III. Frontier Issues on Econometrics(Time Series)

Anny: Many of us who are participating today’s academic activity are econometrics faculty and students or those who are interested in econometrics. Could you talk about the history and frontier research in econometrics, especially in time series econometrics which you have been working on?

[此贴子已经被作者于2008-1-30 0:51:21编辑过]

Yongmiao Hong: Simply put, econometrics is on methodologies for rigorous empirical studies in economics. It provides a bridge between economic theories or modeling and economic reality (economic data). Econometrics has been widely used in almost all fields in economics, testing validity of economic theory and hypotheses, explaining historical economic phenomena, forecasting future economic trends, and making recommendations for decision-makers.

Econometrics consists of many fields, such as time series econometrics (sometime but not often called macroeconometrics), microeconometrics, panel data econometrics, nonparametric econometrics, financial econometrics, spatial econometrics, and etc. Over the past several decades, econometrics, both in theory and practice, has been advancing rapidly, due to the demand of methodologies for empirical studies, increasing availability of economic data, and progress in computing technology. Due to my limited knowledge, it is impossible for me to introduce recent developments in every field of econometrics. Instead, I would like to focus on some recent developments in time series econometrics which I’m more familiar with.

Time series analysis in statistics has had a very long history, dating back at least to 1920s. Earlier developments in time series analysis were marked with theory and applications of Autoregressive Moving-Average (ARMA) Modeling, often with the assumption of identically and independently distributed (i.i.d.) or i.i.d. normal innovations, which is suitable for modeling the dynamics of a weakly stationary time series. A multivariate version, Vector ARMA or VARMA, can be used to investigate the dynamics of multivariate stationary time series, including lead and lag relationships across individual time series, which are closely related to the well-known notion of Granger causality. Statistical theory for ARMA or VARMA, which is essential for making statistical inference for time series data, has been available for long time. Applied econometricians often prefer AR or VAR modeling, perhaps in combined with some exogenous variables, due to their simplicity in estimation and inference.

However, most macroeconomic time series appears to be trending over time, which violates the stationarity assumption. Statistical theory for stationary ARMA or VARMA models is not applicable to trending macroeconomic time series. It is important to distinguish whether a trending time series has a deterministic trend or stochastically trend, which has important implications on econometric theory and economic interpretations. Nelson and Plosser (1982) documented that most trending macroeconomic time series are unit root processes. Motivated by this study, econometricians, particularly time series econometricians, started to develop statistical theory for unit root processes, and their multivariate versions, cointegrated systems, among other things. The statistical theory for nonstationary time series is quite different from that for stationary time series. This was an exciting and important development in time series econometrics in 1980s and 1990s.

ARMA and VARMA are linear time series models. They are unable to capture nonlinear features in economic time series, such as asymmetric business cycles in U.S. GDP growth rates (i.e., the expansion period lasted longer than the recession period). To account for such features, nonlinear time series models have been introduced to time series econometrics over the last two decades. Among them, the most successful applications are Markov Chain Regime-Switching Models and threshold autoregressive models. Nonlinear analytic tools, including nonparametric methods, have been also increasingly used and developed. An example along this avenue is testing and measuring for nonlinear serial dependence using various methods, including, for example, chaos theory, nonparametric methods, and higher order spectra or generalized spectra.

In the early stage, most time series analysis has focused on modeling and forecasting for the conditional mean dynamics of a time series. Often, the innovations are assumed to be i.i.d., but this appears inconsistent with the empirical styled fact that most economic and financial time series or their residuals are serially uncorrelated but not serially independent. There may exist some dynamic structure in the higher order conditional moments of economic time series. In the early 1980s, a new class of time series models emerged to model and forecast the dynamics of the conditional variance (or volatility) of a time series. This class of models is called Autoregressive Conditional Heteroskedastic (ARCH) models, and its various linear and nonlinear generalizations (e.g., GARCH models). The emergence of this class of models is closely associated with the remarkably increased uncertainty in economic reality since 1970s, particularly after the oil crises in 1973, the shift to floating exchange rate systems, and the U.S. high interest rate policy during 1979-1982. The increased uncertainty in economy calls for the need to quantify the magnitude of uncertainty and its impact on decision-making of economic agents.

Various multivariate versions of ARCH or GARCH models have received attention for a long time, but their estimation often encountered some difficulty in practice. Recently there has been a renewed interest in multivariate volatility modeling, relaxing the constant conditional correlation assumption and allowing for various forms of dynamic conditional correlations between various individual economic time series.

Forecasts for the conditional mean of a time series are usually called point forecasts. When economic agents make a decision under uncertainty, point forecasts are often insufficient. Instead, there is a need for modeling and forecasting the entire probability distribution of an economic time series. In fact, probability density forecasts have existed for a long time in practice. An example is the Professional Forecasts Survey by Fed, U.S.A., which asks some professional forecasters to predict the probability distributions of GDP growth and inflation. Research along this line has been a major development in time series econometrics over the past several years.

[此贴子已经被作者于2008-1-29 15:32:28编辑过]

IV. Application of Econometrics on other discipline (Financial econometrics)

Anny: We know that econometrics has been widely used in almost every field in economics. Can you talk how econometrics can be applied to other disciplines in economics? For example, how can time series econometrics be applied to finance?

[此贴子已经被作者于2008-1-30 0:49:06编辑过]

Yongmiao Hong:  Financial econometrics is a new field developed over the past two and half decades. It is a hybrid between (time series) econometrics and finance, providing suitable econometric tools to analyze financial data, which help deepen understanding of modern financial markets.

A central issue in finance is to measure financial risk (due to existence of uncertainty and risk aversion of economic agents) and its impact on the decision-making of economic agents. The best mathematical tool to characterize uncertainty is probability theory, and so it is very natural to use the statistical tools to model and forecast uncertainty and financial risk. However, financial econometrics is not a simple application of time series econometrics to financial data. It has its unique individual character for two main reasons. First, financial time series data, particularly high-frequency financial time series data, have distinguished features different from those of time series data in other fields. For example, high-frequency financial returns are often serially uncorrelated but its squares are significantly positively correlated (volatility clustering). They are non-normally distributed because of the existence of heavy tails in their distribution. Second, finance often addresses problems which require modeling or forecasting not only conditional mean dynamics but also other features of the return distribution or the distribution itself. For example, model risk management essentially involves various forms of modeling and forecasting asset return distributions.

Financial econometrics at the early stage mainly involves least-squares regression and maximum likelihood estimation (MLE) techniques. Return predictability, efficient market tests, and tests of portfolio models such as CAPM and APT were essentially implemented with least squares on carefully manipulated data.

Over the past more than two decades, financial econometrics has advanced very rapidly, both in theory and empirical studies. Model asset pricing theories, as characterized by the Euler equation, have implications on a nonlinear conditional moment of the underlying asset price. Least squares and MLE are not suitable here. Generalized method of moments (GMM) has been proposed to estimate various asset pricing models.

Uncertainty is a key financial instrument. Since early 1980s, ARCH models and its various generalizations or extensions, such as GARCH and nonlinear ARCH models, have been proposed to characterize and forecast volatility dynamics of asset prices. At the same time, stochastic volatility (SV) models, which unlike ARCH models, assume that volatility is a latent (i.e., unobservable) process, have been also proposed. These volatility models are widely used to study persistent volatility clustering, spillovers and linkages across assets and markets, asymmetries and leverage effects in volatilities, and derivatives pricing. A popular method called Quasi-MLE, which does not require a correctly specified likelihood function, is proposed to estimate various ARCH models with correct robust standard error formula. SV models are rather challenging to estimate; various estimation methods such as MCMC methods have been proposed.
 
Higher conditional moments, tail distribution or even the entire conditional distribution modeling have received increasing attention. These models are very useful tools for financial risk management, hedging, and derivatives pricing. For example, Value at Risk calculation requires the knowledge of the tail probability distribution of asset returns or portfolios. Distribution modeling includes physical probability distribution and risk neutral probability distribution modeling, which contain risk information about the stochastic discount factor of market participants.

Because of the mathematical elegance of stochastic calculus and the continuous flow of information into financial markets, continuous-time models have been widely used to characterize the dynamics of interest rates, stock prices, and foreign exchange rates. These models characterize the conditional distributions of underlying economic time series but their conditional probability distributions usually do not have a closed form expression. The estimation of these continuous-time models with discretely sampled data are thus challenging. As an important development, various estimation methods for continuous-time models have been invented over the past decade or so.

High-frequency or tick-by-tick data have recently become available for a range of different financial instruments and markets. To analyze these data, new econometric tools have emerged. Examples include mode-free realized volatility estimation and forecasts, and Autoregressive Conditional Duration (ACD) models for irregularly spaced data, which can be used to investigate market microstructure and trading behaviors among other things.

[此贴子已经被cymbidium于2008-1-30 0:50:05编辑过]

V. Econometrics Education and Research in China

Anny: What is your view on econometrics education and research in china?

