友情提示：如果本网页打开太慢或显示不完整，请尝试鼠标右键“刷新”本网页！
2174-生活中的智慧-第10部分
快捷操作: 按键盘上方向键 ← 或 → 可快速上下翻页 按键盘上的 Enter 键可回到本书目录页 按键盘上方向键 ↑ 可回到本页顶部! 如果本书没有阅读完，想下次继续接着阅读，可使用上方 "收藏到我的浏览器" 功能 和 "加入书签" 功能！
排列，从而成为一系列的时间序列。在金融市场方面，香港恒生指数在过去3年内每一日甚至每一分钟的指数水平也构成一个时间序列变量。由此可见，经济学的绝大多数的实证研究都是与时间序列变量相关的。而且除了要研究对这些变量之间的相互关系之外，时间序列分析还关心它们之中一个或几个变量的现值与其过去值的关系。
那么，如何来分析时间序列变量呢？在一个很长的时间内，它一直是困扰经济学家特别是计量经济学的问题。因为，从时间序列变量来看，它们有两个特征：一是非平稳性，即该变量无法呈现一个长期趋势从而最终趋向于一个常数或是一个线性的函数；二是波动幅度随时间变化，即一个时间序列变量的方差随时间的变化而变化。上述两个特征的存在使得有效地分析时间序列变量变得十分困难。今年的诺贝尔奖推崇抓住时间序列分析变量的两个关键特征，找到了一系列的方法来分析与研究具有非平稳性和波动幅度随时间变化的时间序列变量。
格兰杰1934年出生于英国的威尔士，1950年进入英国诺丁汉大学，最初他本想成为天文学家，可是没有想到却成了著名的统计学家。因为，在格兰杰上大学时，诺丁汉大学在英国首次开设经济学和数学双学位，受此吸引，他进入经济学与数学的殿堂。1955年获得经济学和数学双学位，由此在数学方面打下了非常扎实的基础。由于当时的诺丁汉大学的经济学主任非常看好经济学的定量研究，尤其是计量经济学，由此也把格兰杰引上了计量经济学之途。
1957年格兰杰获得诺丁汉大学的统计学博士学位，并开始在该校教授统计。20世纪60年代早期，他赴美国普林斯顿大学从事时间序列谱分析研究。1964年他就发表了“石破天惊”的《时间序列变量中的谱分析》，从而奠定了谱分析在时间序列变量分析中的基础。1974年，格兰杰在普林斯顿大学认识了奥单（DanOrr，他当时是加州大学圣迭哥分析经济学系的主任），奥单邀请格兰杰到该校讲学。到圣迭哥后，该处的风景气候及学术氛围深深地吸引了格兰杰，在奥单的努力下，1974年格兰杰移居美国，成了加州大学圣迭哥分校经济学院的教授。当初的圣迭哥分校经济学系在计量经济学方面毫无建树，但由于格兰杰的到来，及1975年恩格尔的加盟，该系一跃成为世界一流的经济学中心。
由于格兰杰在计量经济学方面的贡献，美国西部经济学联合会曾选他为该会主席，2002年当选为美国经济学联合会杰出资深会员。格兰杰目前是世界最杰出的计量经济学家之一。他在学界建树颇多，其著作几乎包含所有近40年来时间序列方面的重大进展。同时，他在谱分析、因果分析、长期分析经济预测和共同整合等许多方面的研究都是开拓性的，走在计量经济学的最前沿。有人就认为，这些成果中的任何一项都可使一名学者视为一生的学术骄傲。
这次格兰杰获得诺贝尔奖，主要是指他用共同整合经济模型可以处理许多时间序列变量的非平稳性。共同整合（cointegration）概念是格兰杰在20世纪80年代提出来的。共同整合理论主要研究对象为在两个或多个非平稳变量之间寻找其均衡关系，以及为用存在共同整合关系的变量建立误差修正模型奠定了理论基础。格兰杰就是在时间序列分析中引入了“非稳定性”的概念，从而设计出一套统计分析方法模式。
在实际经济生活中，多数时间序列变量都是非平稳性的，然而某些非平稳性的时间序列的某种线性组合却可能是平稳的。经济理论认为，某些时间序列变量存在长期均衡关系。如净收入与消费、政府支出与税收、工资与价格、进口与出口、货币流量与价格水平、商品现期价格与期货价格等之间就存在这种长期均衡关系。一般来说，上述时间序列变量属于非平稳序列，其方差与时间成正比。在短期内，看起来这些经济变量之间似乎不会存在任何均衡关系，但事实上若干个时间序列变量的某种线性组合却有可能是平稳序列。格兰杰敏锐地注意到了这一现象，并利用其扎实的数学和计量经济学功底，发展了将短期和长期期望结合起来的“共同整合”概念和分析方法。这些问题和有效的统计推论的关键在于他发现了两组非平稳的统计数据特殊的合并会产生平稳性的方法。
