技术经济

全球税收冲击下中国短期跨境资本流动的结构跃迁与政策响应机制——基于生成式人工智能语义指数的嵌入分析

PDF下载

郭皓晨 ¹ , 周慧蕙 ² , 高伦 ³ , 陆岷峰 ⁴

技术经济 | 宏观技术经济 2026,45(1): 30-42

收起

技术经济 |宏观技术经济 2026 , 45 (1) : 30 -42

全球税收冲击下中国短期跨境资本流动的结构跃迁与政策响应机制——基于生成式人工智能语义指数的嵌入分析

全屏

郭皓晨¹, 周慧蕙², 高伦³, 陆岷峰⁴

作者信息

^1．东南大学经济管理学院，南京 210096

^2．三江学院法商学院，南京 210012

^3．南京大学应用经济学博士后流动站，南京 210093

^4．上海大学上海科技金融研究所，上海 200444

通讯作者:

高伦（1995—），博士，南京大学应用经济学博士后，研究方向：金融工程与风险管理、金融理论与政策

作者简介:

郭皓晨（1987—），博士，东南大学副教授，研究方向：金融工程与风险管理、金融理论与政策、金融安全与金融智能

周慧蕙（1998—），硕士，三江学院高级研究员，研究方向：普惠金融、数字经济

陆岷峰（1962—），博士，上海大学上海科技金融研究所教授，博士研究生导师，研究方向：宏观经济、商业银行。

The Structural Transition and Policy Response Mechanism of China's Short-term Cross-border Capital Flows under the Impact of Global Taxation: Embedding Analysis Based on Generative Artificial Intelligence Semantic Index

Haochen Guo¹, Huihui Zhou², Lun Gao³, Minfeng Lu⁴

Affiliations

^1.School of Economics and Management, Southeast University, Nanjing 210096, China

^2.School of Business and Law, Sanjiang University, Nanjing 210012, China

^3.Postdoctoral Research Station of Applied Economics, Nanjing University, Nanjing 210093, China

^4.Shanghai Institute of Science and Technology Finance, Shanghai University, Shanghai 200444, China

出版时间: 2026-01-25 doi: 10.12404/j.issn.1002-980X.J25051006

文章导航

摘要

收起

2025年4月，美国启动新一轮全球税收重构计划，推动对多国贸易伙伴实施“对等征税”机制，并迅速引发中国采取反制措施。全球税收规则的制度性重塑由此成为新型外部冲击源，在短期内强化国际资本的套利动机与趋利行为，诱发跨境资本流动的周期错配与结构跃迁。相较于传统基于利差与汇率波动的分析框架，此类制度性冲击更易通过政策预期变化与情绪放大效应触发非线性响应，传统方法难以刻画其动态演化过程。聚焦全球税收博弈背景下中国短期跨境资本流动的非对称调整机制，基于2008—2024年季度数据构建多门槛回归模型，并引入生成式人工智能对政策文本进行语义建模，构造税收政策语义强度指数（TPSI）。研究发现，全球税收冲击显著改变了资本对利差与汇率预期的响应结构，呈现区间跃迁与非对称特征；TPSI在识别资本情绪方向与流动趋势方面具有显著领先性；在高语义强度区间内，宏观审慎工具调节效应边际减弱，短期资本流动面临“高频脱锚”风险。基于此，建议建立以语义预期识别为基础的跨境资本预警机制，前瞻性提升资本流动治理能力，并积极参与全球税收规则重构进程，增强中国在国际金融体系中的制度韧性与税收主权保障能力。通过将生成式人工智能语义建模引入跨境资本非线性分析框架，拓展了制度性冲击下资本流动结构跃迁的识别方法，并为提升宏观审慎政策的前瞻性与精准性提供了新的实证依据。