[此贴子已经被作者于2008-1-30 0:50:43编辑过]

Yongmiao Hong: Chinese econometrics started in 1980, when the economics Nobel Prize owner, Lawrence Klein, organized an econometrics training workshop in Summer Place in Beijing, introducing econometrics to China.

From mid-1990s, Chinese universities started to use foreign economic textbooks, particularly on microeconomics, macroeconomics, and finance, for their graduate programs in economics and management. For some reason, teaching in econometrics lagged a bit. However, over the last few years, the importance of econometrics has been recognized and there has been an increasing demand for teaching econometrics. In addition to probability and statistics, econometrics is now a required course for all undergraduate students in economics and business. Many universities now teach econometrics to their graduate students in economics and management as well.

    Nevertheless, there exists misunderstanding of econometrics in the economic profession in China. Many economists think that econometrics is simply a technical analytic tool for empirical studies. The importance of econometrics as a methodology in economic research is not fully realized. In most graduate programs, econometrics is simply a one-semester course. Many students hope that they could use it skillfully in their thesis or dissertation, including how to use computer software in one semester or even better, in one or two weeks. They are not aware of the conditions under which an econometric method is valid. As a consequence, they often use econometric tools that are not applicable to the problems at hand. For example, on the study of the efficient market hypothesis, I found that many econometric tools used are misleading or are not suitable because they are apparently inconsistent with the well-known empirical stylized facts (e.g., volatility clustering) of financial markets.

Most empirical studies in Chinese economy are applications of relatively straightforward econometric tools particularly linear regression analysis and its various extensions. These tools are simply brought from their readings of international publications. The use of sophisticated modern econometric tools is rare. There has been little theoretical research in econometrics. At this stage, econometric research in China is mainly the empirical study of Chinese economy.

 Like macroeconomics and microeconomics, econometrics can be divided into two categories: namely core courses and advanced courses. In many economic doctoral programs in North America, econometrics core courses usually consist of two or three courses: (i) probability and statistics, (ii) general econometrics, and (iii) time series econometrics. Core courses are required for doctoral students in economics. Some programs may only require two core courses, putting time series econometrics as an advanced elective course. An outlier is the UCSD program, which requires six quarter core courses in econometrics, taking two years to complete.

In China, the importance of a graduate course on probability and statistics is not realized. Like mathematics, probability and statistics is an essential tool in every field of economics. For example, game theory and the rational expectations theory use probability theory. Of course, probability theory is most frequently used in econometrics. Without some background in probability and statistics, one will not be able to appreciate the econometric theory, methods and techniques.

 Advanced econometrics courses in North America typically include microeconometrics, panel data econometrics, financial econometrics, nonparametric econometrics, asymptotic theory, etc. Advanced econometric courses are elective for the doctoral programs, and not every program can offer many advanced econometrics courses. It depends on the expertise of its faculty, and sometime it may invite visiting professors to offer some courses. These core and advanced courses together will constitute a comprehensive picture of modern econometrics.
For Chinese universities, it may be difficult to offer so many courses in econometrics, due to the availability of faculty in expertise. However, perhaps a more important reason that most Chinese universities cannot offer many econometric courses is the current training mode of PHD programs, which is segmented from MA programs. Chinese PHD students usually only have three years to complete their study. They can only spend one year or a bit more on course study. Such a three year PHD program is a stumping block to the systematic training of econometrics. A plausible direction of reforms is to encourage a four or five year doctoral program in economics, admitting doctoral students directly from undergraduates, including combined MA-PHD programs.

In North America, each department of economics has a computer lab or computing center where popular statistical software and economic data are available. In China, relatively few resources have been devoted to computing facilities, statistical software, and data. In U.S., economists and econometricians have played an important role in collecting the microeconomic and macroeconomic data. Examples are the well-known data sets, PSID, namely the Panel Studies of Income Dynamics by University of Michigan, NLS, namely the National Longitudinal Surveys by Ohio State University, and Penn-World Tables by University of Pennsylvania. It is the right time for Chinese economists and econometricians to help design surveys and collect high-quality data, particularly on microeconomic levels (firms, households, and individuals). Such data are expected to greatly promote empirical studies of Chinese economy and development of Chinese econometrics.

 There are increasing numbers of academic seminars, workshops, and conferences on econometrics in China. Yet effective international exchanges are rare between Chinese econometricians and international. International academic exchanges in econometrics are important, as it can provide most updated information on the frontier research in econometrics to Chinese econometricians and economists.

[此贴子已经被作者于2008-1-29 15:54:36编辑过]

VI. Internationalization of Chinese Economics Education

Prof Yongmiao Hong is well-respected and deeply influential as an unmatched economist. Apart from academic research, he is also at the forefront of the education. He found WISE and has been strengthening educational and research programs through active international engagement.

Anny:  The main objective of Chinese economics is to understand how Chinese economy works. Why is the internationalization of Chinese economics necessary? What are the advantages of internationalization of Chinese economics?

[此贴子已经被作者于2008-1-30 0:52:35编辑过]

Yongmiao Hong： Compared to the successful transition and rapid development of Chinese economy, the transition and modernization of Chinese economics have apparently lagged behind, particularly in research methodologies.

Effort has been made to find ways to modernize Chinese economics education and research. Perhaps there are many ways to modernize Chinese economics education and research. One most effective way, in my opinion, is internationalization. Internationalization of Chinese economics is essentially the comprehensive opening of Chinese economics to the outside.

There are several advantages for the internationalization of Chinese economics. First, by drawing the experience of modern economics education abroad, internationalization will help upgrade Chinese economics education and research, including course designs, teaching methodologies, training philosophy, research methods, etc. Second, by publishing in international journals and being engaged in academic exchanges with international economic community, internationalization can promote the impact of Chinese economics and Chinese economists over the world. Third, by exchanges and cooperation, internationalization can generate opportunities for China to make use of international academic resources to modernize its economics.

In fact, Chinese economics has started its internationalization process since 1980s. In 1980s, some Chinese universities started to teach macroeconomics and microeconomics. In particular, the Economics Training Center at RenDa had a relatively systematic training in economics for many Chinese graduate students in economics and management over the period of 1985-1995. Since mid-1990, many Chinese universities have started to use Western economics textbooks for their graduate programs, ranging from macroeconomics, microeconomics, finance to econometrics.

On the other hand, there have been various exchange programs in economics and finance between China and abroad. Many Chinese scholars particularly young faculty have visited research universities in North America and Europe, conducting their research abroad. International economists have also visited China for seminars, short-term teaching, and research. As a most significant move, quite a number of Chinese leading universities have recently started to recruit Western-trained PHD students in economics and management as regular full-time faculties.

There are a few keys for the internationalization of Chinese economics. First, it is essential to build up a high-quality faculty team who has a systematic training in modern economics and has international connections. This can be achieved by hiring some faculty who have received their PHD abroad, and by sending domestically-trained promising young faculty abroad for research via various exchange programs. Second, regular academic exchanges and cooperation are the most important bridge connecting Chinese economists and the international economic community. These include organizing various conferences, inviting international scholars for seminars, and supporting Chinese scholars and students to participate in international conferences and academic exchanges. These exchanges and cooperation will help Chinese economists build up international academic connections, which can generate international opportunities for Chinese economics education and research. Third, most of the economic research in China is currently on Chinese economy, which I agree the main objective of Chinese economics at least at this stage. Nevertheless, Chinese economists and students should be encouraged to work on areas and topics which may not be directly related to Chinese economy but belong to the mainstream modern economics. A balance between “local study” and “global study” should be achieved.

