数字经济时代，宏观研究如何变革？

短线投资者一定是非常关注宏观或其他相关信息的，希望能在充满不确定性的市场中找到确定性的答案。但市场很少有确定性的答案，否则市场就难以存在下去。例如，2018年年A股市场就是一个深受中美贸易摩擦困扰的市场，谁知道确定性的答案呢？因此，很多宏观问题，再怎么研究，也很难获得确定性答案，只能说概率大小而已。

很多古旧的经济理论都是基于当初的有限数据，用归纳法得出的，宏观研究对此需要反思。

但如果不去在意这些短期看似乎重大的东西，而是去把握大方向和大趋势，就容易获得超额收益。例如，相信天不会塌下来，中国最终能够渡过难关，那就敢于在别人恐慌的时候投资加码。

记得20多年前，我看过美国《读者文摘》中的一篇文章，印象很深：一批非常知名的医学专家会定期到一个很私密的地方开闭门会议，会议上每个专家都会讲述自己过去一段时间以来出现过的误诊或手术失败案例，然后大家集体剖析讨论，深刻总结经验教训。这说明什么呢？人人都会犯错，但需要认真反思，认识到错在哪里。尤其是人命关天的事情，千万容不得马虎。

李迅雷为中泰证券首席经济学家

同样，宏观研究也需要反思，很多古旧的经济理论都是基于当初的有限数据，用归纳法得出的，归纳法本身就有缺陷，再加上数据量不足，就更容易出错了。例如，库兹涅茨的倒U型曲线，就是以有限历史数据来得出，随着经济到充分发展阶段后，各行业或各居民階层的收入差距将由大到小。如今这一理论却缺乏普遍的事实来证明。

此外，我觉得传统的经济周期理论存在很大问题，核心原因还是样本量太少。而且，经济发展至今，政府所获得的信息量早已今非昔比，逆周期调控成为惯例，故经济的周期性特征越来越弱。用技术分析来预测股市的方法早已成为非主流了，为何那么多宏观分析师还热衷于周期分析法呢？

例如，我就犯过一个把挖掘机当成周期性行业的错误，认为既然不存在新周期，那么，挖掘机销量就应该回落，结果现在还在增长。

还有更无聊的，就是对GDP增速到底是前高后低还是前低后高的论证，或有人断言经济将在下半年见底。过去8年来，GDP增速总体下行的趋势未变，未来10年呢？肯定还是下行。道理很简单，很无趣，不赘述。

就像如今体检验血的项目要比10年前多很多一样，我们也应该可以去创设更多的经济指标，因为技术手段越来越多、信息量越来越大了。如果还是10年不变地去点评CPI、PPI、PMI、M2-M1，我觉得就落伍了。

以笔者就职的中泰研究所为例，金融工程团队已经创设了不少指标，把财政和货币政策进行量化，可以衡量大水漫灌的量究竟是多少，可以用多个维度去刻画。今后，对政策效应的评估也会越来越简单，根本不用写传统的调研报告。

为什么19世纪工人要砸机器，因为机器导致他们失业;为何如今的机器数量已经有了几千倍的增加，失业率却创了新低呢？经济学理论从来都是解释过去的，但这些理论对过去的历史解释是否能做到精准呢？估计不能全面做到精准，因为这些理论诞生的时候，社会信息量没有足够大，而且还没有云计算，没有人工智能。

如今，小菜场支付工具的标配都已经是支付宝和微信了，互联网改变了金融业态。所以，宏观研究需要变革，我非常希望让搞金融工程的分析师或AI的分析师来从事宏观研究，不需要学太多的经济学理论，只要把经济运行的基本原理搞清楚了，或许就能用新的算法来颠覆传统经济学，就像阿尔法狗一样，战败了被称之为棋类中变化最为复杂的围棋顶级高手。

世界在日新月异地不断改变，如果不去紧跟，那就坐等被改变。