電子書

經濟參考網讀書頻道

必備條件：基本方法和背景資料

作為經濟數據的主要使用者，企業經理、投資者和政策制定者面臨的主要難題之一是，如何將當前的月度或季度數據納入歷史背景加以考察。除非人們能了解過去年份中失業與經濟上升和下滑的關係（失業是領先還是滯後於經濟變化），否則為什麼要關注當前的失業報道呢？然而，揭示上述關係需要考察幾十年的數據，涉及的時間很長，足以涵蓋幾個經濟周期。正如本書闡述的內容，解決上述問題的關鍵在於精心構建圖表，使之有助於確定某個經濟序列是否在多年中一直領先於另一個序列，而且在未來也可能如此。
　　具有諷刺意味的是，大多數經濟信息的表述方式也許是妨礙人們理解這些信息的罪魁禍首。當電視和電台（以及許多讀物）單純用文字表述經濟信息時，歷史背景資料全部被遺漏了。即使讀者能夠從報刊或雜誌上獲得一些包含數據圖表的信息，但由於受版面限制，這些圖表往往不能給出數據序列的長期關係，以至於難以判斷這些關係在長期內是否保持一致。
　　為了能在恰當的背景資料中評價最近的經濟狀況，我們必須把當前數據與近幾十年的數據融合在一張圖表上，使其具有很強的可讀性。這樣做很容易實現，因為這只需要一台普通的個人電腦、Excel或其他可用的數據處理軟體以及能查閱所需數據的免費網站。
　　一些人認為可以利用計量經濟分析（econometric analyses）得到更準確的分析結果。經濟學家通常依靠這種複雜的計算機統計分析方法，追蹤盡可能多的變量及其變化，並為這些變量建立關係式來預測經濟序列的未來發展。然而多年來，通過觀察計算機模型的預測結果，我認為這類數據模型缺少相應的靈活性、不易調整，而且計算機處理後的數據與現實脫節，這些缺陷降低了模型在經濟預測上的有效性，抵消了計算機智能應有的優勢。事實上，這些模型使經濟學家忽略了經濟中關鍵的因果關係。除非我們每週和每月都積極主動地“理解”這些因果關係，否則就會失去大部分數據所帶來的價值。
　　這樣，得出如下結論就是水到渠成的：如果近些年計量經濟建模在本質上得到了長足發展，而商業人士和投資者發現，在最近幾個經濟周期中計量經濟模型的確比過去更能準確地預測經濟走勢和拐點，那麼他們一定會依靠這些計量經濟方法去預測，然而現實並非如此。此時，我想到了經濟學家保羅?薩繆爾森—一位諾貝爾經濟學獎得主説過的一席話：
　　回想多年前，那時我20歲，我已經感覺到計量經濟方法所取得的巨大進步。即使沒有預見到計算機時代的到來及其引起的計算成本大幅度下降，我也希望計量經濟學的興起能夠幫助我們降低經濟理論中的不確定性……不過我承認，我的這個想法並沒有實現。雖然我們可以考察數以千計的月度或者季度時間序列，這些序列的時間長度最少能達到幾十年甚至上百年，但是研究表明，仍然不能讓所得的近似結論與客觀事實十分接近。我從沒有忽視過計量經濟學的研究，但失敗的經驗告訴我，不能完全相信計量經濟分析的結論。這導致一些經濟學家發展新的計量經濟分析來修改現有的模型……但是客觀地説，我們不應過分關注計量經濟學的研究發現，而應關注可驗證的事實。
　　簡言之，近幾十年來，經濟預測（包括不斷涌現的大量計量經濟學研究成果）遇到的挫折有增無減。但正如計算機沒能創造出更美妙的音樂、設計出更受歡迎的汽車、給出更專業的投資建議，計算機同樣沒有證明其具有預測經濟走勢的能力。
　　正是由於上述原因，我着手開展一項工作，即設計一種簡明的圖表，以追蹤我希望得到的、關鍵經濟數據序列間清晰的因果關係。這樣做的目的是弄清楚，能否確定A領先B而B又領先C，如果是這樣，能否把監測A作為預測C的基礎。這也就是經濟中“誰領先誰”的問題。我很高興發現這實際上是可行的。

第

頁

關於我們 | 版面設置 | &&我們 | 媒體刊例 | 友情鏈結　