內(nèi)容來源 | 本文摘編自中信出版集團書籍
《理解混沌:更好的經(jīng)濟理論,更好地理解世界》
【美】多因 · 法默 著
責編 | 賈寧
第 9834 篇深度好文: 5873 字 | 13 分鐘閱讀
2008 年全球金融危機爆發(fā)前幾年,紐約聯(lián)邦儲備銀行的頂級經(jīng)濟學家們已經(jīng)嗅到了危險的氣息。
他們擔心房地產(chǎn)市場崩潰可能引發(fā)系統(tǒng)性危機,于是借助當時世界上最完善的經(jīng)濟模型之一—— FRB/US(美聯(lián)儲 /US 模型)進行了一次壓力測試:假如美國平均房價下跌 20%,對美國經(jīng)濟會產(chǎn)生什么影響?
模型給出的答案是:" 影響不大。"
然而現(xiàn)實給了響亮的一記耳光。
2007 年 1 月至 2009 年 1 月,美國房屋平均售價確實下跌了約 23%,但 FRB/US 模型的預(yù)測偏差高達 20 倍。這場危機僅在美國就導致 500 萬人失去工作,失業(yè)率飆升至 10%,經(jīng)濟損失約 10 萬億美元。時任歐洲中央銀行行長讓 - 克洛德 · 特里謝后來坦言:" 在危機面前,我們被傳統(tǒng)工具拋棄了。"
為什么全世界最精良的經(jīng)濟模型會犯下如此離譜的錯誤?
在《理解混沌:更好的經(jīng)濟理論,更好地理解世界》一書中,作者法默教授解釋道,要理解標準經(jīng)濟學為何失靈,必須回到它的三個核心假設(shè)。
一、標準經(jīng)濟學的三個核心假設(shè)
1. 效用最大化
標準經(jīng)濟學假設(shè)每個經(jīng)濟主體——無論是家庭還是企業(yè)——都擁有一個效用函數(shù),并始終做出使自身效用最大化的決策。家庭從消費中獲得效用,企業(yè)追求利潤最大化。
聽起來合理,但問題在于,這個假設(shè)把人類變成了完美理性的機器——能夠始終獲取所有信息,始終進行任何復(fù)雜的數(shù)學運算,永遠做出最優(yōu)選擇。行為經(jīng)濟學略帶諷刺地稱之為 " 經(jīng)濟人 "(homo economicus)。
2. 均衡狀態(tài)
這個概念源自 19 世紀法國經(jīng)濟學家萊昂 · 瓦爾拉斯對巴黎證券交易所的觀察:一位拍賣師報出價格,交易員們表示買入或賣出意愿,拍賣師反復(fù)調(diào)整價格,直到供需平衡。
瓦爾拉斯借用物理學概念,把這種供需匹配的狀態(tài)稱為 " 均衡 "。此后,均衡假設(shè)成為經(jīng)濟理論的基石——所有標準模型都假設(shè)經(jīng)濟始終處于供給等于需求的狀態(tài)。
3. 理性預(yù)期
由約翰 · 穆斯于 1961 年提出,假設(shè)經(jīng)濟主體足夠聰明,能利用所有可用信息做出最優(yōu)決策。在理性預(yù)期框架下,人們不僅能看透 " 通貨膨脹的面紗 ",還能對各種未來事件賦予準確的概率,計算預(yù)期效用,選擇最優(yōu)行動。
這三個核心假設(shè)在過去 150 年中逐漸成型,于 20 世紀 70 年代最終定型。此后近半個世紀,它們幾乎原封不動地支撐著所有主流經(jīng)濟學理論、中央銀行的政策模型和政府的經(jīng)濟決策框架。
可問題在于:如今它們與現(xiàn)實嚴重脫節(jié)。
2008 年金的融危機暴露了標準模型的一個致命缺陷:當時所有模型都忽略了借貸者和企業(yè)違約的可能性。經(jīng)濟學家知道這個因素很重要,但將其納入模型太困難,于是選擇忽略。事實證明,違約恰恰是這場危機的核心誘因。
這不是個例。標準模型還忽略了金融網(wǎng)絡(luò)的互聯(lián)性——一家銀行的倒閉可能通過復(fù)雜的債權(quán)債務(wù)鏈條引發(fā)連鎖反應(yīng)。
模型也忽略了信貸擴張與收縮的動態(tài)過程——當資產(chǎn)價格下跌時,追加保證金要求迫使投資者拋售資產(chǎn),進一步壓低價格,形成惡性循環(huán)。這些 " 被忽略的因素 " 恰恰是金融危機的核心機制。
更深層的問題在于均衡假設(shè)本身。標準模型假設(shè)經(jīng)濟始終處于供需平衡狀態(tài),所有變化都來自外部 " 沖擊 " —— J · 多因 · 法默將其比喻為 " 宙斯坐在奧林匹斯山上向人間投擲雷電 "。
模型只能描述經(jīng)濟在遭受沖擊后如何回歸均衡,卻無法解釋經(jīng)濟為何會從內(nèi)部產(chǎn)生波動。
法默教授在《理解混沌》一書中,提出了與標準經(jīng)濟學截然不同的選擇:復(fù)雜經(jīng)濟學。
二、復(fù)雜經(jīng)濟學
法默教授認為,傳統(tǒng)經(jīng)濟學框架并不適合處理那些重大、復(fù)雜且混亂的現(xiàn)實世界問題。主流經(jīng)濟學的核心假設(shè)與現(xiàn)實不符,基于這些假設(shè)的方法無法很好地從小問題擴展到大問題,也無法充分利用數(shù)據(jù)和技術(shù)的巨大進步。
復(fù)雜經(jīng)濟學提供了一種截然不同的選擇。復(fù)雜經(jīng)濟學借鑒了復(fù)雜系統(tǒng)科學的思想和方法。復(fù)雜系統(tǒng)研究的是 " 涌現(xiàn) " 現(xiàn)象,即一個系統(tǒng)整體的行為與各個部分的行為在性質(zhì)上變化的現(xiàn)象。
大腦就是一個很好的例子:單個神經(jīng)元是一種相對簡單的裝置,它接收來自其他神經(jīng)元的刺激并產(chǎn)生新的刺激。單個神經(jīng)元并不具備意識,但人類大腦中約 850 億個神經(jīng)元以某種方式協(xié)同工作,從而使人類產(chǎn)生了意識和思維。
經(jīng)濟也是復(fù)雜系統(tǒng)的一個絕佳示例,具有許多不同的涌現(xiàn)現(xiàn)象。經(jīng)濟系統(tǒng)讓我們分工合作,專注于我們最擅長的事情,同時讓他人去做他們最擅長的事。通過協(xié)作,經(jīng)濟讓我們能夠建造出宇宙飛船或筆記本電腦等個體無法獨自完成的東西。
雖然標準經(jīng)濟學理論有時能對涌現(xiàn)現(xiàn)象提供一些有價值的見解,但這并不是它的優(yōu)勢。相比之下,復(fù)雜系統(tǒng)科學家已經(jīng)發(fā)現(xiàn)并開發(fā)出一套標準的概念和方法工具包,用于理解大腦、蟻群、互聯(lián)網(wǎng)或城市等涌現(xiàn)現(xiàn)象。
復(fù)雜經(jīng)濟學與標準經(jīng)濟學理論截然不同。
1. 用有限理性替代完美理性
復(fù)雜經(jīng)濟學從一開始就假設(shè)人的推理能力有限,模型基于心理學實驗、人口普查數(shù)據(jù)、專家意見等多種來源構(gòu)建。
人們不會為了日常決策動用復(fù)雜的數(shù)學運算,而是使用簡單有效的 " 啟發(fā)式 " 方法——比如棒球運動員接高飛球時不會計算牛頓定律,而是通過調(diào)整與球的角度并保持這個角度來跑到接球位置。這種 " 凝視啟發(fā)法 " 不需要任何數(shù)學計算,但在實踐中非常有效。
2. 用基于主體的模型替代數(shù)學方程
復(fù)雜經(jīng)濟學中使用的模型被稱為基于主體的模型。
顧名思義, 這些模型的基本組成部分,如家庭、企業(yè)或政府,會做出決策,它們具有主體性。描述每個主體如何決策的算法被編入計算機程序中。
隨著主體收集信息并做出決策,他們的行動改變了經(jīng)濟狀態(tài),使經(jīng)濟產(chǎn)生新的信息,促使主體做出新的決策,如此循環(huán)往復(fù)。這種模擬可以無限重復(fù),以研究每個主體隨時間變化而產(chǎn)生的互動。
在基于主體的模型中,經(jīng)濟現(xiàn)象自下而上涌現(xiàn),與現(xiàn)實世界一樣。
編入計算機程序中用于模擬決策的算法,可能是社會科學家發(fā)現(xiàn)的簡單行為規(guī)則,比如 " 模仿你的鄰居 ";可能是每個人都遵循的明顯經(jīng)驗法則,比如 " 購買有潛力的資產(chǎn) ";也可能是學習算法,用于捕捉主體如何隨著時間調(diào)整決策以提高效用。計算機能夠輕松處理復(fù)雜、混亂的事實,使我們根據(jù)需要盡可能真實地模擬決策過程。
使用模擬相較于數(shù)學方程有很多優(yōu)點,其中最重要的一點是它能夠模擬世界中行為主體的多樣性,經(jīng)濟學家稱之為異質(zhì)性。
在主流宏觀經(jīng)濟學中,對異質(zhì)性進行建模是一個熱門話題,但要將其融入標準框架卻非常困難。相比之下,計算機可以輕松追蹤不同的主體,使我們能夠根據(jù)需要進行盡可能真實的模擬。
3. 用非均衡替代均衡
復(fù)雜經(jīng)濟學不一定假設(shè)存在均衡,而是將其視為特定情況下可能出現(xiàn)的涌現(xiàn)屬性。這意味著模型可以捕捉經(jīng)濟在失衡狀態(tài)下的動態(tài)變化——信貸緊縮如何傳導、供應(yīng)鏈中斷如何擴散、恐慌情緒如何蔓延。
一個生動的例子是法默團隊對華盛頓特區(qū)房地產(chǎn)市場的模擬。他們以家庭為主體,模擬了多達 10 萬個異質(zhì)家庭。
模型的關(guān)鍵創(chuàng)新包括:房價不是由供需曲線的交點決定,而是模擬真實的定價行為——賣家參考近期成交價,標價上調(diào)約 5%,未售出則降價 10%;銀行根據(jù)家庭收入和財富審核貸款,提供從傳統(tǒng)固定利率到復(fù)雜的氣球貸等多種類型;家庭根據(jù)近期房價走勢預(yù)測未來(" 后向預(yù)期 "),同時考慮未來變化對自身的影響(" 前向預(yù)期 ")。
模型從 1997 年運行到 2010 年,模擬輸出的房價走勢與實際情況基本吻合。更重要的是反事實實驗揭示了關(guān)鍵發(fā)現(xiàn):當保持 1997 年的貸款標準(固定利率、首付不低于 20%)時,房地產(chǎn)泡沫幾乎消失——這證實了貸款政策的轉(zhuǎn)變在導致泡沫方面比利率發(fā)揮了更大作用。
目前,至少有 7 家中央銀行正在應(yīng)用此類模型預(yù)防房地產(chǎn)泡沫。匈牙利中央銀行擁有一個能夠 1:1 模擬匈牙利房地產(chǎn)市場的模型——每個居民和每棟房屋都得到對應(yīng)呈現(xiàn)。
綜上所述,這些因素導致了復(fù)雜經(jīng)濟學與標準經(jīng)濟學截然不同的應(yīng)對變化的方式。經(jīng)濟變化可能來自外部,比如新冠疫情就是一個影響經(jīng)濟的外部因素。變化也可能來自內(nèi)部,比如 2008 年的金融危機,它是由經(jīng)濟系統(tǒng)自身的作用引發(fā)的。
標準經(jīng)濟學在應(yīng)對源自經(jīng)濟內(nèi)部的變化時也存在困難。例如,主流的金融危機模型不得不假設(shè)存在外部 " 沖擊 ",使經(jīng)濟產(chǎn)生必要的變化。
顯然,實際情況并非如此,但標準模型只能以事情 " 好像 " 是這樣發(fā)生的方式來解釋金融危機。相比之下,基于主體的模型本質(zhì)上是動態(tài)的,能夠自然地解釋經(jīng)濟如何從內(nèi)部發(fā)生變化。
三、意外的 " 原理性證明 "
法默教授是牛津大學馬丁學院復(fù)雜經(jīng)濟學項目主任,是復(fù)雜科學 " 圣地 " ——圣塔菲研究所教授,也是混沌理論奠基人之一。他不僅在學術(shù)領(lǐng)域頗有建樹,在實踐層面,也是敢為人先的領(lǐng)先派。
2020 年,新冠疫情暴發(fā),法默教授召集了一支由牛津大學最優(yōu)秀的在校生、博士后和往屆學生組成的團隊,啟動了一個緊急項目:建立一個模型來預(yù)測新冠疫情會對經(jīng)濟造成什么影響。顯然,疫情蔓延只是時間問題,許多政府將會實施封鎖措施,這些措施會對經(jīng)濟造成巨大影響。
然而,公共衛(wèi)生措施有許多方案,政府需要決定實施哪些限制措施,關(guān)閉哪些行業(yè)。是否有一個 " 最佳 " 方案,能夠在被病毒感染造成的痛苦和經(jīng)濟壓力帶來的痛苦之間找到一個合理的平衡?