VII Group Interview (Answers to questions)

 

[此贴子已经被作者于2008-2-5 18:13:14编辑过]

人大经济论坛计量经济学讨论

萧瑟秋: 洪教授：您在《计量经济学的地位、作用和局限》一文中认为：尽管经济学和金融学研究的一般方法论与自然科学研究的方法论非常相似，都是从观察、抽象、检验到应用这些步骤，但是经济学和金融学还远未达到自然科学（比如物理学）那样成熟的境界。您强调，计量经济学所面临的局限性不是计量经济学本身所特有的，而是整个经济学科所面临的局限性。事实上，正是由于经济系统的非实验性、不可逆性和时变性，以及经济数据的种种缺陷，计量经济学理论本身的发展已相对成熟和全面。
请问：
1.既然经济系统与自然科学研究对象存在那么大的——甚至可以说是本质的差别，为什么经济学和金融学研究的一般方法论，还要与自然科学研究的方法论非常相似？

洪永淼：经济系统和自然系统确实有很大差别，但经济理论和自然科学理论都有一个共同点，即都是为了解释研究对象的现象，而不论是经济现象或自然现象，很多均可用数据来描述，这是经济学一般方法论和自然科学方法论非常相似的基础。更为重要的是，人们在经济活动决策或者在介绍经济现象时，常常需要对经济行动或结果进行“量化”。例如，众所周知，厌恶风险的投资者面临风险时，需要一定的风险补偿，确定风险补偿的决策因素及大小是十分需要的，这实际上是资本（包括金融衍生品）定价的基本问题。

萧瑟秋: 您谈到，Clive Granger 04年被邀请到泰国时，泰国国王让他当场对泰国未来经济做出预测！这些都是不可能做到的事；由2个诺贝尔经济学奖得主创立的长期资本投资公司的破产，就生动的说明学界好手和商界好手完全是两码事。我是不是可以说，即便计量经济学理论本身完美无缺，但它仍然无法让经济学家恰当预测？我们是不是该反省：计量经济学理论，放在经济学这里是不是被糟蹋了？这究竟是谁的问题？您的意思好像是：计量经济学理论没有问题，问题在于经济系统没有为该理论提供准确预测的基础？

洪永淼：即使经济理论包括计量经济学理论本身完美无缺，仍然无法让经济学家作出精确预测。这是因为经济理论或者计量经济学理论所赖以成立的前提假设可能在实际经济系统中并不成立。应该说，是经济理论或计量经济理论本身尚未发展到那么一个阶段——即其前提假设可以比较符合经济现实。我曾提到计量经济学理论本身发展相对成熟和全面，是相对其他学科而言的，而不是说问题在于经济系统没有为计量经济理论提供准确预测的基础。当然，经济系统的时变性等特点，使得准确预测变得更为困难。

萧瑟秋: 传统的自然科学研究方法以机械还原论为基础。您所谓的计量经济学的两个公理，是不是也反映了在您眼中经济系统也具备可还原性？我想，如果经济系统真的可以还原，那么，“相对成熟和完善”的计量经济学理论必然会大放异彩，不过，对于这一点，经济学家却真的没有什么值得高兴的：随便拉个不入流的数学家或物理学家，可能都足以让99％以上的经济学家汗颜！

洪永淼：是的。计量经济理论是建立在经济系统具备有一定可还原性之基础上的（如在时间维度上的相似性）。但是，这并不意味没有经过经济学系统训练的数学家或物理学家，就可以很好地解释或预测经济现象。经济系统和经济现象有其特点，如人们的心理对经济行为的影响，这是物理学所没有的。

萧瑟秋: 最后，问个问题吧：对于病人自愿到某个医生那里看病的情况，在医患独处条件下医生询问患者病情，总能得到非常翔实的回答。这种“问答”方法对于治病来说非常好。当宠物病了，医生如果用这种“非常好”的“问答”方法，显然无法达到得知病情的目的。我们该归咎于方法不当呢，还是归咎于宠物不说话？

洪永淼： 我们不能归咎于方法本身，也不能归咎于宠物。只能归咎于这个医生，他没有看到对象的变化而还用同一种方法。

东方圣鹰: 请问洪教授：您如何看待西方的经济理论在中国的适应性问题？因为每一个理论的产生，都有其社会文化经济政治环境，还有其假设前提。请问洪教授：西方经济学的假设前提是什么？其前提是否在中国已完全或部分存在？

洪永淼：西方经济理论是研究私有制市场经济运行规律的经济理论，正如您所说的，每一个理论的产生都有其社会文化和经济政治历史背景，有其假设前提。一个经济理论能否很好解释某一经济现象，取决于其前提假设是否适用。
每一个西方经济理论都有其特定的假设前提，但可能均有一些最为基本的假设。如公有制，理性行为，市场结构与条件、偏好、技术、信息等等。这些前提很显然不可能在中国已完全存在，但是中国正处在向社会主义市场经济转轨的时期，与西方经济理论所研究的公有制市场经济在很多方面有越来越多的共同性或者相似之处，例如，国有企业中的委托—代理关系，信息不对称性对人们经济行为的影响，等等。在这些领域，相关的西方经济理论是可以借鉴的。

Singyarn: 我想提的问题是：劳动经济学在国外很热门，很多经济学家因此领域而脱颖而出，我国学者却不屑于此，您是怎样看待这种在经济学研究上的得失？作为一名计量及经济学家，应该具备哪些素质？

洪永淼：劳动经济学在国外已经比较成熟，但在中国则相对薄弱，这可能与中国微观经济数据，特别是劳动经济数据较为缺乏有关，同时也反映了中国经济学界对劳动经济学的重要性认识不足。事实上，中国目前构建和谐社会的内涵，很多方面均与劳动经济学密切相关。可以预计，今后对中国劳动力市场的研究将更加广泛与深入。

作为一名计量经济学家，首先应该是一名经济学家，有扎实的经济理论基础，熟悉经济学重要的问题。其次是有扎实的概率与数理统计基础知识，特别如果是想学习计量经济学理论，这方面的要求将会比较高。一般需要到数学系修读一些高级课程；如果想学习应用计量经济学（实证研究），则需要熟悉一两种统计软件的应用及数据处理。第三，有比较系统的计量经济学理论知识，并了解各种计量经济学理论、方法和模型使用的范围、条件和前提。

草源狼: 洪教授,您好!您在《中国股市与世界其他股市之间的大风险溢出效应》一文中指出：当金融市场完全分割时，风险不可能在各个市场间传递。这也就是为什么中国能在1997-1998亚洲金融危机中幸免的主要原因。然而，当市场一体化并受到相同的外界冲击时，风险将在各个市场之间相互传递。风险溢出效应存在的另一可能就是“金融风险的传染性”。投资者往往试图根据一个市场的价格变化去推测其他市场的价格变化，这就使得一个市场价格的巨大变动常常导致另一个市场发生相同的变动而不管其基本面是否发生了改变。
 请问：前一段时间美国次级抵押贷款市场发生危机并没有对亚洲经济产生像过去那样大的溢出效应，这是为什么？

洪永淼：前不久发生的美国次级抵押贷款危机，由于美联储采取一些措施，缓解了这次危机的进一步恶化及扩散，美国和世界投资者对美国金融体系和美国经济尚有信心，因而对美国总体经济尚未造成严重影响，同时对亚洲经济也没有造成巨大的溢出效应。美国经济和金融市场体系确实强大并且稳健，具有消化较大金融风险的能力。但这次危机对美国经济的影响可能还没有完全暴露出来，亚洲金融市场的投资者可能还需要时间观察判断此次危机对美国经济和世界经济的影响。

荆柯: 请问洪教授，如何计算面板TOBIT模型的偏效应？

洪永淼：如果面板TOBIT模型是Fixed Effects模型，经济变量的偏效应计算则与横截面TOBIT模型计算一样。如果面板TOBIT模型是Random Effects模型，则需要假设Random Effects服从一定分布，将其积分后，再计算经济变量的偏效应。不是知这是否回答了您的问题。

qingchang188166: 洪教授能否推荐一本有关状态空间模型的计量书?

洪永淼： 在时间序列计量经济学中，较少有专门关于State Space Models的参考书，Chang-Jin Kim和Charles Nelson（1999）有一本以Regime为研究对象的书：State-space Models with Regime Switching：Classical and Gibbs-sampling Approaches with Applications，主要介绍Makov Chain Regime Switching Models及其在经济学中的应用。MIT出版社1999年出版。James Hamilton（1994）的书Time Series Analysis第13章，Ruey S.Tsay (2005)的书Analysis of Financial Time Series第11章也介绍了State Space Models一些基本知识。 
   在统计学时间序列分析中，有一些专门介绍State-space Models的参考书，如Jacques J.F.Commandeur 和Siem Jau Koopman（2007）的“An Tntroduction to State Space time Series Analysis,” Oxford University Press, Andrew Harvey, Siem Jan Koopman和Neil Shephard (2004)的 “State Space and  Unobserved Component Models: Theory and Applications,” Cambridge University Press.

