作者：余颖丰
以下内容来自于《基本无害的量化金融学》第九章
现代计量经济学主要包括两块：一块是微观计量、一块是宏观计量。宏观计量和金融学有点远，我们不做讨论[1]。微观计量和金融学还是有非常多的契合点。当我们谈到量化金融的时候，我们一再强调量化金融分为两大派系：一派是P-type,一派是Q-type，这两大派系的区别和联系，我们已在前文中阐述，故不在此处再多做讨论。简而言之，P-type可以认为是十分靠近金融计量学。一般认为金融计量学较靠近微观计量。但是，读者需要知道微观计量目前一般也分为两块，一块是基于面板的微观计量，一块是基于时间序列的微观计量。这有什么区别呢？举以下两个例子。有不少科研人员从事个人微观金融研究，这类科研人员很容易获得大量个人或者家庭的金融资产信息，这些针对个体和家庭的数据信息的数量都非常庞大，动辄十万，甚至更多，但是这些数据可能是按年份收集，可能数据仅有3-5年，因此这类型的数据的特点是个体数量远大于其时间维度，此外一般这些科研实验还假设个体与个体之间没有相互影响[2]。第二个例子是股票数据，以中国为例，沪深个股（包含创业板）共三千多家，这些个股几乎每天都有交易，除非特殊原因，而每日的股票信息，如果按秒计算，每天交易4小时，每个股一天就能至少产生3600×4个价格信息，如果股票上市十年，按每年250个交易日计算，则十年间，一个个股就可以至少产生14400×250×10个交易数据，此外金融股价数据都有很强的自相关性，具备时间序列的基本特性，个股和个股之间，个股和大盘指数之间都有很强的相关性。由此可见，这类型数据的特点和第一个例子的数据特点差别非常大。因此，当代微观计量也分为两个派系，一个是偏面板（即第一个例子所阐述的那种数据类型）的微观计量，一个是偏时间维度（即第二个例子所阐述的那种数据类型）的微观计量。
由此可见，P-type是偏时间维度的微观计量。传统计量经济学为何有害？主要的原因是随着大数据时代的到来，随着人工智能时代的到来，计量经济学给很多人带来了困惑。人工智能的兴起和其理论学科---机器学习理论的兴起分不开，机器学习理论有时又被称为统计学习理论。机器学习理论来自于统计学，而计量经济学也来自于统计学。那么这两门学科有什么联系和区别呢？如果从纯学术研究的角度去思考和讨论，读者会不感兴趣，因此仅简单的讨论一下。简而言之，机器学习理论关注“预测”，而根据MIT教授乔舒亚.安格里斯特（Joshua Angrist）的观点，计量经济学应该关注“解释”，也就是“因果推论”。
麻省理工学院教授Joshua Angrist
乔舒亚.安格里斯特(Joshua Angrist)是MIT的计量经济学教授，长期从事计量经济学的理论与应用型研究，他还在大数据计量领域非常有造诣。本书会多次提到此人，此外本书的计量章节也会提到此人的两本专著，这两本专著是《基本无害的计量经济学：实证研究者指南》和《功夫计量》。安格里斯特写过不少关于计量经济学研究范式的文章，往往流露出对传统计量经济学教育弊端的担忧，这样的担忧是有道理而且深刻的。当然，安格里斯特的研究偏微观计量，而且是偏面板的微观计量，他对计量方法论的研究也是偏面板维度的微观计量研究。他的两本学术畅销书《基本无害的计量经济学：实证研究者指南》和《功夫计量》介绍的计量经济学知识都是基于偏面板的微观计量，他的著作中几乎没有任何涉及时间维度的计量经济学。简而言之，安格里斯特认为即使在面板维度的微观计量研究，计量经济学教学和研究的核心都该是偏“因果推论”而非现阶段国内外主流初等教科书所讲授和关注的内容。
麻省理工学院教授Joshua Angrist的两本代表作
让我们来看看麻省理工学院教授Joshua Angrist心里的“计量经济学”应是什么样子？
我们来看看麻省理工学院的计量经济学教学大纲。
[1]虽然现在由芝加哥商学院的John Cochrane教授发起的宏观金融学认为，宏观金融学和宏观计量还是有很多联系，在此处我们不深究其原因，因为当代宏观计量学偏贝叶斯计量经济学，同时还涉及很多宏观经济学本身的知识体系，这些深层次的讨论已超出了本书的内容，故不再深究。
芝加哥大学Booth商学院教授John Cochrane（图片来源：互联网）
[2]如果个体和个体之间有互动关系且相互影响,这被称为同辈效应（peer effect），如果出现这种效应，这对于研究这种基于面板数据的微观计量科研人员而言是比较头痛的事情。
联系客服
