數(shù)字經(jīng)濟時代，宏觀研究如何變革？

短線投資者一定是非常關注宏觀或其他相關信息的，希望能在充滿不確定性的市場中找到確定性的答案。但市場很少有確定性的答案，否則市場就難以存在下去。例如，2018年年A股市場就是一個深受中美貿(mào)易摩擦困擾的市場，誰知道確定性的答案呢？因此，很多宏觀問題，再怎么研究，也很難獲得確定性答案，只能說概率大小而已。

很多古舊的經(jīng)濟理論都是基于當初的有限數(shù)據(jù)，用歸納法得出的，宏觀研究對此需要反思。

但如果不去在意這些短期看似乎重大的東西，而是去把握大方向和大趨勢，就容易獲得超額收益。例如，相信天不會塌下來，中國最終能夠渡過難關，那就敢于在別人恐慌的時候投資加碼。

記得20多年前，我看過美國《讀者文摘》中的一篇文章，印象很深：一批非常知名的醫(yī)學專家會定期到一個很私密的地方開閉門會議，會議上每個專家都會講述自己過去一段時間以來出現(xiàn)過的誤診或手術失敗案例，然后大家集體剖析討論，深刻總結(jié)經(jīng)驗教訓。這說明什么呢？人人都會犯錯，但需要認真反思，認識到錯在哪里。尤其是人命關天的事情，千萬容不得馬虎。

李迅雷為中泰證券首席經(jīng)濟學家

同樣，宏觀研究也需要反思，很多古舊的經(jīng)濟理論都是基于當初的有限數(shù)據(jù)，用歸納法得出的，歸納法本身就有缺陷，再加上數(shù)據(jù)量不足，就更容易出錯了。例如，庫茲涅茨的倒U型曲線，就是以有限歷史數(shù)據(jù)來得出，隨著經(jīng)濟到充分發(fā)展階段后，各行業(yè)或各居民階層的收入差距將由大到小。如今這一理論卻缺乏普遍的事實來證明。

此外，我覺得傳統(tǒng)的經(jīng)濟周期理論存在很大問題，核心原因還是樣本量太少。而且，經(jīng)濟發(fā)展至今，政府所獲得的信息量早已今非昔比，逆周期調(diào)控成為慣例，故經(jīng)濟的周期性特征越來越弱。用技術分析來預測股市的方法早已成為非主流了，為何那么多宏觀分析師還熱衷于周期分析法呢？

例如，我就犯過一個把挖掘機當成周期性行業(yè)的錯誤，認為既然不存在新周期，那么，挖掘機銷量就應該回落，結(jié)果現(xiàn)在還在增長。

還有更無聊的，就是對GDP增速到底是前高后低還是前低后高的論證，或有人斷言經(jīng)濟將在下半年見底。過去8年來，GDP增速總體下行的趨勢未變，未來10年呢？肯定還是下行。道理很簡單，很無趣，不贅述。

就像如今體檢驗血的項目要比10年前多很多一樣，我們也應該可以去創(chuàng)設更多的經(jīng)濟指標，因為技術手段越來越多、信息量越來越大了。如果還是10年不變地去點評CPI、PPI、PMI、M2-M1，我覺得就落伍了。

以筆者就職的中泰研究所為例，金融工程團隊已經(jīng)創(chuàng)設了不少指標，把財政和貨幣政策進行量化，可以衡量大水漫灌的量究竟是多少，可以用多個維度去刻畫。今后，對政策效應的評估也會越來越簡單，根本不用寫傳統(tǒng)的調(diào)研報告。

為什么19世紀工人要砸機器，因為機器導致他們失業(yè);為何如今的機器數(shù)量已經(jīng)有了幾千倍的增加，失業(yè)率卻創(chuàng)了新低呢？經(jīng)濟學理論從來都是解釋過去的，但這些理論對過去的歷史解釋是否能做到精準呢？估計不能全面做到精準，因為這些理論誕生的時候，社會信息量沒有足夠大，而且還沒有云計算，沒有人工智能。

如今，小菜場支付工具的標配都已經(jīng)是支付寶和微信了，互聯(lián)網(wǎng)改變了金融業(yè)態(tài)。所以，宏觀研究需要變革，我非常希望讓搞金融工程的分析師或AI的分析師來從事宏觀研究，不需要學太多的經(jīng)濟學理論，只要把經(jīng)濟運行的基本原理搞清楚了，或許就能用新的算法來顛覆傳統(tǒng)經(jīng)濟學，就像阿爾法狗一樣，戰(zhàn)敗了被稱之為棋類中變化最為復雜的圍棋頂級高手。

世界在日新月異地不斷改變，如果不去緊跟，那就坐等被改變。