我們能夠預(yù)測新冠疫情的經(jīng)濟影響嗎?
新冠疫情帶來的經(jīng)濟沖擊具備 3 個獨特特點,使得傳統(tǒng)標準模型無法適用:第一,沖擊具有高度的行業(yè)特定性,必須通過高精度建模才能準確模擬經(jīng)濟運行;第二,沖擊同時影響供給側(cè)和需求側(cè);第三, 沖擊巨大且發(fā)生得非常迅速。
標準經(jīng)濟學模型假設(shè)經(jīng)濟處于均衡狀態(tài),這意味著供需始終平衡。而新冠疫情沖擊如此迅猛且劇烈,以至于將經(jīng)濟推離了均衡狀態(tài),使得標準模型不再適用。
我們需要一種不假設(shè)經(jīng)濟處于均衡狀態(tài)、能夠追蹤沖擊動態(tài)的模型,并且需要盡快建成。歷史上沒有與新冠疫情類似的完整的案例記錄,這使得這一任務(wù)尤其具有挑戰(zhàn)性。
在需求側(cè),消費者可能因為害怕感染而拒絕購買某些商品或服務(wù)。例如,雖然航空等交通運輸業(yè)被視為必需行業(yè),但大多數(shù)消費者卻放棄了出行。在供給側(cè),某些行業(yè)可能面臨勞動力和原材料緊缺,或者被視為非必需行業(yè)而被迫關(guān)閉。
為了理解這些因素如何影響各個行業(yè),需要用到經(jīng)濟學中生產(chǎn)函數(shù)的概念。生產(chǎn)函數(shù)是一種 " 配方 ",它告訴我們在給定了各類生產(chǎn)要素投入量的情況下,某一行業(yè)能夠生產(chǎn)多少產(chǎn)品。例如,生產(chǎn)鋼鐵需要按恰當?shù)谋壤度腓F礦石、焦炭、煤炭和勞動力。
不幸的是,當時沒有一個有充足數(shù)據(jù)支持的標準經(jīng)濟學模型能有效地描述生產(chǎn)函數(shù)。其中關(guān)鍵的問題在于生產(chǎn)要素的可替代性:投入的哪些生產(chǎn)要素可以被替代?可替代程度如何?我們需要逐個行業(yè)地了解這一點。
鋼鐵行業(yè)理論上也需要管理咨詢行業(yè)和餐飲行業(yè)(用于維持食堂運營)的投入,但如果需要,它也可以在沒有這些投入的情況下繼續(xù)運營?,F(xiàn)有的兩種標準生產(chǎn)函數(shù)模型都無法使用—要么允許過多的生產(chǎn)要素替代,要么完全不允許替代。我們需要一個更貼近現(xiàn)實的模型。
幸運的是,法默教授成功說服了市場研究機構(gòu)埃信華邁公司派遣行業(yè)分析師進行一次免費的調(diào)查,他們僅用 2 周就完成了這項工作,識別出了 52 個行業(yè)中關(guān)鍵生產(chǎn)要素的投入。
他們將每個行業(yè)建模為一個單獨的公司,這一簡化無疑很粗糙,但足以滿足他們的需求。
他們假設(shè)每個行業(yè)在疫情開始時都擁有正常的庫存。隨著疫情的發(fā)展,庫存減少。如果一個行業(yè)的關(guān)鍵生產(chǎn)要素短缺,其產(chǎn)出就會降低。同樣,如果市場對該行業(yè)產(chǎn)品的需求減少,或者因為新冠疫情限制導致缺少工人,其產(chǎn)出也會降低。
一個行業(yè)產(chǎn)出的產(chǎn)品往往是另一個行業(yè)投入的生產(chǎn)要素。法默教授的模型追蹤了需求沖擊向上游的傳遞和供給沖擊向下游的傳遞,它們相互碰撞,最終降低了整體的經(jīng)濟產(chǎn)出。
他們還輸入之前研究中預(yù)測的沖擊影響數(shù)據(jù),觀察這些沖擊如何傳遞,并預(yù)測不同限制情境對英國 GDP、失業(yè)率及其他經(jīng)濟指標造成的總體影響。
2020 年 5 月初,英國已經(jīng)實施了超過一個月的嚴格封鎖,政府正在考慮下一步行動。法默團隊對幾個不同的情境進行了模擬,并評估了它們的經(jīng)濟影響。對于每個情境,他們還使用流行病學的標準方法預(yù)測了新冠病毒感染人數(shù)。