[此贴子已经被作者于2008-1-29 16:21:50编辑过]

active007: 请问我们在做实证研究中，对于时间序列模型，有时为了得到个很好的结果而去加入一些滞后项或者MA项等等，目的就是为了得到解释变量比较显著的结果，这样做有时候是缺少理论依据的，但是能够对它进行很好的解释，比如解释成变量的跨期影响、持续性影响等。您对这样做的看法是什么啊？

洪永淼：在时间序列分析中，加入滞后项或者MA项，一般没有理论依据，但这样做可以比较准确的刻画时间序列的动态变化，这有利于预测和评估变量变化的持续性影响。如果加入滞后项或MA项，回归模型的残差可能将存在时间序列相关性，这就意味着时间序列的动态变化尚未完全被回归模型所刻画，在此基础上的预测将不是最优的，变量变化的跨期影响、持续性影响将不能被正确评估。从计量经济学角度看，这是一个时间序列模型设定正确与否的问题。
Sir Clive Granger在其1970年代的一篇文章中曾经试图从经济学角度对引入滞后项或MA项给予解释。

active007: 我还有一个问题比较苦恼，就是：我知道一些数据诊断方面的研究，国内象周建、赵进文老师都是研究这个比较早的人。感觉数据的质量从统计角度真是成问题，有时候仅仅一个异常数据点可能会带来各种检验都不能通过，但是去掉它时，马上检验全通过了。当然这只是特殊的情况，但是确实有文章显示存在这种现象。我想问的是：
    1、对于数据诊断中异常点，有没有什么办法可以进行经济学的解释呢？
2、为什么许多实证研究没有进行数据质量的检验呢？是不是说现在这套理论还不很成熟？还是计量实证一定要尊重客观数据，而不能去寻找数据质量产生的计量模型问题呢？

洪永淼： 数据诊断在计量经济学研究中确实很少，但数据质量非常重要。您所说的一个异常数据点（outlier）会改变统计诊断的结果，在实践中并不少见。
异常点能否进行经济学解释需要具体问题具体分析。例如高频金融数据常出现少数极端观测数据（extreme observations）。这些少数极端数值可能是金融市场剧烈变动产生的，因而并不是outliers。金融建模一个通常做法是引入跳跃（Jump）项来刻画这些数据的影响。
很多实证研究并没有进行数据质量检验，一个重要原因是计量经济学有关数据诊断的理论与方法还很不成熟，并非这个问题不重要。

经济学菜鸟: 我特别想问洪教授的是如何在学习计量的道路上少走弯路并学得深入和到家呢？洪教授能不能向广大经济学子介绍下学习深造计量的方法和捷径呢？

洪永淼：我不知道学习计量经济学是否有捷径，但我很乐于与同学们交换学习计量经济学的一些心得体会。我1998年10月刚到UCSD攻读经济学博士学位时，没有任何计量经济学基础，甚至连OLS也不知道（我本科是物理学，硕士是西方经济学说史）记得那一年我第一次听计量经济学学术讲座时，只记得概率论的大O和小0符号，其他都不知道，也不记得了。经过在UCSD两年计量经济学核心课程系统训练，我在1990年夏天便开始博士论文写作，确定了论文题目，阅读了相关学术论文，并在那年秋天获得论文初步结果。我的体会是，在有了比较系统的计量经济学基础知识后，可以开始进行学术研究，边做边学。Learning by Doing是一个比较有效的学习方法。我的数学知识和数理统计知识是原来学物理时打下的，对计量经济学理论才开始研究，根本不够用。但我因为在研究中知道需要哪些数学、数理统计知识，在研究过程中自学。这样做比先补数学和数理统计课程，然后才开始做研究的方法，可能时间上比较短。
作计量经济学理论研究，数理统计基础固然非常重要，但更为重要的是如何选题(判断所选题目的重要性)，以及解决问题的方法。这些需要经济学理论知识和经济学思维。不能只看教科书，应该多看尚未发表的工作论文，多听相关领域的学术讲座。在看和听时，应该有批判性的思维方式，让自己能够提出更好的解决思路与方法。

aris_zzy: 计量经济学中  大多会用的拟合，回归什么的，当回归模型是非线性的时候，用非线性优化方法求解回归系数的时候会遇到 优化问题中的局部最优与全局最优的问题，如何处理？ 全局最优的问题现在还是NP问题， 我希望老师能提供些具体经验。

洪永淼：您描述的优化问题中局部最优与全局最优的问题或困难，在实践中常常碰到，特别当目标函数在较平坦时。在这方面，我个人经验比较少。我比较常使用BHHH Algorithm。当样本数较小时，常出现无法收敛的情况，或是估计结果对所选择的参数初始值非常敏感。这个时候，可多选若干个参数初始值，或者选择几个不同的算法（Algorithms）。

Wxdlj: 我们向请教洪教授下面几个问题？
1、如何做一个好的survey design?
2、如何采取好的途径发觉已有的数据信息，建立合作使用机制？
3、政府部门的研究人员现在很推崇CGE模型，请问洪教授对政策研究方法有何看法？
4、现代经济学的计量分析和理论分析都越来越注重对人的行为分析，请问洪教授对于时间序列领域在这些行为分析上的贡献有哪些？
5、理论和实证研究互相促进，而宏观经济学的弱微观基础如何得以加强？
6、我们翻开国内杂志发现许多人在滥用VAR方法，他非常缺乏经济理论基础，请教洪教授对这种方法有何评价？

洪永淼：1 很抱歉我的主要工作一直是计量经济学理论介绍，没有Survey Design的经验。不过我曾参与一个中国国有企业改革实证研究，这个研究以一个Survey Data为基础。这个调查涵盖中国四省21个城市，共769家国有企业在1980-1989期间十年的非常详细的企业数目（有321个变量），此外还有针对企业管理体制70个问题，这是一个面板数据，我们曾经根据一些财会恒等式关系仔细检查数据正确性，发现不少错误，如小数点错位等。我们计算的是样品数据一些指标，如每个工人的生产总值，发现它们和相应全国经济指标相差不大，因此认为数据有一定代表性。在研究过程中我们发现有些变量数据无法使用，因为这些变量与我们使用的计量经济模型所需要的变量不吻合。后来我们还想与合作单位做第二次调查，将数据扩展到90年代中期，但因为无法找到原来企业而作罢(这是面板数据最基本的要求)。因此，设计调查要有一定的前瞻性。
2   可以从数据库（主要是学校购买的数据库）寻找，也可以从统计年鉴等出版物收集，还可以向已使用相关数据的论文作者询问收集，如果进行共同研究，国外学者可以与合作者共享他们的数据。此外，因特网也是一个有效的数据收集来源地。
    您有关建立合作使用机制的想法很好，因为个人的科研经费是有限的，常常不足以独立购买已有数据，除了以上个人共同研究机制，学术单位还可以进行合作（不一定共同研究），共享感兴趣的数据，为各自研究人员和学生带来方便。

3   CGE在国外政策研究与制定时有着广泛的应用。在中国，在研究与制定中国宏观经济政策与产业政策时，使用CGE模型，相对过去是一个巨大的进步，一定程度上体现了政府制定经济政策科学化。当然，以CGE模型为基础制定出来的经济政策是否有效，取决于CGE模型接近中国经济现实的程度，应该注意检验模型可靠性，即Model Validation。特别是中国经济还是一个转型经济，相对西方成熟市场经济，各方面变化比较快比较大。CGE模型参数需要能反映这些变化。
   我个人感觉，中国在制定经济社会政策时，还比较少使用统计方法、统计模型进行决策。实际上，统计方法和统计模型是刻画大量个体（个人，家庭，企业，省市，行业，等等）本质特征与平均行为最有效的一个工具。对政府决策科学化可起到起极大地推动作用，应该大力提倡。
4   在经济学与计量经济学中，常常有关于时间序列模型和经济结构模型优劣比较的讨论。经常有这样的情形，即刻画经济行为的结构模型比时间序列模型样本外预测能力要差得多。一个著名的例子是Meese and Rogoff (1983)关于汇率预测的实证文章。
时间序列分析方法（不是指时间序列模型）对行为分析也有不少贡献。例如GMM估计方法是一个有效估计刻画理性预期行为的欧拉方程中的经济结构参数，这涵盖很多宏观经济理论和金融资产定价理论。
5   关于宏观预测经济学的微观基础，是宏观经济学的尚未解决的一个基本理论问题。面板数据计量经济学可能对这个问题的解决会有帮助。
6   VAR模型适合于研究若干时间序列经济变量之间的数量预测关系，这个模型不是经济结构模型。如果用来作经济结构分析，常常会感到缺乏经济理论基础。但如果用于预测和研究Granger因果关系，则是适合的。所以，关键看将VAR模型用于什么用途。

轻轻: 1.计量技术本身怎么加进人文价值因子，比如扩展I-O就可以加入社会和自然部门；
2．在研究“大系统”问题时，计量经济学往往成为辅助性技术，我想请教下I-O和计量技术结合时，应注意什么。

洪永淼： 1   这是一个很有意思和很重要的问题。人文价值因子如果可以量化，与计量经济方法的结合原则上就没有问题。有一些不是很好量化的人文价值因子（如幸福指数），会比较麻烦。但计量经济学对一些定性经济变量也是有一套处理方法的。

2   I-O和计量方法结合有很多优点。首先，可以通过计量经济学方法估计I-O系数，得到比较精确的结果；其次，利用历史数据，可以允许I-O系数具有时变性并将其估计出来，并且做出预测。再其次，可能允许随机扰动项之间存在Cross-sectional dependence，并有空间计量经济学方法进行处理。

Sunshinefd： 请教下在做实证时遇到的一个问题。一般判定系数是介于0到1的一个数,但我在估计模型(比如arch模型)时,曾多次出现未调整的判定系数为负数,有时还是一个很大的负数。请问为什么会出现这样的问题？有何解决办法?也希望老师能提供些具体经验。

