《理解混沌：更好的经济理论，更好地理解世界》

【美】多因·法默 著

责编| 贾宁

第 9 834 篇深度好文：5873 字 | 13 分钟阅读

2008年全球金融危机爆发前几年，纽约联邦储备银行的顶级经济学家们已经嗅到了危险的气息。

他们担心房地产市场崩溃可能引发系统性危机，于是借助当时世界上最完善的经济模型之一——FRB/US（美联储/US模型）进行了一次压力测试：假如美国平均房价下跌20%，对美国经济会产生什么影响？

模型给出的答案是：“影响不大。”

然而现实给了响亮的一记耳光。

2007年1月至2009年1月，美国房屋平均售价确实下跌了约23%，但FRB/US模型的预测偏差高达20倍。这场危机仅在美国就导致500万人失去工作，失业率飙升至10%，经济损失约10万亿美元。时任欧洲中央银行行长让-克洛德·特里谢后来坦言：“在危机面前，我们被传统工具抛弃了。”

为什么全世界最精良的经济模型会犯下如此离谱的错误？

在《理解混沌：更好的经济理论，更好地理解世界》一书中，作者法默教授解释道，要理解标准经济学为何失灵，必须回到它的三个核心假设。

一、标准经济学的三个核心假设

1.效用最大化

标准经济学假设每个经济主体——无论是家庭还是企业——都拥有一个效用函数，并始终做出使自身效用最大化的决策。家庭从消费中获得效用，企业追求利润最大化。

听起来合理，但问题在于，这个假设把人类变成了完美理性的机器——能够始终获取所有信息，始终进行任何复杂的数学运算，永远做出最优选择。行为经济学略带讽刺地称之为“经济人”（homo economicus）。

2.均衡状态

这个概念源自19世纪法国经济学家莱昂·瓦尔拉斯对巴黎证券交易所的观察：一位拍卖师报出价格，交易员们表示买入或卖出意愿，拍卖师反复调整价格，直到供需平衡。

瓦尔拉斯借用物理学概念，把这种供需匹配的状态称为“均衡”。此后，均衡假设成为经济理论的基石——所有标准模型都假设经济始终处于供给等于需求的状态。

3.理性预期

由约翰·穆斯于1961年提出，假设经济主体足够聪明，能利用所有可用信息做出最优决策。在理性预期框架下，人们不仅能看透“通货膨胀的面纱”，还能对各种未来事件赋予准确的概率，计算预期效用，选择最优行动。

这三个核心假设在过去150年中逐渐成型，于20世纪70年代最终定型。此后近半个世纪，它们几乎原封不动地支撑着所有主流经济学理论、中央银行的政策模型和政府的经济决策框架。

可问题在于：如今它们与现实严重脱节。

2008年金的融危机暴露了标准模型的一个致命缺陷：当时所有模型都忽略了借贷者和企业违约的可能性。经济学家知道这个因素很重要，但将其纳入模型太困难，于是选择忽略。事实证明，违约恰恰是这场危机的核心诱因。

这不是个例。标准模型还忽略了金融网络的互联性——一家银行的倒闭可能通过复杂的债权债务链条引发连锁反应。

模型也忽略了信贷扩张与收缩的动态过程——当资产价格下跌时，追加保证金要求迫使投资者抛售资产，进一步压低价格，形成恶性循环。这些“被忽略的因素”恰恰是金融危机的核心机制。

更深层的问题在于均衡假设本身。标准模型假设经济始终处于供需平衡状态，所有变化都来自外部“冲击”——J·多因·法默将其比喻为“宙斯坐在奥林匹斯山上向人间投掷雷电”。

模型只能描述经济在遭受冲击后如何回归均衡，却无法解释经济为何会从内部产生波动。

法默教授在《理解混沌》一书中，提出了与标准经济学截然不同的选择：复杂经济学。

二、复杂经济学

法默教授认为，传统经济学框架并不适合处理那些重大、复杂且混乱的现实世界问题。主流经济学的核心假设与现实不符，基于这些假设的方法无法很好地从小问题扩展到大问题，也无法充分利用数据和技术的巨大进步。