一般的经济理论常常进行这样的预测：如果在两个经济变量中有一种均衡的关系，他们会在短期中偏离这种均衡，而会在长期中向均衡的方向进行调整。格兰杰把这两种均衡与非平稳性结合起来创造了共同整合的概念。他认为，具有共同整合关系的对非平稳性变量可以用来建立误差修正模型。对于非平稳变量，误差修正模型改进了时间序列模型只考虑用平稳变量建立模型，却忽视了原非平稳变量信息的弱点，以及经典计量经济学模型忽视虚假回归的问题。误差修正模型提供了结合上述两种模型优点并克服其缺点的途径，把长期关系和短期动态特征结合在一个模型中。在这一基础上，格兰杰进一步提出了著名的“格兰杰共同整合定理”，以此来证明“共同整合”概念与误差修正模型的必然联系，并用这些理论在现实经济分析中做了大量的有关实证研究，包括对美国国库券的产出共同整合分析；对季节性因素的单整与共同整合分析；对产出、销售、存货之间的多因素共同整合分析等，都引起理论界和实际政府部门的广泛注意。因此，格兰杰认为，这个共同整合模型不仅仅表现了统计上的完美，而且也给定了一个有意义的经济解释。
谱分析方法（spectralmethods）引入经济学的分析也是格兰杰对经济学分析方法的一大贡献。谱分析方法是统计学中一种非参数理论，其渊源已有200多年历史。其基本思想是从“频域”的角度和思想出发，来研究有关问题。20世纪60年代以前，谱分析方法已经在物理领域有了相当的发展和应用。后来，有人试图引入经济学研究，但没有成功。1964年格兰杰与汉塔纳卡（Hatanaka）把谱分析方法引入时间序列变量分析，并从此奠定了谱分析在经济序列分析中的基础作用。因为，经济发展是一个波动的过程，这一过程包含了不同的经济周期波动分量。每一种周期波动分量由经济内部参数的特征决定。所以要讨论经济波动机制必须把这种不同的波动周期加以区别。如果在时间域内的研究混淆这种不同机制的作用效果，把它们作为一个整体研究，势必给我们对经济波动本质的认识造成一定的假象。可见，谱分析方法为我们对经济现象的本质的认识，提供一个强有力分析工具。如财富和消费、汇率和价格以及短期利率和长期利率等都可以通过谱分析的方法有更为深入的分析。例如，格兰杰与摩根斯坦（Morgenstern；O）一起对美国纽约股票市场价格进行了相关分析研究，并发表了《纽约股市价格谱分析》一文，该文通过对纽约股票交易所主要的股票指数收益频谱的实证研究，对当时盛行的股票价格随机漫步理论提出了质疑，引起了理论界很大的轰动。
格兰杰在因果关系原理及其在经济学中的应用的贡献，也是他诸多科研成果中影响最大的一个方面。时间序列变量分析研究的一个主要目的，就是决定一些经济变量与其他一些经济变量间是否存在着依赖或因果关系。对于这个问题，一般的统计检验方法可以看到经济变量之间复杂因果关系，但是不能从一系列简单的关系式中获得因果关系。格兰杰因果性关系原理则较成功地解决了这个问题。格兰杰关系原理巧妙地引用了条件概率理论来定义因果关系，并在检验上，运用时序分析技术，通过大量现象的统计数据研究来排除偶然性因素的影响。虽然格兰杰因果关系定理具有很高的实际应用价值，可起初并没有引起大家的注意。直到这一定理被著名计量经济学家西姆斯（CSims）应用于研究现金和收入之间的关系问题，并由此得出引起争议的结果时，才受到广泛的注意。对格兰杰因果关系定理，他本人认为，尽管因果关系问题非常复杂，但由于他的定义具有很强的可操作性，所以只要能给因果关系下定义，他的理论就能进行相应地应用。当然，作为一个统计学上的一个因果关系，往往只适应判断存在不存在因果关系，而不能在不同模型之间做出优化选择。
预测研究也是格兰杰的学术强项，可以说，格兰杰是当今预测领域中最为杰出的代表之一。一般来说，预测研究的最基本问题主要是建立在以下3个部分的结合点上：模型的定义与构建、模型的估计与检验、模型的修正和选择。在这3个方面，格兰杰都有不朽的建树。1959年，格兰杰的《关于潮汐河流泛洪的概率估计》是其预测方面发表的第一篇论文。该文内容详实而丰富，早已被视为现代成本收益分析教材的范本案例。1969年发表的《以广义成本误差函数进行预测》一文，讨论了预测值在模型选择中的重要性问题。格兰杰的研究还涉及预测评估、预测组合、数据转化、季节性因素与预测、因果关系与预测等方面，而且格兰杰还把其理论广泛应用于实际问题的预测，影响相当广泛。