洪永淼：估计ARCH模型时出现负的系数估计，在ARCH模型早期就已出现（如用ARCH（12）模型估计月度宏观数据）。这是后来Bollerslev提出GARCH模型及相应估计方法的一个重要原因。出现负系数值的原因，与样本点大小有关，也可能是模型设定错误。估计系数介于0到1的数，可有两种方法，一是加上限制条件，直接限制系数介于0和1之间，另一种方法是参数变换，即令原系数 ，然后估计 值。

Anytn： 洪老师:对于计量的基础方面,您有什么看法?您本人在开始的时候有那些困惑,怎样得到解决??您又是怎样看待它在经济学研究上的功用的？

洪永淼：初学计量经济学时常常会感到“只见树木，不见森林。”对计量经济学基础理论，应该有一个全面系统的了解和掌握。为此，初学时可以看数理工具较少的计量经济学教科书。另一个困难是所学的计量经济学理论、方法与模型有什么用；能用于什么经济问题。因此，每当学习一种计量经济学理论、方法或者模型时，应该看到一些相关的实证例子，并加以借鉴。第三个困难是自己尚未进行实证分析之前，常常有畏难情绪，担心数据处理、统计软件使用等不好学，花很多时间。实际上，“万事开头难”，一旦做下去，坚持下来，很多困难在一段时间以后，均会迎刃而解。
经济学研究的主要目的是用经济理论解释所预测到的经济现象，预测经济走势，并提出政策建议。计量经济学是检验经济理论，解释、预测经济现象的最主要数量化方法，其重要性因为绝大多是经济现象未能通过实验产生而显得更加突出。

Eijuhz： 我硕士是学统计的，现在有意转金融，不知跨一个学科如何起步，如何直接进入金融计算的核心领域？您当年是如何入门的？
现代金融离不开计算，您认为我们年轻一代要加强统计计算的能力吗？
我是SAS版块的版主，国内很多SAS爱好者关心一个问题，学好SAS(有SAS认证)能否在美国金融机构中找到一份不错的工作？

洪永淼：金融市场的最显著特点是充满不确定性和风险。概率论目前是描述不确定性现象最好的数学工具。因此具有统计学背景的同学想转学金融学，是很有优势的，尤其数量金融方面（如金融计量、金融工程、计算金融等）。
我是到康奈尔大学工作并从事时间序列研究后慢慢对实证金融感兴趣的，出发点是如何应用新的时间序列分析工具研究金融问题。为此，我除了参加有关金融学学术讲座外，还自学一些金融学基础理论，同时也阅读相关的学术文献，以确定研究课题及方向。此外，关注财经新闻，包括阅读Business Week，能帮助我对金融市场有些感性认识。
现代金融特别是数量金融离不开数学及计算。这方面能力的培养是十分重要的。 SAS是学界和业界均广泛使用的软件。熟练掌握SAS对在美国金融机构工作肯定非常有帮助。当然，SAS不是唯一的因素，还有其他重要因素，如统计和计量建模能力、金融学术背景等综合素质和综合能力。

ravellife78： a. 国外数量型对冲基金（quant fund）业界的构建实务交易系统涉及的学科知识领域，主要主流的有哪些？

洪永淼： 随着金融管制放松后金融创新工具的大量出现，特别是90年代以后，经济和金融全球化趋势的加剧，对冲基金迎来了大发展的年代，而其中一个引人注意的群体就是数量分析型基金。对冲基金行业一直拥有“黑箱作业”式的投资模式，其交易系统的细节以及具体的投资策略我们不得而知，但从各种相关报道来看，其交易系统涉及到的学科知识领域范围非常广泛，其包括计算机和系统、信息科学、经济金融学、数学、统计，数据挖掘、神经网络、人工智能等。虽然每个基金因投资策略不尽相同，但总体上都是依靠丰富完善的金融市场数据库，使用数量化的投资管理模型，并以电脑运算为主导，所以能够存储大量数据并快速处理进行运算，稳定可靠的计算机系统是一个不可或缺的基础条件，是所有模型能够得以发挥作用的前提。而数量分析模型则大抵依靠对历史数据的统计，找出金融产品价格、宏观经济、市场指标、技术指标等各种指标间变化的数学关系，这其中就不可避免的涉及到数学统计等知识，就具体交易策略，每个对冲基金公司则各有自己的特色，所采用的方法也不拘一格，有的直接以数据入手，认为市场上完备的各种金融数据就已经给我们提供了广泛的信息，而另外一些则从金融经济学原理出发来考虑。

ravellife78：可否就构建金融市场实战交易系统时，涉及到的计量经济技术，和需要注意的问题，作一点概括性和方向性（不是指细节的具体实现）的介绍？

洪永淼：多年来数量分析型基金一直带着耀眼的光环昂首华尔街，尤其近几年它所引起的关注更是前所未有。数量分析型基金不断花样翻新，其风险低、反应速度快、不受人为因素干扰等优点也开始得到机构投资者的认可。但在其发展壮大的30多年间，也遭到了几次大规模的冲击。一个例子是在1998年，对冲基金长期投资管理公司（LTCM）投资新兴市场债券失败，五个月间亏损43亿美元，资产缩水90％。另一个例子是美国次级房贷危机了，相对其他类型的共同基金，数量分析型基金损失惨重。这些经验教训告诉我们，虽然数量分析法有着其特有的优势，但我们也要注意到它的局限性。以数学模型来预测市场，其实质近乎于凭借历史预测未来。在正常的市场状态下，数量分析型基金体现了其效率和准确性，但一旦系统性风险出现，模型便会丧失功能甚至反向操作，放大损失。定量模型一般很难应付股市中的突发事件，无论在LTCM还是次级房贷危机中，数量分析型基金都暴露出了对历史数据的过度信赖和对突发事件的反应迟钝。LTCM破产诱因于俄罗斯政府忽然宣布停止国债交易，导致新兴市场债券大跌，德美两国国债大涨。这告诉我们市场每天都有新情况出现，好的数量分析经理，应该根据新情况及时对模型进行更新和完善。比如，应该怎么建立模型，是否要永远信赖模型，什么时候需要人为干预；比如，当市场跌到一定程度的时候，即使模型反应应该加大买入，可能也不应该购买。其次就是不同基金投资同质化趋势所导致的问题。虽然各个公司的模型不尽相同，但是原理却有其相似之处，因为采用的决策变量一般是基本的风险要素或者是由所谓的行为金融学研究演化出来的市场变量。这样即使模型各有不同，最终的投资头寸却未必互不相干。另外就是要警惕高杠杆所带来的风险，由于数量分析型基金以往风险控制较好，基金经理倾向于使用杠杆将绩效放大。对冲基金的套利行动增强了资本市场的有效性，有利于市场波动性降低，但套利空间相应也越来越小。数量分析型基金的投资表现已呈现逐年下降趋势。出于获取足够回报的目的，许多基金经理也会更多地使用杠杆，高杠杆扩大了数量分析型基金的损失。在构建金融市场实战交易系统时，对各类数量分析模型我们要透彻了解，用其利，而避其害，注意有效的风险控制。

[此贴子已经被作者于2008-2-1 20:43:15编辑过]

仗义执言：计量经济学如何预测中国未来几年的经济走势.还有就是我听说中国的经济学不行,惟有计量经济学在世界还有些地位,为什么?还有就是扬震宁说未来中国最有可能拿到诺贝尔奖的是数学领域,有何感想?

洪永淼：中国有不少学术机构和科研单位均有预测中国经济走势的计量经济学模型，但我在这方面没有任何实践经验，所以没有资格作出评论。
中国经济学（包括计量经济学）在过去二十几年取得巨大进步，这是大家有目共睹的。但整体说来，中国经济学还处于转型阶段，与现代经济学尚有很大差距。我个人认为，中国经济学能够率先于现代经济学的领域可能是计量经济学，因为中国年轻一代学子数学与数理统计基础较好，而且计量经济学相对其他经济理论（如宏观经济学、微观经济学）较为中性，没有意识形态的色彩，比较容易得到国内外经济学界的认同。

