博洛尼亚大学教授：计量经济学面临三个挑战

　　新浪财经讯 由北京当代经济学基金会主办的第二届思想中国论坛12月4日在北京举行。意大利博洛尼亚大学计量经济学Giuseppe Cavaliere教授简略阐述了计量经济学在未来会面临的挑战，并详细讲述了Bootstrap（自助法）原理及其在经济学中的应用来表述计量经济学的重要性。最后通过对90年代和2011-2015年世界上计量经济学文章发表数量百分比对比说明了中国在计量经济学方面的发展和进步。

　　以下是会议实录：

　　Giuseppe Cavaliere：

　　首先感谢邀请我来参加这样一个活动，非常荣幸来到这里，让我在今天了解了非常多的经济情况。

　　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。我们需要用一些方法来思考一下，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，因此说环境是不稳定的，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？这样一个层级下，接下来会具体谈这些问题。

　　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。问题是希望从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。我不怎么样对波动性建模，所以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。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。