可以说，格兰杰之所以能够对经济学做出如此巨大的贡献，不仅有他坚实的数学、统计学、经济学的理论功底，还在于他能够把这三门学科的知识融合起来讨论与分析问题，而且在于他十分注重理论的现实应用性。在他看来，经济学就应该如物理学一样，更应该重视现实的经济问题。因此，他的许多理论都是在对实际的经济问题研究过程中创立与发现的。还有，尽管他的数学功底扎实，他却反对用复杂繁冗的数学公式推算。因为在他看来，只有对于人们经济生活中有现实意义的问题，才值得花时间和精力去研究，而解决问题应该简单明了，而纯理论的数学推导是没有生命力的。
恩格尔1942年出生在美国纽约，1969年获得康奈尔大学经济学博士学位，同年成为麻省理工学院的老师。其实，恩格尔进入经济学还有十分有趣的故事。就在恩格尔从美国威廉姆斯学院取得物理学士后，开始准备到加州大学伯克利分校学物理。当恩格尔打电话与该校联系时没有人接电话，后来他只好到康奈尔大学从事超导体方面的研究。到康大后，1966年，恩格尔选修一门经济学课程。由于受经济学的吸引，他倒希望读完硕士后在康大经济学系进行经济研究，后恩格尔找到康大经济系的主任，正好有一名额，恩格尔正式转入康大经济学攻读博士学位。而恩格尔的导师正是著名华人经济学家刘大中。到1969年康大毕业，恩格尔已打下了扎实的计量经济学基础。
毕业后，先在麻省工学院工作，并研究计量经济学领域中的谱分析回归。1975年，恩格尔在一次华盛顿召开的学术讨论会议上遇到了格兰杰。正准备更换工作的恩格尔向格兰杰请教是否有适合的工作，格兰杰向他推荐了圣迭哥。1975年，恩格尔转到圣迭哥，并一直工作到1999年才到纽约大学工作。这样双剑合璧，恩格尔开始了与格兰杰合作；进行对现代计量经济学开创性的研究。
在传统的计量经济学理论和模型中，时间序列变量的波动性被假定为固定的，然而实际数据却与这一假定是不相一致的。如经济学家早就发现不少金融产品投资收益的波动幅度是随时间的变化而变化的，并不是一个常数。如果用一个简化的模型去解释实际的数据，是得不到满意结果的。而且金融市场中的波动幅度随机变化的情况随处可见，如股价、期权、汇率等，只要是有风险的投资手段，就随时会发生变化，这就是所谓波动幅度随时间变化。市场波动往往有一定周期性，如相对平静的时期过后，就会出现剧烈波动的特殊时期。经济学家一直努力尝试设计出一套统计模式，以预测时间序列变量的规律。因此，1982年，恩格尔就是创立了这样一个统计模型，即称为自回归条件异方差模型（ARCH），来比较准确地描述随时间变化的时间序列变量的波动性，从而极大地推动加深了经济学家对经济就是波动性的理解。
恩格尔假定随机误差的方差在一个特定的统计模型中，在一个特定的时间期间中，系统性依赖了以前的随机误差项，以至于大（小）误差跟随着大（小）误差之后。用专业的术语来说，随机变量遵循自回归条件异方差性。在后续的工作和与学生和同事发表的文章中，恩格尔在不同方向扩展了这一概念。最有名的扩展是一般自回归条件异方差模型。这里，在一个特定时期中随机误差项的方差不仅依赖于以前的误差项，而且依赖了早期的方差本身。今天，这一扩展使得自回归条件异方差模型成了对金融市场分析最有用的模型。
在恩格尔的第一篇自回归条件异方差模型文章中，恩格尔用它的时间变动波动性模型来研究通货膨胀。不久之后，自回归条件异方差模型的主要应用是在金融领域，处理和为不同种类的风险定价。定价模型因而代表了证券价格和波动性之间的关系：特别股票的期望回报依赖了股票回报和市场投资组合的协方差。这样，用该套统计模式可以描绘随时间变化的经济趋势。它不仅被学者们广泛采用，而且也成为金融分析师们研究资产价格和估计投资风险的必不可少的工具。
总之，今年的恩格尔以一个自回归条件异方差模型，格兰杰以一个共同整合经济模型获得诺贝尔经济学奖，多少有点出乎预料。但是自回归条件异方差模型被广泛地应用于宏观经济学和金融经济学实证研究，应用于投资金融行业的风险管理，甚至应用于其他产业的分析。共同整合经济模型也被广泛地应用于宏观经济学和金融经济学的理论研究和实践，他们的模型对计量经济学在方法论上有很大的�
快捷操作: 按键盘上方向键 ← 或 → 可快速上下翻页 按键盘上的 Enter 键可回到本书目录页 按键盘上方向键 ↑ 可回到本页顶部!
温馨提示： 温看小说的同时发表评论，说出自己的看法和其它小伙伴们分享也不错哦！发表书评还可以获得积分和经验奖励，认真写原创书评 被采纳为精评可以获得大量金币、积分和经验奖励哦！