杨振宁先生可能是在称赞中国人的数学能力与素质，但诺贝尔奖不包括数学在内。

Statax:  您好，我想问您一些关于学习经济学和专业学习的问题。
洪老师您觉得在学习中如何处理“广博”与“精深”之间的关系？您觉得经济学研究是否有确切的理论研究与应用的界限？
我的专业是“区域经济学”，但对于专业方面的知识看的书并不算多，因为我觉得这门学科很“粗糙”，不像宏微观经济学，似乎不同的书说的东西没有多少规范统一的语言，所以我将大量的时间都花在学习自己觉得比较“实用”的科目上了，比如“计量经济学”、“多元统计分析”等。在学习一段时间之后，发现想进一步深入就不太容易了，比如计量经济学初级入门的看过之后，觉得Greene那本Econometric Analysis读起来就不那么容易了，后来买了Cheng Hsiao的Analysis of Panel Data就只能看懂很少的一部分了，但从应有的角度来讲，如Panel 的联立方程模型，用一下Stata之类软件也可以实现3SLS等，但只能知其然不知其所以然了。洪老师您觉得作为一个不是计量专业的学生，学习计量等分析工具应该学到什么“程度”？
   您觉得要将Greene和Cheng Hsiao的计量书学通，还要补充一些书外的什么知识吗？该看哪些书？我以前学过的就只有高等数学，线性代数和比较初级的概率论与数理统计。我有一个在清华读书的同学的口头禅就是“人的精力是有限的……”，但我又不甘心于一知半解。
我在网上看到很多网友说“实变函数”是一门很重要的数学基础，后来看到它的确在高等概率统计中很有用，所以我就买了一些书看了一段时间，但觉得自学很抽象，看得云里雾里，我觉得狠下功夫可能能学一遍，但不知时间成本是否太高了，所以我打算下学期去数学系旁听这门课，我认识一个年轻的数学院的老师，他说即使是数学系的学生，都说凡是提到实函，几乎很多人都有现有知识不够用的感觉，想问一下洪老师，作为一个非数学专业的学生去学实变函数有必要吗？
回到我的区域经济学专业，我看到一些国外的学者，如克鲁格曼、藤田昌久和维纳布尔斯的空间经济学，用了一些我觉得比较高深的数学工具，如混沌分岔等，还有大量的计算机模拟，觉得是区域经济学这个专业的未来方向，但那本空间经济学现在还很难看懂，基础还不够，而现在又苦于找不到一本比较基础但内容会回归到那本书的研究范式的教科书，有点不知从何学起的感觉。我有研究区域和空间经济学的打算，但对于学习的路径感到迷茫，主要是不知从哪里入手，像绝大多数国人一样，出国的机会对于我而言似乎不现实，但又很想从事这一方面的学习研究，请问洪老师我该如何才能找到一条适合的学习路径？

洪永淼：作为不是计量经济学专业的学生，不必知道数学推导过程及相关的数学、概率论工具，但是应该对计量经济学理论有一个比较系统的了解，知道每一种重要计量经济学方法、模型可用于分析什么经济问题，其产生的历史背景是什么，适用的范围和前提是什么等等。
要学好Greene的《计量经济学分析》和萧政教授的《面板数据分析》，需要有线性代数及中级概率与数理统计知识，这个知识在Greene书中均有介绍。只要学习或复习这些基础知识就行了，没有必要去学习《实变函数》。我个人体会，书不必读得太多，同一本书可以多看几遍，温故而知新。以您的情况，最好是去旁听类似的课程。
空间经济学（包括空间计量经济学）是一门较新兴学科，有广泛的应用背景，可以继续看克鲁格曼等写的空间经济学，比较高深的数学工具如混沌分叉可以暂时跳过，计算模拟则有日益广泛应用。此外，可以看一些有关空间经济学的综述文章，以及综合文章引用的文献，从中可能可以找到适合您需要的书或论文。还有，可以写电子邮件向相关领域的学者请教，包括提供一些文献，并非所有人会回应，但总有一些。

Tianfeier: 我的问题是学习计量光有兴趣不行，方法也得得当，请问教授在学习计量时，当使用的模型做出结果，结果不能解释现实情况，该如何处理？
能否介绍您在求学过程中，当遇到困难时，是如何克服的？

 洪永淼：当模型得出的结果不能解释现实时，可能有多种原因。例如，可能是模型设定错误，如函数形式错误，忽略相关变量，等等。如果所用模型被诊断有错，可以对模型重新设定。另一种可能是数据原因，应该检查数据是否有outlier。一个或少数几个outliers可能会改变实证结果。
在遇到困难时，应该有耐心重新检验模型设定，数据、统计软件程序等确保没有错误，有时候要花很长时间才能找到一个不起眼的错误。
有时在感觉进行不下去时，可以适当将这项研究放在一边，过一段时间再回头考虑。学术研究不是一个一帆风顺的过程，有曲折也有迷茫。这时候最需要有再坚持一下的毅力。

Jessica8: 现在国内高校经济院系及各研究机构都兴起了调查研究之风，对经济问题的分析再不是依靠以前的拍脑袋，而是更多的去做调查，然后由于对计量和统计知识的缺乏，对怎样抽取样本特别是样本量的多少通常不是很了解，您能给我们介绍一下现在国际上通行的科学的对样本量的研究是怎样的吗？比如如果要对某个问题做全国范围的调查，那每个地区最少需要多少样本才好呢？

洪永淼：抽样调查在现代统计学中已经是一门比较成熟的方法，不仅在国外，在国内各个行业如市场营销、工业企业质量控制、生物工程等，有着广泛的应用。史玉柱的“脑白金”、“脑黄金”的成功品牌销售就是基于他对农村市场的抽样调查结果而制定相应的营销策略。
在抽样调查中，如何确定样本量是一个重要而复杂的问题。样本量的影响因素包括抽样费用、置信区间、分层方法及各层次样本量的分配方式（如果采取分层抽样方法的话）。这些在有关抽样调查的统计学教科书中都有比较详细的解释。
您的最小样本确定问题，除了抽样费用、调查精度，还涉及到调查问题的重要性，所研究问题目标量的个数，调查表的回收率、有效样本等影响因素。全国范围的调查，涉及面比较广，投入比较大，由于地区差别的缘故，一般要采取多阶段分层抽样，比较复杂。目前比较权威的可以参考美国人口现状调查（Current Population Survey，CPS），被认为是全国性大规模居民住户抽样调查的典范，可以访问其网站http://www.census.gor/CPS以了解美国全国性调查的详细方法与数据。
每个地区最少需要多少样本问题就是涉及到在确定了总样本量后，各层如何分配样本量的问题。一般有两种分配方法：一是按各层单元数占总体单元数比例分配；一是采用估计让总体方差达到最小的方式分配（如Neyman分配方法）。

牛人: 我一直搞不懂计量经济学中的“自由度”是做什么用的，洪老师能为我们这些初学者举例说明一下吗？

洪永淼：为了解释自由度这个概率，我们以样本方差计算公式为例，假设我们有一个样本数为n的数据 ，当母体均值 已知时，样本方差是 平方的平均值。但由于母体均值 一般是未知的，我们必须用样本均值 代替母体均值 ，这时方差公式便基于去均值后的数据点 ，但这几个数据点并不线性独立，因为它们的总和为0。由于这一约束，原来n个数据点只有n-1格是代表线性独立的，这就是所谓的“自由度”。换句话说，“自由度”某种意义上反映了样本数据的信息容量。

sun_man: 请问洪老师国际上有没有一些方法或计量技术能对关于“制度”上的经济问题进行计量分析，比如研究哪个制度更有效率等？

洪永淼：原则上，用计量经济学方法研究比较哪个 “制度”更有效率是可行的，关键是需要对不同制度进行计量建模，然后进行检验比较。
因为我不了解您所说的“制度”具体是指什么，所以没有办法进行详细讨论。有机会我们可以深入讨论。

Skyleung: 你好.我是一个本科读统计(精算方向)的学生,我对计量经济学非常感兴趣,所以自己计划以后继续往这个方向发展.现在我申请了香港两所大学,一所是香港科技大学的统计与金融专业,这个专业注重培养学生的数理统计能力;一个是城市大学的应用经济专业..我想请问洪教授,为了我以后能够更好的往计量经济学方向发展,我应该选择哪个专业呢?
     我自身的条件是,通过本科4年的学习数理统计分析能力相对较强,经济理论基础相对薄弱.

洪永淼：要是我的话，我会选择香港科大的统计与金融专业，因为这有助于进一步提高数理统计水平，这非常有利于从事计算经济学理论的研究。同时还可到经济系和金融系修读一些经济学和金融学理论课程。

min_lotus: 1.像格林、哈密尔顿、伍德里奇在国际计量经济学界大概是一个什么地位？（不要见怪阿！我一直想知道这些人在圈内是什么地位。）
2.时间序列分析当中已经用到很多实分析和复分析的工具，根据您个人学习经历，您能否谈谈要真正学好计量经济学大致需要掌握那些最必要的数学工具。
3.您对国内计量经济学的教育有什么建议和意见？

洪永淼：1 经济学包括计量经济学的学术贡献主要是看学术论文，而非专著或者教科书。哈密尔顿在计量经济学的最主要贡献是将Markor Chain Rogime-switching模型引入计量经济学中，并比较成功地用它来解释美国经济周期和金融市场一些非对称现象。
  伍德里奇是我在UC San Diego的师兄，在计量经济学渐进理论、模型检验、面板数据等方面有很大贡献。他们均是国际计量经济学界领军人物。

2 作为研究生，计量经济学（包括时间序列计量经济学）最必要的数学工具是概率论与数理统计，线性代数，单元与多元微积分。实分析和复分析也会有帮助。
对中国计量经济学教育，我和中科院汪寿阳教授曾写了一篇文章《中国计量经济学教育与研究》，文中抛砖引玉地提出了一些建议与意见，请参见WISE网站工作论文栏目。

HyperEnergy: 1.你如何看待工业革命后的私有中央银行？如果它为各个国家带来了不可估量的经济增长，为什么拥有它的各个国家却外债越来越多？最后导致第三世界外债剧增？

洪永淼：私有的中央银行这个概念似乎不是很清楚。在美国，虽然联邦储备银行是由银行业发起并出资组成，但是联邦储备权力最大的主席需要总统任命。联邦储备银行在一定意义上是一个准政府部门。不过我们可以理解为这个政府部门是不依靠税收和财政来运作的，而是由银行业来出资运作的。这就像纽约证交所，虽然是私人资本所有，但是却又是一个监管机构。
虽然，从资本来源上，不少国家中央银行是私人资本，但是中央银行一般都有三个基本功能：第一，发行钞票；第二，对商业银行进行监管；第三，为商业银行提供最后贷款。事实上中央银行为社会大众在商业银行的存款提供了一定的担保。
一个国家的外债，不取决于中央银行是不是私人所有，而是取决于政府的财政收支是否平衡。如果政府长期入不敷出，必然导致借债越来越多。这时候，如果中央银行是国有的，那么对政府的借贷行为的约束可能更小。第三世界的外债主要有哪些国家产生，主要是哪些因素导致，我不太清楚，因为我不是这方面的专家。但是感觉上，这跟中央银行是否私有没有直接关系。但是，同样可以肯定的是，比起附属于政府的中央银行，相对独立的中央银行会做得更好。没有理由相信一个政府掌握的中央银行会比私人资本掌握的中央银行更高尚或者更聪明。

HyperEnergy:2.美国在70年代取消了金本位制度，随之人民生活水平越来越高，为什么国际的黄金价格由70年代的35美元1盎司一直飙升，今天到了280美元一盎司左右？简单来说美元贬值了将近90%？那么这些多印出来的美元是怎么出现的？

洪永淼：黄金的价格受制于黄金的产量。而美元的发行不可能完全按照黄金数量来发行。美元发行是美国货币政策的结果。随着美国以及全球经济规模的扩大，央行必定要发行越来越多的美元，用以实现美国经济，甚至全球经济所需要的交易。而如果同期黄金产量不相应增长，自然黄金价格就会上涨。但是黄金价格的上涨并不意味着美元对一切商品都在贬值。比如，汽车、电脑以及很多消费品，美元并没有出现大幅的贬值。
当然，中央银行的货币政策肯定不是毫无争议一直恰当的。几乎可以肯定，中央银行有不恰当的发行美元的时候。这就像政府的政策并不总是正确一样。
 
HyperEnergy:3.这个世界的经济有没有可能只是被在少数几个（注意，只是几个）拥有富可敌国的玩弄于股掌？如果不是，我想问那些金融黑客是如果筹集大量钱财让英镑、里拉和泰铢这些悲剧一次次的重演？

洪永淼：首先，像索罗斯或者其他的大的对冲基金并不是金融黑客。他们是金融市场的投机者。虽然他们有很大的财富，但是并非可以将一个经济体系玩弄于股掌。英镑、里拉和泰铢的贬值，或者准确地说是这些货币当局被迫放弃先前实行的固定汇率制度，主要原因还是这些国家不平衡的国际收支和财政支出所导致的。索罗斯他们只是利用了这些政府长期不负责任的经济政策所形成的投机机会。
  但是可以肯定的是，这个世界的经济不可能被少数“几个”富翁玩弄。

Leewinjing: 1　计量经济时间序列回归中，单位根检验是不是一定或是必须进行的步骤？如果需要，而且都存在单位根，需要差分处理，但如果一个变量和另一个或几个变量的单整阶数都不同，这样的情况如何处理？
2　协整中如果需要参与回归的变量都存在协整关系，是不是不需要事先做单位根处理呢？
3　Grange因果关系检验中，滞后阶数如何处理？是否和前述单位根检验的滞后阶数一致呢？
4 最后一个问题，就洪教授的研究，您认为目前计量经济的最新发展方向是什么？

洪永淼： 1 如果是非平稳时间序列，单位根检验是必须进行的步骤，因为这涉及到应用什么样的计量经济学分布理论的问题。
  如果都存在单位根，差分后变化平稳过程，传统的计量经济学分布理论可以适用。但是差分时间序列模型与原始时间序列模型可能完全不同。比如说如果两个时间序列都存在单位根并存在协振（Cointegration），那么差分时间序列不能由VAR模型来刻画，必须包括原始时间序列滞后项，以及差分时间序列滞后项。这其实是Error Correction Model。
如果不同时间序列的单整阶数不同，情况会变得相当复杂。有学者专门研究此类模型的计量经济学理论，在这里，请参照Yoosoon Chang and Peter Phillips（1995，Econometric Theory11，1033-94）“Time Series Regression with Mixtures of Integrated Processes”；另一种简单做法就是看是否将较高阶时间序列作差分处理，然后考虑相同单整阶数（如均为一阶）的时间序列，但是必须考虑转换时间序列模型和原始时间序列模型的关系，以及相应的经济解释。

2 是的，在协整回归分析汇中，所有变量需要事先做单位根检验。

3 这是一个很重要但没有满意解决办法的问题，因为实证检验结果常常会因为滞后阶数不同而显著改变。选择滞后阶数的标准是随机扰动项应为白噪声过程。在实际应用中，有人使用一些模型选择标准来决定阶数，另一种做法是如果样本数不是太少，可以选择相对大些的滞后阶数，以便随机扰动项有较大可能成为白噪音。但滞后阶数确定后，可以使用核实的自相关检验，检验模型残差是否为白噪声过程。

4 计量经济学有很多领域，每个领域均有一些最新发展。例如时间序列计量经济学中，概率密度建模和概率密度预测（而布仅仅是点预测或区间预测）是一个重要的新近发展。在金融计量经济学中，连续时间模型的估计与检验，多元连续时间模型、跳跃因子。Realized Volatility估计等，均是一些新近发展，因为篇幅原因，我在这里推荐您看Journal of Econometrics第100期。这一期专门邀请计量经济学各个领域的一些杰出计量经济学家对其熟悉的领域进行回顾与展望，提出今后发展的一些方向，也可以找一些相关领域的综述性（Survey）文章，这些文章通常介绍某一领域理论与实证的发展过程，并指出一些尚未解决的问题。

Zhaojianyi: 很多师生误把格兰杰因果检验误认为是可以对经济变量有无因果关系做检验，洪老师能给我们解释一下格兰杰因果检验的用途吗？

洪永淼：Granger（1969）提出了著名的因果检验。因为这计量所检验的并不是经济学通常研究的因果逻辑关系，人们通常称之为Granger因果检验。Granger因果检验主要是检验一个经济变量的历史信息是否可用来预测另一个经济变量未来变动。也就是说，Granger因果关系是一种计量经济学意义上的预测关系，并不是真正意义上的因果关系。
     如果X对Y有因果关系，那么X可以用以预测Y。但是即使X和Y没有因果关系，X也可能用以预测Y。比如，X和Y可能受某一共同未观测到的变量的驱动，虽然X和Y无因果关系，但X可用以预测Y。Granger（1969）只检验X的历史信息是否可以预测Y的条件均值。大部分经济学特别是宏观经济学的应用均属此类。之后，Granger（1980）推广了这一概念，提出：“广变Granger因果关系”，即X的历史信息是否可以预测Y的条件分布，在金融学中，如风险管理、金融衍生产品定价等有很重要的作用。目前检验“广义Granger因果关系”的可操作方法还很少。
     Granger, Engle和Robins（1986）提出了介于Granger条件均值因果关系和广义Granger因果关系的另一种Granger因果关系，即Granger方差因果关系，检验X的历史信息是否可以预测Y的条件方差，这种方法在研究波动溢出效应时特别有用。

李敖: 1 经济学中常讲适应性预期和理性预期，请教洪教授能用计量模型来刻画这两种预期吗？
2现在经济学老师经常用调查数据作分析，而对调查数据的计量分析常涉及到定性因变量的问题，请问洪老师您经常用什么方法或软件来处理定性因变量的问题呢？

洪永淼：1 理性预期（Rational Expectations）是指经济人能够正确地预测将来经济变动，用计量经济学语言可表达为经济人对经济变量的主观条件均值和经济变量客观条件均值（即数学条件均值）相吻合。换言之，经济人主观期望误差是一个鞅差分过程。在宏观经济学上，理性预期常用欧拉方程来刻画。这实际上是等价的。
相关的，适应性预期是指经济人的主观预期需要通过一段时间以渐进的方法趋向数学条件期望，因此经济人的主观期望误差不是一个鞅差分过程。