关键词

全球税收博弈 / 短期资本流动 / 结构跃迁 / 生成式人工智能 / 宏观审慎政策

Abstract

收起

In April 2025, the United States launched a new round of global tax restructuring, promoting a "reciprocal taxation" mechanism toward multiple trading partners, which quickly triggered countermeasures from China. The institutional reshaping of global tax rules has thus emerged as a novel external shock, intensifying international capital's arbitrage incentives and profit-seeking behavior in the short term and inducing cyclical mismatches and structural shifts in cross-border capital flows. Compared with traditional analytical frameworks based on interest rate differentials and exchange rate fluctuations, such institutional shocks are more likely to generate nonlinear responses through changes in policy expectations and amplified market sentiment, making their dynamic evolution difficult to capture using conventional methods. Against this background, the asymmetric adjustment mechanisms of China's short-term cross-border capital flows under global tax competition was examined. Using quarterly data from 2008 to 2024, a multiple-threshold regression model and introduce generative artificial intelligence was constructed to perform semantic modeling of policy texts, thereby developing a tax policy semantic intensity index (TPSI). The results show that global tax shocks significantly alter the response structure of capital flows to interest rate and exchange rate expectations, exhibiting clear regime shifts and asymmetric effects. The TPSI demonstrates strong leading properties in identifying the direction of capital sentiment and flow dynamics, effectively compensating for the lag of traditional variables in capturing policy expectation changes. Moreover, under high semantic intensity regimes, the marginal effectiveness of existing macroprudential tools weakens, increasing the risk of "high-frequency decoupling" in short-term capital flows. Accordingly, it proposes establishing a cross-border capital early-warning system based on semantic expectation identification, proactively enhancing capital flow governance, and actively participating in the reconstruction of global tax rules to strengthen China's institutional resilience and safeguard its tax sovereignty within the international financial system.

Key words

global tax game / short-term capital flows / structural transition / generative artificial intelligence / macroprudential policy

引用本文

郭皓晨, 周慧蕙, 高伦, 陆岷峰. 全球税收冲击下中国短期跨境资本流动的结构跃迁与政策响应机制——基于生成式人工智能语义指数的嵌入分析. 技术经济, 2026 , 45 (1) : 30 -42 . DOI: 10.12404/j.issn.1002-980X.J25051006

Haochen Guo, Huihui Zhou, Lun Gao, Minfeng Lu. The Structural Transition and Policy Response Mechanism of China's Short-term Cross-border Capital Flows under the Impact of Global Taxation: Embedding Analysis Based on Generative Artificial Intelligence Semantic Index[J]. Journal of Technology Economics, 2026 , 45 (1) : 30 -42 . DOI: 10.12404/j.issn.1002-980X.J25051006

基金

收起

国家社会科学基金青年项目“基于生成式人工智能的金融安全风险测度及防控对策研究”(25CJY063)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

马理，张人中，马威．地缘冲突对不同经济体金融市场的差异化影响——基于能源市场波动的视角[J]．技术经济，2024，43（11）：32-48．

[2]

KOSE M A, LAKATOS C, OHNSORGE F L, et al. The global role of the US economy: Linkages, policies and spillovers[R]. Washington, DC: World Bank, 2017.

[3]

HALL C E, WEHLING H, STANSFIELD J, et al. Examining the role of community resilience and social capital on mental health in public health emergency and disaster response: A scoping review[J]. BMC Public Health, 2023, 23(1): 2482.

[4]

SHAPIRO A H, WILSON D J. Taking the fed at its word: A new approach to estimating central bank objectives using text analysis[J]. The Review of Economic Studies, 2022, 89(5): 2768-2805.

[5]

BAKER S R, DAVIS S J, LEVY J A. State-level economic policy uncertainty[J]. Journal of Monetary Economics, 2022, 132: 81-99.

[6]

BRUNO V, SHIN H S. Cross-border banking and global liquidity[J]. The Review of Economic Studies, 2015, 82(2): 535-564.

[7]

COPPOLA A, MAGGIORI M, NEIMAN B, et al. Redrawing the map of global capital flows: The role of cross-border financing and tax havens[J]. The Quarterly Journal of Economics, 2021, 136(3): 1499-1556.