5 月 8 日,經(jīng)過多日不眠不休的努力,他們將論文提交給英國政府官員。8 天后,政府采納了他們的建議,放寬了封鎖政策。
事后分析表明,法默團隊的預(yù)測非常準確。他們預(yù)測英國經(jīng)濟在 2020 年第二季度的 GDP 相對于 2019 年第四季度的 GDP 收縮幅度為 21.5%,這一數(shù)字與實際收縮幅度的 22.1% 非常接近。作為對比,幾家機構(gòu)和金融公司預(yù)測值的中位數(shù)為 16.6%,英格蘭銀行的預(yù)測值為 30%。
當然,對單一事件的預(yù)測可能存在偶然性,但他們還對 52 個行業(yè)都做出了預(yù)測,且大多數(shù)預(yù)測相當準確。事后分析證實,他們之所以成功,是因為模型具備了法默教授稱為逼真性的特性—它能足夠真實地呈現(xiàn)影響經(jīng)濟運行的關(guān)鍵機制,從而提供準確的預(yù)測。
此后,他們的模型被另一研究團隊使用,他們回溯性地利用它模擬了新冠疫情對比利時經(jīng)濟的沖擊,結(jié)果同樣表現(xiàn)良好,而且它還被用于預(yù)測俄烏沖突對奧地利經(jīng)濟的影響。
法默將這項研究定位為 " 復(fù)雜經(jīng)濟學的實用性原理性證明 " ——這是歷史上第一個使用復(fù)雜經(jīng)濟學方法預(yù)測重要經(jīng)濟事件且準確性超過標準模型的案例。由于預(yù)測是在事件發(fā)生前即時做出的,沒有人可以指控數(shù)據(jù)造假。
四、一場醞釀已久的革命
復(fù)雜經(jīng)濟學的許多思想由赫伯特 · 西蒙在 20 世紀 50 年代提出。
這位在經(jīng)濟學、人工智能、認知心理學等多個領(lǐng)域都有重要創(chuàng)新的博學家獲得了 1978 年諾貝爾經(jīng)濟學獎,但主流經(jīng)濟學界并未追隨他的腳步。原因很簡單:西蒙的時代缺乏實現(xiàn)設(shè)想所必需的計算能力、數(shù)據(jù)以及對人類決策方式的認知。
如今,計算機速度大約是西蒙時代的 10 億倍,數(shù)據(jù)處理能力也同比例提升。過去約 5 年里,復(fù)雜經(jīng)濟學正從定性科學轉(zhuǎn)變?yōu)槎靠茖W,從概念構(gòu)建轉(zhuǎn)向?qū)嶋H應(yīng)用。
法默指出,他在職業(yè)生涯中參與了三次重要的科學革命——混沌理論、復(fù)雜系統(tǒng)和機器學習。這些科學發(fā)現(xiàn)最初都未能進入主流視野,經(jīng)歷了漫長的積累后最終引起質(zhì)變。
復(fù)雜經(jīng)濟學屬于經(jīng)濟學領(lǐng)域正在進行的革命,屬于它的時刻即將到來。
這場革命的根本驅(qū)動力在于:標準經(jīng)濟學模型適合解決定義明確的問題,但不適合處理重大、復(fù)雜且混亂的現(xiàn)實世界問題。對于氣候變化等全球性挑戰(zhàn),標準理論給出的錯誤答案為人類的不作為提供了借口,將我們推向災(zāi)難的邊緣。
天氣預(yù)報從主觀猜測發(fā)展到精確的數(shù)值預(yù)報用了約 80 年,背后是數(shù)十年來在數(shù)據(jù)收集、模型開發(fā)和計算基礎(chǔ)設(shè)施方面的持續(xù)投入。經(jīng)濟建模完全有理由走上類似的道路——雖然起步較晚,但起點更高。
法默教授認為,如果我們投入適當資源,有望在 5 年或更短時間內(nèi)構(gòu)建出更準確的基于主體的經(jīng)濟模型。
* 文章為作者獨立觀點,不代表筆記俠立場。
分享、點贊、在看,3 連 3 連!