理解经济机制。政策制定者通常不会只依赖某一个大型模型。他们往往会以一个大模型为基准，但随后还要考虑各种方面。虽然不可能量化一切，但在任何时点，我们都希望考虑各个方面。除了大型 DSGE 模型外，那些突出单一机制的简单模型，在危机情境下尤其有用。例如，美联储前主席本·伯南克（Ben Bernanke）就曾指出，我们之所以知道如何应对金融挤兑，是因为有了“Diamond-Dybvig”这个简单的模型。正是这个模型揭示了当时问题的核心机制，并为政策干预提供了理论基础。

有时，DSGE模型的量化方法也能提供一种对机制进行实证量化的视角。有时，不同的实证方法——无论是回归分析、微观数据，还是工具变量——都能在不依赖复杂模型的前提下，为机制量化提供有力的证据。

世界本来是复杂的，因此越多样的分析工具越能帮助我们理解它。DSGE 模型提供了一种可量化的结构，帮助我们评估政策在特定环境下的作用；简单模型揭示机制的本质，帮助我们深入地理解经济系统如何运作；而直接的实证研究则有助于我们识别和估计因果关系。我认为，应当将这三种方法结合起来，构建出对世界更全面、更深入的认识。

Q14：随着大语言模型（LLMs）的发展，您认为它们能为宏观金融研究带来哪些改变？或许它可以用于识别一些法律条文或限制性条款？

Phelan 教授：过去几年，AI 的发展远超出人们的预期。我认为有几件事情，AI 已经擅长，或者很快就会变得非常擅长。

首先是写作。比如，你给它一段文字，并让它帮助“使这段话更清晰、更有逻辑”，它往往能做得非常好。我认为它非常擅长写出简洁清晰的句子，写论文的人都应该使用它来改进表达。

其次，AI 在帮助研究者梳理文献方面也很有潜力。当然，使用时需要谨慎——必须核实它提供的论文是否真实，因为它有时会“编造”文献或给出错误的引用。但总体来说，它能在短时间内帮我们获得一个关于特定主题的初步认识，比如“针对某个现象，现有研究提出了哪些解释机制？”这类问题，它能给出一个有用的起点。

此外，AI 在编程方面的作用同样显著。它可以帮我们更快地编写和调试代码，从而显著提高研究效率。

至于 AI 是否能自主提出研究问题，这是一个开放的问题。许多人对此持乐观态度，但有时它经常搞错简单的问题。有时它提出的问题听起来可能不错，但作为一个研究者，我知道这其实不是一个好问题。但无论如何，我认为它对头脑风暴非常有用。比如，你可以和它对话：“如果我提出一个想法，某位经济学家会怎么看？”相比于直接让它评价想法，这种对话式探索往往能带来更多的启发。你甚至可以设定角色，比如请它以某位知名发展经济学家或宏观金融学者的视角来回应，这种方式常常能带来新的思路。

总的来说，我认为 AI 在研究中的潜力巨大——无论是在写作、文献梳理、编程，还是在激发创意方面，都有广阔的应用空间。

Q15：您能给博士生和对宏观金融感兴趣的青年学者一些建议吗？

Phelan 教授：有时候别人会告诉我们，要做一些“热门”的题目，或者“重要”的题目。但我觉得，如果你不真正喜欢自己在做的事情，就很难成为一名好的研究者。我的建议是，去找到一个既重要、又能让你由衷感兴趣的问题。我在读研究生时，曾有幸听到 John Geanakoplos 讲述他的研究，那次报告后来成了我求职论文的灵感来源。我非常喜欢他当时的想法。也许有人会说那不是“正确的方向”，但如果它能激发你的热情，你就会自然而然地想去钻研；如果它又恰好是重要的，那别人也会愿意倾听。

其次，要真正理解一篇论文的机制。要弄清楚论文里“到底在发生什么”。研究生阶段对我最有帮助的经历之一，是和导师一起参加阅读小组。我们轮流报告论文，努力把每一篇都读懂。如果导师觉得我们还没理解透，就会要求我们再来一次，直到真正明白为止。很多时候，我们以为已经理解了，但最后发现，原来作者的意思和我们想得并不一样。这并不是论文有问题，而是它改变了我们看待问题的方式。

还有一个建议：尽量用最简单的模型。很多次我都以为自己找到了“最简单”的形式，但几年后又意识到还能更简化。这通常说明我还没有真正抓住问题的本质。所以我建议学生要彻底搞清楚“真正发生了什么”。作为研究者，很容易产生一个故事，并认为它合情合理。但如果这个故事并不正确，那只是在自我欺骗，无法真正理解原理。

最后，要学会展示和推广自己的研究。一开始我以为，只要写出一篇好论文、投稿发表，别人就会阅读和引用。但事实远非如此。理解一篇论文本身就很难，所以你必须主动去推广，让人们知道你的工作。你越多地交流、介绍自己的研究，越能获得反馈，也越容易让别人真正理解你的论文。面对面的交流、倾听别人的工作、讨论自己的想法，这些都非常重要，因为它们会帮助你改进和深化研究。

Q16：最后一个问题是，您通常如何寻找研究问题？

Phelan 教授：作为一名理论研究者，我的研究选择通常受到两种不同因素的驱动。

第一种情况是，出现了一个重要的问题，或者发生了一件重大的事件，而我们并不真正理解其运作机制——现有的标准模型也无法解释。例如，我最近即将发表于Review of Financial Studies的一篇论文《安全资产市场的脆弱性》（Fragility of Safe Asset Markets）就属于这一类。在疫情期间，美国国债市场的表现非常反常：它既没有遵循我们以往的预测，也展现出前所未有的特征。我们原本用来解释市场运行机制的模型，在那段时期都失效了。于是，我们不得不重新思考：这些机制到底是什么？问题出在哪里？新的模型应当如何构建？这种情形是最理想的研究起点——当你遇到一个重要却难以用现有理论解释的现实问题，你的研究就自然会被推动向前。

但当然，并非所有研究都是这样开始的。毕竟，没有人能精通所有领域。经济学家往往各有所长，掌握的分析工具也不尽相同。就像木匠一样，也许我对锤子和螺丝刀得心应手，但对其他工具并不熟悉。那么，当我看到一个问题正好“适合用锤子解决”时，我自然会想到去“敲一敲”它。有时候，研究灵感正是来自于你对熟悉模型的不断尝试与探索。你会思考：如果我用这个模型去解释那件事，会发生什么？这并不容易，因为经济学研究的目标是理解现实世界，而不是模型本身。但有时候，通过深入理解模型，我们反而能捕捉到现实世界的规律，然后退一步去反思：这背后究竟说明了什么？所以，作为一名理论研究者，我的建议是要亲手使用模型并观察它们如何运作。而如果你是实证研究者，那你可能更擅长处理数据和各种实证方法。你可以通过数据去提出从未被问过的问题，有时也可能从中发现意料之外的规律。这些新发现可能会迫使你重新思考——我们该如何解释眼前的现象？

经济学家的研究往往在这两种方式之间来回切换：有时问题推动我们去创造新工具，有时工具引导我们去观察世界。我自己关于通货膨胀的研究就是这样来的。当时全球通胀普遍上升，而我们缺乏合适的理论框架去理解它。我和合作者们便尝试利用手头已有的工具来分析通胀问题，在这些工具的适用范围内，我们得到了一些有价值、也引起他人兴趣的结论。我很高兴能够来复旦授课。本课程的主要目标是培养学生的批判性思维，不仅包括批判性地思考我们在经济学和金融学中的假设以及研究范式，也包括对真实的世界进行批判性思考。学生要勤于观察投资者行为和金融市场现象，并学会如何以批判的眼光看待这些市场现象。