大数据与不确定时代，计量经济学面临何种挑战

"中国有很多政策性的建议是建立在跟数据不打交道的经济逻辑思维上的，而这种经济逻辑思维是隐含的有前提的。如果你的前提错了，你的逻辑思维即使正确，你得到的结论也可能和经济现实不一样，这就是为什么需要计量的分析。”厦门大学洪永淼教授接受采访时，曾提出“无计量，不学术”的观点。他指出，目前中国的一些学者，在不是很懂计量经济学方法的时候，比较机械地照搬别人的方法，这样可能就会得出和中国现实相差甚远的结论。

如今，大维度的模型对于计量经济学提出了更高的要求，比如说监控通胀，解释无限方差模型，评估金融市场风险。计量经济学推进经济理论发展面临怎样的挑战？计量经济学的前沿研究是什么？具体而言，在运用计量方法进行经济学研究时，如何改进有限样本的推断？如何在波动性环境下，用自举法完成对于参数的估计？

意大利博洛尼亚大学计量经济学Giuseppe Cavaliere教授最新的演讲给出了答案。博洛尼亚大学是西方最古老的大学，与巴黎大学、牛津大学、萨拉曼卡大学并称欧洲四大名校。在第二届思想中国论坛上，Cavaliere深入探讨了计量经济学面临的三大具体挑战，分享了自举法的原理及其在经济学中的应用。今日，中国经济学教育科研网推送其的演讲实录，以飨读者。

演讲实录

我要谈一下计量经济学的前沿领域，这样一个领域大家不一定熟悉，我们看一下什么是计量经济学？在Frisch在1993年的时候指出计量经济学是一个国际学界，是来推进经济理论的发展，尤其是涉及到土地学和数理学，也就是说我们要记住这样一个基础定义。如果我们想推进经济理论的发展，就应该关注计量经济学，但是还有一点需要我们记住，如果我们考察经济理论的话，必须考虑到统计学和数学这两个推手。通过这两个方式，有助于我们理解计量经济学，计量经济学的目标是要来统合理论量化和实证量化，把两者结合起来解释经济的现象和问题。

我们对社会的目标，在统计数字和理论量化之间进行统一，这个环节需要考虑到数学。为什么经济模型如此重要？对于一些学生可能不太熟悉计量经济学，我们认为对于计量经济学的指南来说是评估和概括经济理论，评估和测试经济模型。在美国是非常敬重测试和评估的，尤其对各种各样的经济理论和模型。所以，对于一些竞争的模型可以进行测试，可以帮助我们了解经济的政策以及它的效果。我们要进行政策的评估、经济的运行和政策的成效到底产生了什么样的效果。

2016年计量经济学面临重大的挑战，我们要考虑如下一下挑战。有非常多的挑战，这里只是列出了非常有限的三个挑战，因为不可能把所有的情况都列举在这里：

第一个挑战是是我们面临着海量统计信息的可获取性，因为历史上从来没有获取过这么多信息，可以说大数据到来了。

第二个挑战是在非稳定的环境中，对经济运行的预测建模的失效和失能，用现代化的新的数据要找到方法，真正进行建模，对经济进行预测，但是目前的环境是不一定的。

第三个挑战是经济模型的日益复杂，如果你希望用这个模型统核数据的话，你必须提供严谨的现代经济学的理论，才能应对这种复杂性。

下面具体谈一谈挑战：

第一个挑战是大数据，在美国哥伦比亚的华裔教授曾经发表过一篇文章，不知道大家是不是看过他的论文，这位女性学者说仅仅储存和分析了用户产生的数据，可以说是20次方GB这样的数据流，这是多么大的数据，这只是Facebook储存和分析的，还不包括别的大数据。Google每天处理的数据量达到了20×20次方GB，大家可以通过数据进行搜索，了解到很多的数据。沃尔玛是非常大的数据处理领域，每个小时有100万笔客户交易，这是多么大的数据量。

对于金融市场来说，出现了超高频次的数据交易量。在这个市场上有大量的资产在进行交易，看一下生物计量数据的话，可以说数据也是海量的。2013年是464×2的20次方GB的数据，比如说我们使用手提电脑也在接触很多的数据，有些电脑无法打开有些数据的通道，我们需要完全新的运算高效的计量方法才能应对日益复杂的计算经济学的模型。以及我们要不断地开发出新的计量经济学的模型，我们需要新的信息提取的方法，因为处理信息的方式是与使用信息的用途紧密相关，这是我们需要注意并且进行分析的。我们希望能够了解季节性的趋势或者周期性的变化，这些都是新的东西，这方面的统计方法已经出现，以及实时监控的方法也需要掌握，这些都是新领域。当然，在实践当中，可以发现现实越来越复杂，很多人在努力的建立大维度的模型。

第二个挑战是在非稳定的环境下进行建模。对于经济造成的冲击是不可预测的冲击源，比如说你不能预测地震或者是其它情况，这些冲击总的来说是不可预计的，对于经济的影响也是难以预测的，比如说几前年发生的全球性金融危机，首先是次贷危机，然后到美国的金融危机，然后遍布到全球，几乎没有经济学家能预测出来，这很难预测。虽然说有人进行了这样那样的模型的开发，当时有一些人隐约的提出房地产价格的泡沫有可能会出现，但是并没有明确的指出将来会发生这样如此大的冲击，会对经济造成多大的影响。因此，环境是不稳定的，我们必须面临新的经济制度，针对不同的新的经济制度有全新的特点，比如说零反弹利率和新的建模遇到的问题，都是我们需要面临的问题，因为很多新的经济体制的不同，有的利率可能低于零，我们要努力的思考并且应对这些变化。

总的来说，如果我们看一下非稳定的环境，必须要考虑到需要找到全新的计量经济学的方法。我们也需要能够预测一下非稳定源和泡沫发生的领域，并且能够进行实时监测设备的使用。我们需要这些工具，有了这些工具，掌握这些方法才能进行预测，不光是数据还要掌握经济理论，把这些经济理论融合到预测的过程和流程当中。这一点在未来是非常重要的。

第三个挑战是需要建立计量经济学的理论来应对日益复杂的经济模型，做更多计量经济的工作。计量经济学理论在过去40年来取得了很大的发展，非平稳式时序和斜准现象，尤其是在美国发生的情况，可以说看到有一些全新的领域出现，比如说金融计量经济学，像ARCH、随机波动这些现象，可以使用一些模型来对这些现象加以分析，我们面临许多全新领域需要更多的模型来分析，新的领域越来越多，我只是提到一点而已。

大维度的模型对于计量经济学提出了更高的要求，比如说监控通胀，对于无限方差模型也需要我们进行解释，评估一下金融市场风险。同时，我们要更多分析波动以及高频率数据的计量经济学的特点，可以说需要一些全新的技术和技巧，才能了解价格发现高频的对冲。我们预测回归的计量经济学也变得非常重要，我们要低频和高频的波动结合起来来预测，有效的改变样本推断和自觉法来认定日益的复杂性，这些都越发的重要。在这样一个领域，你使用的方差可以在高频的时间结合低频时候的方差可以计算出方差的变化，决定出什么样的事情是需要做的，而且是不应该采取的举动，但是必须要在这样一个基础才能决定。最后如何来改进有限样本的推断？

我曾经做过自据法的研究，可以说有很多的应用情景，这里列举了三个经济学应用情景的运用，假定你想运用这些参数进行推断，想建立一个秩序区间，你需要一些统计量才会使得样本量是足够的，取决于一个可能的无限维度的参数矢量来建立一个经济模型。一个经济学家希望能够进行推断，但是要使用统计量（Tn）。如果模型是对的话，需要进行检测，到底能不能检测出你的模型是正确的，如果样本量特别小得出的结论并不一定是对的，自举法是一种有效的解决方法。它是一种什么样的概念呢？非常简单，你有一个数据样本，需要对你的样本进行重新抽样，也就是说对一个估计量或者检验统计量采用对数据重新采样的方法分步进行估测，相当于你把你的数据对象想象成人群进行对待。

简单的给大家显示一个结构的例子。就是期限结构建模在波动不稳定的情况下，讲到理性的模型和检测边界的模型方法。比如说你想预测，要看一些理论模型。如果你想了解利率的变化，就要看三个要素，因为利率取决于这三个要素：水平、斜度、曲度，通过这样三个要素就可以知道利率的水平，来了解利率的波动和动态，也可以看到有一些共同的因素在驱动着时序。

要区别是稳态的还是非稳态，这是一个永远不能结束的讨论，这并不是大家感兴趣的问题。问题是从70年代到2000年的时候有很多的数据可以让我们了解这些趋势，所以计量经济学模型的选择要考虑到能获取数据的跨度范围，如果你有了数据的话，要知道时序和发生的区间，如果是同样的时间序列还要知道序列的丰富度。

总的来说，我想检测一下这些模型是否是正确的？相信这些理论是稳态的，使用一些技术达到我的目的，将一些理论结合起来，问题是什么呢？如果你看一下第一个序列的问题，这是利率的变化，可以看到方差性的存在和波动性的存在。好像没有道理，但并非如此。通常这样一个建模要进行应用的话，应用到波动的分析当中的话，你会发现要检测就必须要了解数据之间的关系，还要得出结论，但是这些结论会受到随机波动的影响，就需要进行校正，你应该怎么做呢？

需要对波动性进行建模，但几乎是不可能的，因为太复杂了。而自举法可以帮助我们解决这样的问题。尤其是用特定的自举的话，在原始数据的方差性就可以得以解决，统计数据就可以完全符合建模的需求，这是非常简单的做法，不需要做特别复杂的数据的处理，用很简单的方法就可以消除异方差性。你作为一个理论的研究者，要证明它在实际当中是有用的，尤其是在你的实践当中。

另外一个例子是结构的形式对于某一级的理性期望模型，尤其是在央行，会做相关的建模。我们会建立稳态冲击的模型，可以看一看货币的DSGE模型，可以做设计和建模，最终的样本分布会受到很多影响，包括是否线性，很多问题都会影响到最终的建模结果，使结果变得并不可靠。

这里有没有其他领域的经济学家呢？在这里我确实没有很多的数据来验证这个模型，所以只好用已有的数据对这个模型进行验证，但是有的时候很难做，还有一种方法是用自举法来做，我们可以设置很多自举的方式来帮助我们做理性预期模型，DSGE更适合如图的情景。事实上，这种方法很容易证明它是有效的。

我们现在还有非常多的关于边际参数的问题，在计量的模型当中很多边界参数的使用方法，你想测试边界参数的话，如果一个参数是0的话，另外一个是不是0呢？现在我们估计量的情况你是不清楚的，参数的情况你是不知道的，怎么办呢？在这个地方同样可以用自举法来完成对于参数的估计。

作为一个计量经济学家，我们的确有很多的方法，计量经济学理论在实证的研究在过去20年的研究当中不断地加大，计量经济学理论被认为跟实证研究没有关系，很多时候大家都觉得计量经济学更多的是为了理论而理论，并没有解决实际问题产生更多的帮助，但是我不认为是这样。如果我们能够用准确的方法，我们的计量可以非常强有力的支持实证，所以我们不希望给学生一个错误的观点和想法。我们一定要记得这些，一旦发展一个经济问题要解决它，根据现有的范方式和模式，数学计量是非常重要的工具，我们一定要不断地提醒学生和研究者这个方式。

我们现在在不同的领域都在用机器计量的方法在进行研究，我们有很多的计量出版物，在欧洲有计量经济学理论，有数据库在做相关的研究，大家会发现这些数据都是可以下载的在世界上顶级的计量经济学出版物的排名和产量的基本情况，71%的papers是在北美发表的，随后是欧洲、澳大利亚等等。

大家发现在亚洲只有4.6%的papers发表在计量领域，而且我们的计量方法主要是为亚洲学者发明的，我们发现这个量非常少。另外从2011—2015年这个数字比90年代已经大大提高了，我们发现亚洲所占的比重达大提高了，从4%到14%，这是一个非常大的跨越和变化，而且这个趋势在不断地持续和进步，所以我们在不断地面临新的情况，尤其是科学研究领域的新观念，我们把它叫做学术上的政治倾向，这种政治倾向是很重要的。

中国在亚洲当中发展乐观120个papers，占整个亚洲的35%，大家可以看到，亚洲是非常大的范围，1990—1994年在计量发表的最大的机构是日本、以色列，偶尔会有韩国的机构，新加坡的机构。现在情况变成什么样了呢？现在的情况完全变了，新加坡、中国等等，中国所占的比重越来越大，这是一个很大的变化。中国再教育和研究方式上发生了很大的变化，也产生了很多良好的学者，不光在计量领域，在其他领域也在发生，希望中国的同仁继续保持这样的势头来发展计量经济学理论。