经济预测的未来

克莱夫·W.J.格兰杰（Clive W.J.Granger）
（2004年6月）

2004年6月3日，2003年诺贝尔经济学奖得主、美国加州大学圣地亚哥分校经济学教授克莱夫·W.J.格兰杰在北京大学中国经济研究中心做了题为“经济预测的未来”的演讲。格兰特教授开创了加州大学圣地亚哥分校经济系的计量经济学研究工作，并使之成为全世界最出色的计量经济学研究基地之一。由于其在时间序列分析方面的突出贡献而和Robert F.Engle共同获得2003年的诺贝尔经济学奖。下面为演讲的实录。

林毅夫：在演讲开始前，我想先提几个问题。第一个问题是：对未来的预测会不会影响未来？如果对未来的预测并不影响未来事件的发生和发展，预测未来还有没有必要？第二个问题是：如果预测结果不是期望得到的那样，您会做出怎样的反应？您会尝试改变您的未来吗？如果人们的行为调整可以影响未来事件，那么作为一个计量经济学家，您怎样保证您预测的可靠性？

格兰杰：预测是经济学中很重要的一部分。经济学是关于决策的科学，做决策的时候是针对未来的，因此做决策的时候我们要考虑未来是什么样的，这就是做预测想要回答的问题。预测是许多经济学领域共同关心的问题，在计量经济学领域尤其如此。我想先描述预测的基本方法，可以用一个模型来解释预测的整个流程。以月度失业率预测为例，记录过去的每月失业率数据可以得到一个时间序列，利用这个时间序列的信息我们可以预测未来的月度失业率。立足于现在的未来的失业率是一个随机变量，可能的取值有很多种。要考察一个随机变量，首先要了解它的随机分布。预测就是给出整个分布，这是一个非常复杂的过程。通常，我们用均值和一些可能的取值来描述这个分布。当前的失业率正是这个分布的均值，而从现在开始到预测关心的未来某个时刻的这段时间中，众多的不确定性因素将不断积累并共同作用形成多个可能的变量取值。这就是预测的基本思想。

接下来的问题是，我们在实际中是怎样做预测的？我们利用许多程序和模型一起来进行预测，可以利用计算机程序输入数据进行预测。这样的技术手段在当下是很廉价和易得的，甚至公众网页都可以提供各种预测信息。只要在网页上输入预测未来三个月的就业率，在计算机上一点击就可以得到一个预测结果。现在的媒体上常有这种预测。在美国、英国、澳大利亚等国家，公共信息出来之后总是跟预测或者预期相联系起来。例如，“壳牌石油公司上一个季度利润达1 000万美元，比预期少了500万美元”，“上月的失业率为2%，比预计高了1%”。预期的数字常常在电视和报纸等媒体上披露，每个数字都和预期相联系。但这些预期是怎样得来的？预测的质量怎样？是否可靠？大家都不是很清楚。另一方面，预期是非常重要的。壳牌公司的利润增长了，但是股价却可能下跌，因为公众预期的利润增长高于实际的利润增长。同理，预期对整个经济也有着不可忽视的影响力。预期如此重要以至于人们急于进行各种各样的预测，但这些预测的结果都没有经过评估，信息渠道中充斥着各种不可靠的，甚至是随意捏造的预测数据。

评估是预测中非常重要的环节。未来会是怎样的？所有的因素都可能发生变化：作为预测基础的数据集可能发生变化，预测的方法也可能会有所变化，时间段长度可能会有所变化，评估的方法也会发生变化，等等。这些都会影响到预测的结果。比如说数据集。在英国，在我小的时候总是有很多关于经济预报和天气预报的笑话，但是现在关于天气预报已没有什么笑话了。原因是有了气象卫星，卫星可以使我们看到几天后的天气情况，所以天气预报做得非常好。经济预测的问题是没有经济学卫星，无法得到充足和可靠的信息。大家比较熟悉的宏观数据集，在动态上可能无法改进数据的质量，实际上甚至很可能会降低其质量。例如，度量重要的宏观变量GDP的方法是通过调查各个公司，询问它们过去一个季度或月度的产量如何。有的公司对于这种调查并不重视，它们可能只回答说：“这个月和上个月一样。”这样，数据集的质量就变差了。这是宏观经济数据面临的一个重要问题。另外，对于每个季度的数据，以前往往需要几个月的时间整理，所以会造成时间的延迟。这将无法满足预测对数据的需要。简单来说，预测需要可以快速取得的高质量数据集。另一种情形是，如果难以直接得到需要的数据，例如GDP很难马上被衡量出来，但可以将其分解为若干部分。如果主要部分可得，再加上对其他部分的高质量假设，我们也可以得到高质量的数据。宏观经济中很多变量实际上是可以快速并且高质量地获得的。我们现在正在组织数据搜集和整理的工作，尽管这个工作尚未广泛开展。

未来数据可能在可获得性、搜集速度和质量等方面有所改进，但这并不能解决所有的问题。另外就是技术方面，在未来将有什么样的新计量方法，这将是难以预测的。每一两年都有新的技术和工具创新，其中有些很好用，但是有些不是很好用。我们只能肯定有一些新的技术和工具创新有助于对预测的改进。

第三个方面就是时间段长度。我们能预测多长时间之内的未来呢？有些宏观理论认为中、短期是可以很好地预测的，如3个月、6个月或者1年。人口理论则认为10年之内的情况是可以被非常成功地预测到的，像人口、适龄的人口都可以预测，因为它们的变化速度是非常缓慢的。但是有些问题是很难预测的，如股票价格、股票投资回报率，几乎是不可能被预测的。这是市场有效性的要求。股票价格如果可以被预测的话，每个人都可以在股市上赚钱，而股市本身将崩溃。因此，股票的市场价格是不可能被连续地准确预测的。

有些变量，在提前一两天的时候，可以很容易地被预测到，比如明天的电量需求。我们还可以准确地预测明天北京地区的用电需求量。我们可以分析每小时、每天的北京或者其他大城市的用电量。因为它的形式非常简单，比如做早饭、开电灯，每天或者说每年的这个曲线都是有规律的。用电量跟温度很有关系，所以气温信息也被用来预测用电需求，这样便可以对明天的用电需求量做很准确的预测。但我们却不能对一两周之后的用电量做准确的预测，因为长时间的天气情况是很难预测的，但是未来一两天的天气却能够被准确预测。我们希望我们有越来越好的数据，我们可以因此不断地放宽对预测时间长度的限制，使得对远期未来的准确预测成为可能。

能否进行10年、20年的预测呢？经济学家是否做这样长期的预测呢？他们都说做不到，长期的预测在现在是很难做到的。但是如果你相信这是可以实现的，最终这将得到实现。我正在尝试对未来10年做出预测。实际上，这不是不可行的，只是更加困难而已。观察美国过去30年的真实消费、真实投资情况，我们看到一条非常简单的生产率曲线，我们可以根据这个曲线较为精确地预测未来。实际上，前人用20世纪80年代的消费曲线来预测25年后的消费，这个长期预测得到了很准确的结果。1967年出版过一本名叫《2000年》的书，对33年后的人均GDP和人口增长都做了预测。这本书对人口的预测非常准确，对GDP的预测数字误差比较大，因为没有预测到全球经济一体化带来的高速增长。这本书还对人类科学的发展进行了预测：在未来33年中，人类将完成至少100项重要科学发现。书中提到的这些发现中，大约2/3已经实现。例如，在1967年进行预测时，只有庞大到一个房间这样大的大型计算机，而没有微型机，微软和苹果等微型电脑生产商也都还未出现。这本书就预测到了每个家庭都将会有电脑和足够大的存贮器；每个家庭都和其他家庭连接起来（这就是我们今天的网络）。他们还预测了手机电话，在当时能够预测到手机电话是很难的事情。所以，对于各个方面的长期预测也可能具有相当的准确度。当然这本书的预测也有一些错误。比如它在移民方面的预测就是非常错误的，在劳动力方面也预测错了。第一个错误是他们觉得妇女不会走出家门工作，另一个错误的预测是在许多西方现代国家将实行一周四天的工作制。他们认为最需要讨论的问题是劳动力怎么样利用大量的闲暇时间。但是现在人们的工作比历史上任何时候都要紧张。预测结果可能是对的，也可能是错的。但是30年是非常长的，对这样长期的未来情况进行预测是很困难的。所以，我的观点是长期预测是非常有用的，虽然难以进行。

人们认为有些预测是不可能的，例如预测重大变故的发生。经济突然出现了大的变化，这将对社会生活的各个方面产生重大的影响。突发事件因为太不确定了，因此是难以预测的，比如20世纪90年代末的金融危机、恐怖袭击、地震的发生以及火山的爆发等。尽管现在，有些预测是可以做到的，但是难度很大且难以准确地预测。比如预测火山爆发时，我们计算相关指数，在火山里面装一些探测的设施，查看指数及其结构的变化，还可以利用一些模型做预测。关于地震的预测现在做的不是很好，但是较历史水平已经有所进步。银行危机方面，可以用带有临界值条件限制的变量进行预测，有一些理论可以界定什么时候出现银行危机。目前有一些时间变量（例如，兑换率）已是月度数据，又如频率较高的日数据（例如，利率、股市变量），我们可以把它们结合起来用在危机预测模型之中。

简而言之，一些以前不能做的预测现在已经可以进行了。这样的预测是有用的，因为预测可以帮助人们防止那样的事情发生。预测的目的是为决策提供更多更好的信息，特别是关于未来的信息。我们要做的是找到更好的预测方法，不断地改进预测的结果并拓宽预测可以涉及的领域。政策效果预测和政策分析在未来是很有意义的一个新领域。我想我和我的学生都将会致力于这项工作。