2021年中国科学院大学应用经济学暑期学校系列课程——洪永淼教授篇

  • 日期:2021-07-21

2021年7月20日下午,“2021年中国科学院大学应用经济学暑期学校”第四场报告暨思危大讲堂第三十六期由洪永淼教授开讲。

 

洪永淼教授是中国科学院大学经济与管理学院院长、发展中国家科学院院士、世界计量经济学会会士、教育部高等学校经济学类专业教学指导委员会副主任委员、《计量经济学报》联合主编。2014—2020年连续7年入选Elsevier“经济、金融和计量经济学”领域中国高被引学者榜单。

 

洪永淼教授以“大数据如何改变经济学研究范式与研究方法”为题进行授课。他首先以“实证革命”和“可信度革命”为例,指出实证研究符合科学研究范式,并逐步发展成为现代经济学一种主流的研究范式。大数据革命提供了大量各种各样的数据,推动了统计方法和机器学习的发展,也将不可避免地引起经济学实证研究范式与研究方法的变化。在此基础上,洪永淼教授从模型驱动与数据驱动、参数不确定性与模型不确定性、无偏估计与正则化估计、人工分析与智能化分析等九个方面详细讲解了大数据将引起的经济学实证研究范式与研究方法的变化。

 



在模型驱动与数据驱动方面,洪永淼教授指出,大数据的出现,通过机器学习和非参数统计方法,可以突破传统模型的局限性,使得研究问题不依赖于模型,并挖掘出更多的数据证据。在参数不确定性与模型不确定性方面,他指出,在大数据条件下,海量大数据能够极大地降低参数估计的不确定性,但也导致估计模型出现不确定性,如何增强模型的稳健性成为一个重要问题。

 

对于无偏估计与正则化估计,洪永淼教授认为无偏估计并不是最好的估计,如果对未知参数施加一定限制,通过牺牲无偏性质,换取估计方差的显著减少,这将显著减少均方误差,提高预测精准度。但是,基于有偏估计量的统计推断,需要建立一套新的统计学与计量经济学理论。在对比分析低维建模与高维建模方面,洪永淼教授指出传统模型大多是低维模型,该种模型存在模型误设的可能性,而在实际应用中,很多经济金融问题涉及到众多变量,高维建模十分必要,机器学习等非参数方法可以有效降维,解决“维数灾难”问题。关于样本内拟合与样本外预测,洪永淼教授指出经济学传统建模与经验解释大多基于样本内拟合,而科学理论的本质在于精准样本外预测,即泛化能力。

 

在低频数据与高频数据方面,洪永淼教授解答了高频数据可以为经济学研究提供哪些启示,例如,从高频数据中能够识别外生的宏观政策(如货币政策)冲击,并评估研究宏观政策冲击对实体经济的动态影响。从传统数据向新型数据的转变方面,洪永淼教授指出新型数据能够提供传统数据所没有的信息,要处理新型数据则需要发展新的分析工具,特别是数学工具,因而对经济学家及统计学家提出了新的要求。在结构化数据与非结构化数据方面,洪永淼教授以文本数据分析为例,指出文本回归分析使原来的定性分析转变为定量分析成为可能,也使得经济学与其他社会科学及自然科学有了更多交叉的可能。从人工分析到智能化分析的变化,洪永淼教授举例分析了智能化对于科学研究的推动作用。最后,洪永淼教授指出大数据和机器学习正在改变经济学的研究范式与研究方法,一个新兴学科——大数据与机器学习计量经济学正在兴起。数字时代的经济研究需要更加重视交叉学科和跨学科的理论与方法。

 

在与学员的互动环节,洪永淼教授针对学员提出的问题,分享了他关于人工智能预测经济金融市场准确性的观点。他认为预测主要应看相对精度,即相对历史预测情况以及其他预测方法是否有所改进。在较长的时间周期中,只要存在因果关系,人工智能基于大数据进行预测一般能取得较高的精度。

 

 

课程的最后,中国科学院大学经济与管理学院副院长乔晗教授代表思危大讲堂对洪永淼教授的精彩讲授表示感谢,并为其颁发了思危大讲堂演讲纪念牌。

 

 

洪永淼教授的课程内容非常丰富,结合理论与案例进行了深入浅出、生动有趣的分析讲解,让学员们对大数据如何改变经济学研究范式与研究方法有了全面而深入的认识,课程在学员们热烈的掌声中圆满结束。

(文/刘倚溪  图/阎古月)