复杂经济学提供了一种截然不同的选择。复杂经济学借鉴了复杂系统科学的思想和方法。复杂系统研究的是“涌现”现象，即一个系统整体的行为与各个部分的行为在性质上变化的现象。

大脑就是一个很好的例子：单个神经元是一种相对简单的装置，它接收来自其他神经元的刺激并产生新的刺激。单个神经元并不具备意识，但人类大脑中约 850 亿个神经元以某种方式协同工作，从而使人类产生了意识和思维。

经济也是复杂系统的一个绝佳示例，具有许多不同的涌现现象。经济系统让我们分工合作，专注于我们最擅长的事情，同时让他人去做他们最擅长的事。通过协作，经济让我们能够建造出宇宙飞船或笔记本电脑等个体无法独自完成的东西。

虽然标准经济学理论有时能对涌现现象提供一些有价值的见解，但这并不是它的优势。相比之下，复杂系统科学家已经发现并开发出一套标准的概念和方法工具包，用于理解大脑、蚁群、互联网或城市等涌现现象。

复杂经济学与标准经济学理论截然不同。

1.用有限理性替代完美理性

复杂经济学从一开始就假设人的推理能力有限，模型基于心理学实验、人口普查数据、专家意见等多种来源构建。

人们不会为了日常决策动用复杂的数学运算，而是使用简单有效的“启发式”方法——比如棒球运动员接高飞球时不会计算牛顿定律，而是通过调整与球的角度并保持这个角度来跑到接球位置。这种“凝视启发法”不需要任何数学计算，但在实践中非常有效。

2.用基于主体的模型替代数学方程

复杂经济学中使用的模型被称为基于主体的模型。

顾名思义， 这些模型的基本组成部分，如家庭、企业或政府，会做出决策，它们具有主体性。描述每个主体如何决策的算法被编入计算机程序中。

随着主体收集信息并做出决策，他们的行动改变了经济状态，使经济产生新的信息，促使主体做出新的决策，如此循环往复。这种模拟可以无限重复，以研究每个主体随时间变化而产生的互动。

在基于主体的模型中，经济现象自下而上涌现，与现实世界一样。

编入计算机程序中用于模拟决策的算法，可能是社会科学家发现的简单行为规则，比如“模仿你的邻居”；可能是每个人都遵循的明显经验法则，比如“购买有潜力的资产”；也可能是学习算法，用于捕捉主体如何随着时间调整决策以提高效用。计算机能够轻松处理复杂、混乱的事实，使我们根据需要尽可能真实地模拟决策过程。

使用模拟相较于数学方程有很多优点，其中最重要的一点是它能够模拟世界中行为主体的多样性，经济学家称之为异质性。

在主流宏观经济学中，对异质性进行建模是一个热门话题，但要将其融入标准框架却非常困难。相比之下，计算机可以轻松追踪不同的主体，使我们能够根据需要进行尽可能真实的模拟。

3.用非均衡替代均衡

复杂经济学不一定假设存在均衡，而是将其视为特定情况下可能出现的涌现属性。这意味着模型可以捕捉经济在失衡状态下的动态变化——信贷紧缩如何传导、供应链中断如何扩散、恐慌情绪如何蔓延。

一个生动的例子是法默团队对华盛顿特区房地产市场的模拟。他们以家庭为主体，模拟了多达10万个异质家庭。

模型的关键创新包括：房价不是由供需曲线的交点决定，而是模拟真实的定价行为——卖家参考近期成交价，标价上调约5%，未售出则降价10%；银行根据家庭收入和财富审核贷款，提供从传统固定利率到复杂的气球贷等多种类型；家庭根据近期房价走势预测未来（“后向预期”），同时考虑未来变化对自身的影响（“前向预期”）。

模型从1997年运行到2010年，模拟输出的房价走势与实际情况基本吻合。更重要的是反事实实验揭示了关键发现：当保持1997年的贷款标准（固定利率、首付不低于20%）时，房地产泡沫几乎消失——这证实了贷款政策的转变在导致泡沫方面比利率发挥了更大作用。

目前，至少有7家中央银行正在应用此类模型预防房地产泡沫。匈牙利中央银行拥有一个能够1:1模拟匈牙利房地产市场的模型——每个居民和每栋房屋都得到对应呈现。

综上所述，这些因素导致了复杂经济学与标准经济学截然不同的应对变化的方式。经济变化可能来自外部，比如新冠疫情就是一个影响经济的外部因素。变化也可能来自内部，比如 2008 年的金融危机，它是由经济系统自身的作用引发的。

标准经济学在应对源自经济内部的变化时也存在困难。例如，主流的金融危机模型不得不假设存在外部“冲击”，使经济产生必要的变化。

显然，实际情况并非如此，但标准模型只能以事情“好像”是这样发生的方式来解释金融危机。相比之下，基于主体的模型本质上是动态的，能够自然地解释经济如何从内部发生变化。

三、意外的“原理性证明”

法默教授是牛津大学马丁学院复杂经济学项目主任，是复杂科学“圣地”——圣塔菲研究所教授，也是混沌理论奠基人之一。他不仅在学术领域颇有建树，在实践层面，也是敢为人先的领先派。

2020年，新冠疫情暴发，法默教授召集了一支由牛津大学最优秀的在校生、博士后和往届学生组成的团队，启动了一个紧急项目：建立一个模型来预测新冠疫情会对经济造成什么影响。显然，疫情蔓延只是时间问题，许多政府将会实施封锁措施，这些措施会对经济造成巨大影响。

然而，公共卫生措施有许多方案，政府需要决定实施哪些限制措施，关闭哪些行业。是否有一个“最佳”方案，能够在被病毒感染造成的痛苦和经济压力带来的痛苦之间找到一个合理的平衡？

我们能够预测新冠疫情的经济影响吗？

新冠疫情带来的经济冲击具备 3 个独特特点，使得传统标准模型无法适用：第一，冲击具有高度的行业特定性，必须通过高精度建模才能准确模拟经济运行；第二，冲击同时影响供给侧和需求侧；第三， 冲击巨大且发生得非常迅速。

标准经济学模型假设经济处于均衡状态，这意味着供需始终平衡。而新冠疫情冲击如此迅猛且剧烈，以至于将经济推离了均衡状态，使得标准模型不再适用。

我们需要一种不假设经济处于均衡状态、能够追踪冲击动态的模型，并且需要尽快建成。历史上没有与新冠疫情类似的完整的案例记录，这使得这一任务尤其具有挑战性。

在需求侧，消费者可能因为害怕感染而拒绝购买某些商品或服务。例如，虽然航空等交通运输业被视为必需行业，但大多数消费者却放弃了出行。在供给侧，某些行业可能面临劳动力和原材料紧缺，或者被视为非必需行业而被迫关闭。

为了理解这些因素如何影响各个行业，需要用到经济学中生产函数的概念。生产函数是一种“配方”，它告诉我们在给定了各类生产要素投入量的情况下，某一行业能够生产多少产品。例如，生产钢铁需要按恰当的比例投入铁矿石、焦炭、煤炭和劳动力。

不幸的是，当时没有一个有充足数据支持的标准经济学模型能有效地描述生产函数。其中关键的问题在于生产要素的可替代性：投入的哪些生产要素可以被替代？可替代程度如何？我们需要逐个行业地了解这一点。

钢铁行业理论上也需要管理咨询行业和餐饮行业（用于维持食堂运营）的投入，但如果需要，它也可以在没有这些投入的情况下继续运营。现有的两种标准生产函数模型都无法使用—要么允许过多的生产要素替代，要么完全不允许替代。我们需要一个更贴近现实的模型。

他们将每个行业建模为一个单独的公司，这一简化无疑很粗糙，但足以满足他们的需求。

他们假设每个行业在疫情开始时都拥有正常的库存。随着疫情的发展，库存减少。如果一个行业的关键生产要素短缺，其产出就会降低。同样，如果市场对该行业产品的需求减少，或者因为新冠疫情限制导致缺少工人，其产出也会降低。

一个行业产出的产品往往是另一个行业投入的生产要素。法默教授的模型追踪了需求冲击向上游的传递和供给冲击向下游的传递，它们相互碰撞，最终降低了整体的经济产出。

他们还输入之前研究中预测的冲击影响数据，观察这些冲击如何传递，并预测不同限制情境对英国 GDP、失业率及其他经济指标造成的总体影响。

2020年5月初，英国已经实施了超过一个月的严格封锁，政府正在考虑下一步行动。法默团队对几个不同的情境进行了模拟，并评估了它们的经济影响。对于每个情境，他们还使用流行病学的标准方法预测了新冠病毒感染人数。

5 月 8 日，经过多日不眠不休的努力，他们将论文提交给英国政府官员。8 天后，政府采纳了他们的建议，放宽了封锁政策。

事后分析表明，法默团队的预测非常准确。他们预测英国经济在2020 年第二季度的 GDP 相对于 2019 年第四季度的 GDP 收缩幅度为21.5%，这一数字与实际收缩幅度的 22.1% 非常接近。作为对比，几家机构和金融公司预测值的中位数为 16.6%，英格兰银行的预测值为 30%。

当然，对单一事件的预测可能存在偶然性，但他们还对 52 个行业都做出了预测，且大多数预测相当准确。事后分析证实，他们之所以成功，是因为模型具备了法默教授称为逼真性的特性—它能足够真实地呈现影响经济运行的关键机制，从而提供准确的预测。

此后，他们的模型被另一研究团队使用，他们回溯性地利用它模拟了新冠疫情对比利时经济的冲击，结果同样表现良好，而且它还被用于预测俄乌冲突对奥地利经济的影响。

法默将这项研究定位为“复杂经济学的实用性原理性证明”——这是历史上第一个使用复杂经济学方法预测重要经济事件且准确性超过标准模型的案例。由于预测是在事件发生前即时做出的，没有人可以指控数据造假。

四、一场酝酿已久的革命

复杂经济学的许多思想由赫伯特·西蒙在20世纪50年代提出。

这位在经济学、人工智能、认知心理学等多个领域都有重要创新的博学家获得了1978年诺贝尔经济学奖，但主流经济学界并未追随他的脚步。原因很简单：西蒙的时代缺乏实现设想所必需的计算能力、数据以及对人类决策方式的认知。

如今，计算机速度大约是西蒙时代的10亿倍，数据处理能力也同比例提升。过去约5年里，复杂经济学正从定性科学转变为定量科学，从概念构建转向实际应用。

法默指出，他在职业生涯中参与了三次重要的科学革命——混沌理论、复杂系统和机器学习。这些科学发现最初都未能进入主流视野，经历了漫长的积累后最终引起质变。

复杂经济学属于经济学领域正在进行的革命，属于它的时刻即将到来。

这场革命的根本驱动力在于：标准经济学模型适合解决定义明确的问题，但不适合处理重大、复杂且混乱的现实世界问题。对于气候变化等全球性挑战，标准理论给出的错误答案为人类的不作为提供了借口，将我们推向灾难的边缘。

天气预报从主观猜测发展到精确的数值预报用了约80年，背后是数十年来在数据收集、模型开发和计算基础设施方面的持续投入。经济建模完全有理由走上类似的道路——虽然起步较晚，但起点更高。

法默教授认为，如果我们投入适当资源，有望在5年或更短时间内构建出更准确的基于主体的经济模型。

*文章为作者独立观点，不代表笔记侠立场。