[8]

CORREA R, PALIGOROVA T, SAPRIZA H, et al. Cross-border bank flows and monetary policy[J]. The Review of Financial Studies, 2022, 35(1): 438-481.

[9]

FORBES K J, WARNOCK F E. Capital flow waves-or ripples? Extreme capital flow movements since the crisis[J]. Journal of International Money and Finance, 2021, 116: 102394.

[10]

OBSTFELD M, ZHOU H. The global dollar cycle[J]. Brookings Papers on Economic Activity, 2022(2): 361-447.

[11]

王智茂，杨森．短期跨境资本流动对系统性金融风险的动态冲击与货币政策调控[J]．统计与决策，2023，39（16）：152-156．

[12]

刘晓星，张晨曜．中国式现代化的金融安全：理论、目标与能力建设[J]．中国经济问题，2024（3）：39-53．

[13]

周慧蕙，施志晖，施亚东，等．数字普惠金融赋能乡村振兴的效应研究——基于2011—2023年地级及以上城市面板数据的实证分析[J]．信阳师范大学学报（哲学社会科学版），2025，45（5）：35-40．

[14]

HANSEN B E. Threshold effects in non-dynamic panels: Estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93(2): 345-368.

[15]

EGUREN-MARTIN F, O'NEILL C, SOKOL A, et al. Capital flows-at-risk: Push, pull and the role of policy[J]. Journal of International Money and Finance, 2024, 147: 103146.

[16]

周慧蕙，陆岷峰．贸易不确定背景下数字人民币的跨境供应链金融新模式——基于“一带一路”倡议的货币化支撑[J]．上海商学院学报，2025，26（3）：22-39．

[17]

陈燕萍，邵云飞，黄乐仪．人工智能能力对企业突破性技术创新的影响[J]．技术经济，2025，44（6）：28-39．

[18]

陆岷峰，周慧蕙．逆周期调控下宏观资产负债管理的结构性矛盾与破解路径——基于美日英比较借鉴及中国方案[J]．重庆工商大学学报（社会科学版），2025，42（6）：10-24．

[19]

刘安蓉，陈悦，吴滨，等．颠覆性技术从边缘力量如何成为未来主流？——基于技术-应用-生态的视角[J]．技术经济，2024，43（7）：110-124．

[20]

张赟，刘佳怡．绿色金融、绿色技术创新与经济高质量发展[J]．科技和产业，2025，25（10）：313-318．

[21]

TISSAOUI K, BOUBAKER S, HKIRI B, et al. Multi-model transfer function approach tuned by PSO for predicting stock market implied volatility explained by uncertainty indexes[J]. Scientific Reports, 2024, 14(1): 22711.

[22]

LIU M, ZHAN M, LIU Y, et al. Impact of FDI and foreign trade openness on carbon emissions in China: Evidence from threshold regression model[J]. Applied Economics, 2024, 56(58): 8332-8345.

[23]

XIAN S, SUN W. Fuzzy linguistic induced Euclidean OWA distance operator and its application in group linguistic decision making[J]. International Journal of Intelligent Systems, 2014, 29(5): 478-491.

[24]

马永远，薛立国．宗族文化与企业技术创新绩效——制度复杂性战略响应视角[J]．技术经济，2024，43（3）：121-133．

2026年第45卷第1期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.12404/j.issn.1002-980X.J25051006

接收时间：2025-05-10
首发时间：2026-10-27
出版时间：2026-01-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-05-10

基金

国家社会科学基金青年项目“基于生成式人工智能的金融安全风险测度及防控对策研究”(25CJY063)

作者信息

^1．东南大学经济管理学院，南京 210096

^2．三江学院法商学院，南京 210012

^3．南京大学应用经济学博士后流动站，南京 210093

^4．上海大学上海科技金融研究所，上海 200444

通讯作者:

高伦（1995—），博士，南京大学应用经济学博士后，研究方向：金融工程与风险管理、金融理论与政策

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/jsyjj/CN/10.12404/j.issn.1002-980X.J25051006

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT