經濟預測革命；從混沌理論到大數據的決策新科學

《金融時報》最佳經濟學新書
李國偉、游庭皓、Rachel Chen
勞倫斯．桑默斯、羅聞全等各界權威一致推薦

複雜科學與混沌理論先驅多伊恩．法默，顛覆傳統經濟思維的重磅之作！
當氣候變遷惡化、金融市場動盪、社會不平等日益加劇，我們依舊仰賴過時的經濟模型，假設人完全用理性思考、行為可以預測，這樣的理論早已無法提供有效的指引。

預測未來，不能靠過時的理論
法默在學生時期即運用混沌理論破解輪盤機率，挑戰賭場規則；畢業後創立全球最早的量化投資機構之一。他一生致力打破主流經濟學的迷思，倡議一場結合科學革命與現實洞察的經濟學革新。

真正的經濟模型，必須反映人類的非理性與互動行為
法默運用大數據、強大運算能力，結合物理、生物與社會科學等跨領域方法，打造能模擬複雜經濟行為的動態系統。他領導的團隊在新冠疫情初期所做出的經濟衝擊預測，遠比主流模型更貼近現實。

更真實的模型，才能帶來更準確的預測
在這個資料爆炸、變局頻仍的時代，我們需要新工具來看懂未來、做出正確決策。《經濟預測革命》為企業、政府與關心未來的人士提供行動方針，不論是應對金融危機、社會不平等、氣候變遷，甚至是投資理財，都能發揮更準確的預測能力，提前做好準備。

*作者簡介 
多伊恩．法默（J. Doyne Farmer）
牛津大學馬丁學院新經濟思維研究院（Institute for New Economic Thinking）複雜經濟學學程主任、牛津大學史密斯企業與環境學院（Smith School for Enterprise and the Environment）巴美列捷福複雜系統科學教授、聖塔菲研究院外聘教授。平時在英國牛津和美國紐約兩地從事研究工作。

譯者簡介 
黃瑜安
政大經濟學系畢業，目前於臺大翻譯碩士學位學程筆譯組就讀。熱愛電影、美食和琴酒，從事影視字幕、書籍與各類型文件的翻譯工作，譯有《西方文化的特立獨行如何形成繁榮世界》與《疫苗商戰》。

序言 複雜經濟學的潛力

經濟學界一直存在一種觀點……如果不考慮經濟失衡的原理，我們便無法理解經濟體中的重大事件，甚至也無法理解經濟體的日常運作。
——艾德蒙．費爾普斯（Edmund S. Phelps, 1991）

2020年3月16日，我召集優秀的牛津大學學生、博士後研究員和以前的學生，組成團隊展開緊急計畫，目標是建立模型，針對經濟體因應新冠疫情的方法預測後果。很顯然，疫情擴散、各國政府啟動封城措施只是遲早的事，而經濟也將受到極大的衝擊。但執行公共衛生措施的方法有很多種，政府必須決定執行哪些限制措施，以及哪些產業會暫停營運。在預防感染帶來的折磨和減輕經濟壓力造成的痛苦之間，是否存在合理的折衷點？我們能夠預測新冠疫情對經濟的影響嗎？（容我劇透一下，答案是肯定的。）
新冠疫情對經濟帶來的衝擊可以分為兩個層面。從需求面來看，無論政府是否封城，消費者都會大幅減少消費活動；從供給面來看，為了不讓非必要產業的員工面臨感染風險，這些產業可能被迫縮減規模或全面停工。如果想知道疫情對經濟的影響，我們就必須提前預測這些衝擊，並了解這些衝擊在經濟體中蔓延時會如何擴大。
我們的首要任務是預測衝擊。為了預測需求面的衝擊，我們引用美國國會預算局（US Congressional Budget Office）在2006年的研究報告，該研究預測流感疫情期間對不同產業產品需求的變化情形。雖然這項研究是以SARS疫情作為分析案例，而且SARS與新冠肺炎不太一樣，但我們的研究結果能夠合理推測消費者的反應。事實證明，美國國會預算局的推測有一些是錯的，例如預測醫療照護的需求會上升（實際上是下降，原因是例行性治療被暫緩）。但整體而言，他們的預測仍算準確。
預測供給面的衝擊更為困難，而且沒有任何研究能夠提供指引。有兩位傑出的科學家帶領團隊克服這道難題，她們是瑪麗亞．德爾里奧－查諾納和潘妮．米莉，之前都是我的研究生。疫情爆發時，米莉已經離開牛津大學，回到家鄉澳洲墨爾本，在蒙納許大學擔任博士後研究員。米莉必須在深夜時保持清醒，以便參與我們每天的Zoom會議，但這種安排的好處是她和德爾里奧－查諾納可以來回交接工作，這樣一天二十四小時都有人在研究模型。
德爾里奧－查諾納和米莉利用美國勞工部彙整的出色資料庫，提供將近八百種不同職業的詳細資訊。這個系統簡稱O*NET，包含我們需要知道的關鍵事實（例如勞工之間的平均距離），我們可以使用這些資料推測出哪類勞工容易受到感染。系統也提供每個產業的勞工人數資訊。O*NET系統讓德爾里奧－查諾納和米莉能夠建立遠端工作指數，預測哪些職業可以在家工作。
為了幫助我們知道哪些產業可能被政府要求停工，我另一位學生馬可．潘加洛（之後會經常看到他的名字）找到義大利政府的非必要產業名單。結合德爾里奧－查諾納和米莉的遠端工作指數以及潘加洛的非必要產業名單，我們能夠預測每個產業的勞動力下滑程度。假設產出與減少的勞動人口會呈現等比例下降，就能預測疫情停工對每個產業所造成的直接經濟影響。
一個月後，我們預測2020年第二季供需衝擊的論文在2020年4月14日公開發表。由於美國的資料取得方便，因此我們的論文只針對美國經濟。與新冠疫情前相比，我們預測這些直接的衝擊將導致美國的國內生產毛額（Gross Domestic Product, GDP）下降約20%，危及23%的就業機會，並使工資總收入降低16%。（這些數字是按季度計算，如果衝擊只持續三個月，對年度的影響會等比例減少。）我們還預測，高薪職業受到的影響較小（就業機會流失6%），低薪職業受到的影響則較大（就業機會流失41%）。另外，低薪工作者受到感染的機率也比較高。
事後看來，這些預測大致正確。儘管如此，我們很清楚這些數字仍忽略了讓影響力擴大的關鍵效應，畢竟這些數字只是直接的衝擊，當它們在經濟體中產生迴響時，影響將被放大。情況會如何發展其實相當繁複，因為供給面與需求面帶來的衝擊是反向的。商品與服務是從供給方流向需求方，而需求衝擊則流向上游：如果某項消費性產品（例如腳踏車）的需求下降，腳踏車輪胎的需求也會跟著下降，這表示合成橡膠的需求同樣會下降。相反的，供給衝擊則會流向下游：如果生產合成橡膠的勞動力短缺，就會造成輪胎短缺，進而導致腳踏車商品的短缺。需求與供給的衝擊在流動的過程中相互影響，彼此碰撞並放大最初的衝擊力道。這可能會進一步降低經濟產出。
新冠疫情對經濟的影響結合了三個特色，導致標準模型變得不再適用：第一，衝擊特別針對特定產業，因此必須建立精確度高的經濟模型；第二，衝擊同時影響供給與需求；第三，衝擊規模既龐大又迅速。
標準經濟模型會假設市場為均衡狀態，也就是「供給始終等於需求」。新冠疫情對於經濟體系的衝擊極為龐大且非常迅速，讓市場大幅偏離均衡狀態，導致標準模型變得不再適用。所以我們需要在不假設市場為均衡狀態的情況下，建立一個能夠記錄衝擊變化的模型，而且動作務必要快。由於歷史上不存在類似新冠疫情的詳細紀錄，讓這項任務變得特別困難。
因為我們的總部位於英國，而且我們知道英國政府正在積極考慮各種政策方案，於是我們決定將重心轉向英國。建立新冠疫情衝擊變化模型的任務由我的奧地利研究生安東．皮克勒主導，當時他剛拿到牛津大學的數學博士學位。我們必須關注會降低經濟產出的因素，並了解其影響。在需求層面，消費者可能會因害怕受到感染而拒絕某項商品或服務；舉例來說，儘管航空公司和其他交通運輸工具被視為不可或缺，但大部分的顧客仍放棄使用這項服務。在供給層面，某個產業可能缺乏生產時所需的勞動力和原物料，或被視為非必要產業，因此被迫停工。
如果想知道這些因素會對各個產業造成哪些影響，就必須運用經濟學的生產函數（production function）。生產函數像是配方，能夠告訴我們在投入一定的資源後可以得到多少產出。例如，製造鋼鐵需要鐵、焦炭、煤炭和勞動力，這一切都得有適當的比例。但不幸的是，目前沒有哪個生產函數的標準經濟模型具備充分的資料基礎，能讓我們加以運用。關鍵在於替代性，例如哪些生產投入可以被替代，以及替代程度如何？我們必須逐一了解各產業的情況。鋼鐵產業也需要來自管理顧問產業和餐飲產業（經營員工餐廳）的投入，但如果有需要，沒有這些投入也能照常運作。生產函數的標準模型全都行不通，替代性不是允許太多，就是完全不允許。我們需要實際的資料。很幸運的，我們說服馬基特公司（IHS Markit）無償對他們的產業分析師進行問卷調查。他們只花費兩週的時間，就找出五十二個不同產業中的關鍵投入。
建立模型時，我們把每個產業當成單一的公司；這是粗略的近似值，但對我們的目的來說已經足夠。我們假設每個產業在疫情開始時都維持在正常的存貨水準。當問題出現，存貨下降；如果一個產業的關鍵投入不足，它的產出就會下降。同樣的道理，如果對該產業的產出需求下降，或因新冠疫情的限制而缺乏充足的勞動力，它的產出也會下降。請記住，一個產業的產出往往是另一個產業的投入。我們的模型能夠追蹤流向上游的需求衝擊，以及流向下游的供給衝擊，而這兩股力量會相互碰撞，進一步降低整體的經濟產出。這個模型也讓我們得以納入我們在第一篇論文中預測的衝擊（針對英國進行調整），觀察後續影響的散播過程，並預測在不同程度的封城措施下，對英國國內生產毛額、失業率和其他經濟指標的整體衝擊。
2020年5月初，英國已經處於嚴格封城狀態超過一個月，政府正在考慮下一步的行動。我們讓模型針對不同的政策方案進行預測，並評估對經濟造成的影響。針對每種政策方案，我們也運用流行病學的標準方法推測出感染新冠肺炎的預期人數。如果延長嚴格的封城措施，雖然可以減少感染的人數，卻會增加經濟衝擊；然而，完全放寬封城措施會造成大量死亡，對經濟體系的壓力卻較小。在這些方案之中，沒有所謂好的選項，但我們找到一個「最不壞」的選項，也就是開放所有上游產業，同時禁止面對消費者的產業進行實體接觸。在這個情況下，感染情形只會比全面封城時稍微嚴重一些，但是經濟受到的損害卻小得多。5月8日，在夜以繼日的研究讓我們筋疲力竭之際，我們將論文研究成果轉達給英國政府。數天後，英國當局按照我們的建議放寬封城措施。
事後分析顯示，我們的預測非常準確。我們當時預測，2020年第二季的英國國內生產毛額與2019年第四季相比，將面臨21.5%的萎縮，與實際上的22.1%非常接近。跟其他預測數字相比，幾間機構與金融公司預測的中位數為16.6%，而英格蘭銀行的預測則是30%。當然，成功預測單一事件可能只是運氣好。但我們針對每個產業都做了預測，實際上共有五十二項預測，而多數的結果也都相當準確。事後分析證明了，我們之所以預測成功，是因為我們的模型非常接近現實，這個模型如實呈現影響經濟體系最重要的機制，並提供準確的預測。後來，另一個團隊運用我們的模型，他們以回溯的方式預測比利時經濟受到的衝擊，同樣得出絕佳的結果，後續還用來預測烏克蘭戰爭對奧地利經濟的影響。
我們的研究成果驗證了複雜經濟學的實用性，而複雜經濟學正是本書的主題。複雜經濟學是由叛逆的經濟學家和其他科學家所組成的跨學科運動，目標是利用與標準經濟學截然不同的原則來深入理解經濟。我們的新冠疫情模型是第一個運用複雜經濟學方法的模型，它精準預測出重要的經濟事件，表現優於所有標準模型。我們早在事情發生前就即時完成預測，所以沒有人可以指控我們作弊。儘管複雜經濟學這門跨學科運動醞釀已久，但它目前仍在持續擴展，與主宰主流經濟學超過一世紀的標準方法互補、競爭。
在我的職業生涯中，我有幸參與三次重大的科學革命，幫助我深入理解混沌、複雜系統和機器學習。每一次的革命都是從科學界的邊緣理論開始，接著以先緩後急的速度邁向主流。複雜經濟學將複雜系統的概念應用於經濟學，是一場正在進行中的革命，即將迎來發光發熱的時刻。
在本書中，我將解釋複雜經濟學是什麼、複雜經濟學的成就、複雜經濟學的發展時機為什麼已經成熟，以及複雜經濟學如何讓世界變得更美好。這故事與科學發現有關，是現代世界中最精采的冒險。同時，本書也反思經濟的本質、說明複雜經濟學如何引導我們深入了解經濟、記錄科學革命的歷史、描述科學與科學方法的演變，同時回憶我的心路歷程。希望你會喜歡。

各界推薦
致謝
圖示列表
序言　複雜經濟學的潛力
前言　複雜的問題必須用新方法解決

第一部　什麼是複雜經濟學？
第一章　什麼是複雜系統？
第二章　經濟體系是複雜系統
第三章　理解文明的新陳代謝
第四章　模擬對理解經濟體系的重要性

第二部　標準經濟學與複雜經濟學
第五章　標準經濟學的速成課
第六章　不確定且繁複的經濟模型更符合現實
第七章　為什麼經濟體系總是變化不斷？

第三部　金融體系
第八章　無效率市場
第九章　自我參照市場
第十章　金融市場的生態與演化
第十一章　信貸如何導致金融動盪

第四部　氣候經濟學
第十二章　如何預測天氣與氣候
第十三章　氣候經濟學與技術進步

第五部　為更美好的未來建立模型
第十四章　解決重大問題的指引
第十五章　掃除障礙
第十六章　提高文明自覺

參考書目
注釋