Model Assistant实战演示：伊朗战争升级对债券收益率意味着什么？
在本系列的第一部分，我们介绍了AskOEAI Model Assistant——全球首个用于情景建模的AI助手，并解释了构建它的初衷。在本篇中，我们将它投入实战，回答许多客户当下正在追问的一个问题：如果伊朗战争再度升级，对全球经济、尤其是政府债券收益率意味着什么？
核心问题：如果伊朗战争再度升级，影响如何？
伊朗战争已经推高了能源价格，并令金融市场动荡不安。海湾地区航运和能源基础设施再度遭到袭击，推动油价上涨，全球债券市场大幅抛售。美国10年期国债收益率自2007年以来首次突破5%，美联储也在9月自2023年以来首次加息——这些在我们最新关于债券抛售的分析中已有讨论。
我们的基线预测已经反映了冲突及迄今出现的市场波动。许多客户想知道的是：如果战争再度升级会怎样？能源价格可能涨到多高？通胀和央行将如何应对？债券收益率还可能升至多高？为此，我们向Model Assistant提出了这个问题，并走完了四个简单步骤：
- 描述。 用你自己的语言说明想要测试的情景。提示可以宽泛，例如”创建一个严重且持续的性能源价格情景”；也可以具体，设定冲击的规模与时点、关联指标，或援引历史事件。
- 研究。 助手会检索牛津经济研究院最相关的研究成果，并辅以经核实的外部来源，据此提出一组冲击方案及其时点安排，每项均附简要理由。
- 审阅。 你可以在运行情景前，逐项预览所有输入与基线预测的对比，并增删改任何内容。确认后，只需一键或一句指令，即可通过GEM运行该情景。
- 分析与优化。 就你关心的指标提问，获取交互式图表及对结果驱动因素的解读。可随时调整假设并重新求解。情景会保存在聊天记录和在线模型工作区中。
用自然语言描述假设情景
让我们从一句提示词开始：“模拟一个伊朗战争再度并持续升级的情景。”
我们没有指定任何指标、冲击规模或时点。在首次回复中，助手便调取了最相关的牛津经济研究院研究，并给出了一份完整的情景初稿。
助手依据我们对伊朗战争久拖不决研究中的下行情景进行校准——该情景指向持续的能源中断、更高的通胀风险溢价以及上升的长期借贷成本。它将上述传导渠道转化为四项冲击，自2026年第四季度起开始生效（表1）。
表1：Model Assistant提出的情景输入
| 输入 | 假设 | 依据 |
| 布伦特原油价格 | +$37 from 2026Q4-2027Q4 | 长期战争下行情景支撑的高油价路径 |
| 欧洲天然气价格 | +$5 from 2026Q4-2027Q4 | LNG供应持续中断，欧洲供给趋紧 |
| 亚洲天然气价格 | +$10 from 2026Q4-2027Q4 | 亚洲LNG市场对长期供应中断的敞口更大 |
| 供应链压力 | +1.0 from 2026Q4-2027Q4 | 航运、物流及成品油运输持续受阻 |
来源：牛津经济研究院AI情景建模助手Model Assistant
每一项输入都附有简要理由和预览图表，展示情景路径与我们基线预测的对比。
运行情景并查看结果
对输入满意后，点击一次“求解”，情景便会通过全球经济模型（Global Economic Model）运行。各项冲击经由各经济体的贸易、价格、金融市场和政策反应传导，结果自动与我们最新的基线预测对标。
情景求解完成后，我们询问了对美国债券收益率的影响，助手返回了一张图表和一段简要总结。在我们的情景中，美国10年期国债收益率在2028年第二季度与基线的差距最大，达0.78个百分点。能源价格上涨和供应链压力形成通胀压力，促使货币政策收紧，风险溢价维持高位，推高收益率并收紧金融条件。
理解结果背后的驱动因素
AI情景建模助手的分析指出，货币政策立场趋紧是收益率初期上行的关键因素。
为进一步理解这一点，我们向Model Assistant提问：“美联储将如何反应？”
基于我们的初始假设，助手简要描述了美联储面临的“滞胀式权衡”，并提供了可供进一步查阅的研究资料。通胀上升带来加息压力，而增长走弱和劳动力市场疲软随后又促使降息。这一泰勒规则机制驱动着GEM中的政策利率动态，但用户可以提出自己的判断并添加新的假设。
通过对话优化情景
情景不太可能一次成型。查看结果后，我们假设美联储的反应更为鹰派：“假设美联储立场更为鹰派，在能源冲击消退之前，将利率较基线提高50个基点。”
此时AI情景建模助手新增了第五项冲击：自2026年第四季度至2027年第四季度，在能源冲击消退之前，将美国政策利率较基线提高0.5个百分点。
加入这一假设意味着需要再次求解情景，只需点击一次，每个版本都可在对话中追溯。
在美联储更为鹰派的情形下，美国债券收益率的上升速度快于首次运行，且在高位维持更久。将两个版本进行对比，便可得到不同假设下一系列“如果”的结果——所有这些都通过与Model Assistant的对话构建完成。
从经济问题到模型洞察
短短四步，我们便从一个热点问题走到了一个完全建模、植根于我们研究成果的情景，并配有图表和结果解读。我们无需知道该冲击哪些变量、冲击幅度多大，也无需了解如何设置模型输入。每一项假设都透明且可修改，因此我们可以在同一段对话中质疑结果、调整冲击并重新求解。
Model Assistant旨在让情景分析更快、更易为更多人所用，而经济判断权始终掌握在用户手中。如需进一步了解它所解决的问题以及它与通用型AI工具的区别，请阅读本系列的第一部分。
如需观看实际演示，请点击此处申请试用。