2 定性因变量在经济学特别是微观经济学中很常见。如市场调查顾客对某种产品或者服务是否满意，这可用取值为1（满意）或0（不满意）的变量来刻画。另一个例子是顾客对某种产品或者服务的回答为非常不满意、不满意、满意、非常满意，这可由取值为0，1，2，3的变量来刻画。
   定性因变量分析基本上属于微观计量经济学范畴。常见的模型有Logit，Probit，Multinomial模型等，以及它们在时间序列或面板数据上的扩展可参看G.S.Madalla的相关参考书。
 我个人曾用SAS软件估计Probit和Logit模型，也用GAUSS软件估计Autologit模型预测股票价格变动走势。

[此贴子已经被作者于2008-2-1 20:48:34编辑过]

Zhmangel: 从您的观点来看，金融市场如股票证券市场的走势是可以测度或预测的吗？如果是，又是从哪个方面来进行测度或预测呢？

洪永淼：我曾做过一些实证研究，用计量经济学方法检验金融市场如股票市场和外汇市场变动趋势是可以预测的。实证结果发现，高频（日数据）股票市场和外汇市场变动趋势（包括相应的期货市场）是可以用其各自的历史信息来预测的，尤其是较大变动的方法比较容易预测。在预测外汇市场趋势时，发现相应两国之间利率差历史信息亦有助于预测外汇市场走势。
这些分析均基于时间计量经济学方法，即由相关变量历史信息来预测未来走势。在检验外汇市场可预测性时，参考了Uncovered Interest Party (UIP)这一经济假说。事实上，一些金融理论揭示金融市场走势是可以预测的，例如金融学上的momentum交易策略理论就是其中一例。如果在计量建模预测金融市场走势时，结合相关的经济、金融理论，可能是一个很好的方向。除了金融市场走势预测外，比较常见的还有对宏观经济走势的预测，即所谓对经济或商业拐点的预测，也是一个很重要的实际问题。

Zm: 洪院长，您好，我是一名高校计量经济学的教师，毕业的专业是经济学，数学和统计学知识掌握得一般，请问您我需要从哪些方面努力才能使我这名教师更加合格，或者说我应该主要加强哪些方面的学习？

洪永淼：作为一名计量经济学教师，若果所上的计量（经济系是初级或者中级课程）以及您的研究主要是应用计量经济学，即实证研究，那么可以主要做好以下几方面，
第一， 注意计量经济学理论方法与模型的直观和经济解释（Intuition），包括计量经济学为何有用、用于何处、如何使用等等。可借助经济学例子、图表等来解释。
第二， 注意计量经济学工具的应用。在讲解计量经济学理论、方法和模型时，可结合实例，包括用数据演示这些计量工具如何使用等等。
第三， 熟悉一二种统计软件和相关计量方法软件的使用，以及熟悉一些有代表性的数据库。
如果您还教高级计量经济学课程或者想从事一些计量经济学理论研究，还应该自己补一些高级概率论和数理统计知识（不一定非得学测度论不可）。这些知识有助于看懂当今计量经济学学术文献，包括计量经济学理论论文。
在国外，我见过不少从事理论计量经济学研究的学者，其实他们刚开始的数学和概率统计基础也不是很好，但他们通过长期的学习和研究，不断地提升自己的水平。Learning by doing 是一种很有效的学习手段和方法。

Guojiexiu: 您认为在学习传统西方经济理论和学习使用计量工具方法上，国内的学者目前最欠缺的是什么，我们首先是否应该谙熟地掌握好经济学理论功底，然后再联系我国自身实际的基础上有选择地学习与自己研究领域相关的计量工具进行理论研究呢？因为，目前国内学者，很多计量玩得很化巧，但是实质内容欠缺，纯粹模仿，适用价值值得商榷。对于此种现象，您有什么看法？您对于目前国内经济学研究在国际上的水平又作何评价？

洪永淼：应该有所侧重。如果您感兴趣的是宏观经济学，或微观经济学，或金融学，那么应该首先掌握好经济理论，包括基础理论和相关领域历史及最新发展。然后，如果您打算从事相关领域的理论研究（即用数学建模进行经济理论研究），那么您不见得非花大量时间研究计量经济学工具。如果您打算从事相关领域的实证研究（即以数据为基础的实证研究），那么应该比较系统学习计量经济学基础理论及相关模型和方法。您的实证研究的目的是研究现实经济现象，检验经济理论能否解释经济现象，对计量经济学工具可用于解决哪些经济问题，可检验什么经济理论等等。
我很同意您的观点即很多计量工具玩的很花俏，但没有实际内容，纯粹模仿。我很赞赏清华大学李子奈老师的观点，即计量经济学模型并非越复杂越花俏就越好，关键是什么适合所研究的问题。需要使用什么样的模型、方法取决于所研究问题的本质。例如，研究市场有效性，适合的计量模型是条件均值模型，不需要对高阶矩如方差或对整个条件概率分布建模。
中国经济学正处于转型期，过去二三十年的进步是令人瞩目的。国内研究主要是对中国经济的实证研究，规范的理论研究很少，这方面与国际先进水平还有较大差距。即使是实证研究，在计量经济学方法应用方面，也有一定差距。
这有很多种原因，如国内经济学教学体系，包括课程设置、师资队伍等。同时还有对中国经济学定位的问题。

Jqp:  问一个Product Diversity方面的问题：
可否将Dixit-Stiglitz模型(A. K. Dixit and J . E. Stiglitz,1977)中规模经济(Scale经济,品种不经济,即品种越多,成本越高)的设定,修改为范围经济(Scope经济,品种经济,即品种越多,成本越低)，用什么样的方法比较可行,例如凸分析?

洪永淼：很抱歉我不是微观经济专家，对Dixit-Stiglitz模型不了解。但是否可以在您的范围经济中定义一个负成本变量，这样，品种越多，负成本越高，就可以借鉴Dixit-Stiglitz模型的分析了。

Tsinghuaer: 洪教授, 我是一个学化学的研究生.但是,业余更加喜欢数学一点. 还发表过数学方面的论文.
由于有过5年不连续的工作经历,加上年龄已过而立的关系,尽管我业余通过学习发现自己非常喜欢经济学,投资或金融等,而且似乎也非常容易上手,但是, 苦于很难想象如何真正获得这个行业里的实践;我英语的应用能力远大于考试GRE/GMAT的能力(这导致我阅读写作英文障碍不大但考试出国几乎无望)我希望能够快速转换行业到金融或投资领域里, 您有没有什么好的建议?还有, 您觉得, 如果想更加有成就感, 是在西方人的圈子里好, 还是华人的圈子里好? 各有什么优缺点?为什么?

洪永淼：您希望转行到金融或投资领域，我是可以理解您的心情，因为我当年从物理转学经济学前也有一段迷茫的时候。
我不知道化学学位对找与金融投资有关的工作是否容易。据我了解，在国外不是很容易。华尔街不少从事金融投资业的中国人原来专业背景是数学、物理、统计、计算机。因为他们有较强的数理建模和计算能力。
如果化学学位在国内不容易找到与金融投资相关的工作，你可以考虑读MBA或类似应用金融硕士项目，获得相关学位后转找金融投资工作就顺理成章了。或者，可以考一些与金融相关的证书，如CFA证书，这对找工作应该有帮助。还有，英语写作口语好是您找工作的一大优势。应该强调，特别是找外企工作的时候。
当今世界经济一体化，与外国人打交道的机会很好。不但要英语好，更重要的是要熟悉、了解外国人的思维方式，文化背景等。而这些不是一朝一夕所能获得的。如果有机会与西方人工作一段时间，获益是很大的。在国外，您可以有很好的生活条件和工作环境，但对不少中国人来说，如果要感到更加有成就感，可能要在中国，这首先有文化认同和归属感的因素，同时您还可以看到将在国外所学知识经验用到国内来时所产生的结果。也就是说，国内的边际回报比较大。

清风寒江: 我是人大经济学院的一分子，我们人民大学虽然在社科领域（包括经济学科）处于国内重要位置，但计量经济学的发展缺相对薄弱，不知洪老师有没有和经济学院合作的计划，实现王亚南经济研究院和人大经济学院的强强合作呢？

洪永淼：谢谢您的建议。我也是人大一份子——我1986—1987年曾在人大经济学培训中心（设于人大经济系）学习，这是我从物理学转到经济学的起源地，给我后来的学术生涯打下了深深的烙印。我非常怀念在人大那段美好的求学时光，感激教我帮助我的人大老师（至今我还常常去拜访我当时的班主任）。
人大经济学在国内首屈一指，我和财金学院、梁晶工作室时常联系。几年前，我到财金学院人事处办的一些培训班为人大年轻教师和研究生讲授过计量经济学。我在清华大学也教过，人大金融实验班到研究生金融计量课程，现在杨瑞龙院长推荐一名年轻有为的教师到康奈尔大学进修，和我共同学习研究。我真诚希望能够与人大经济学院多交流，探索合作模式，互相帮助、共同进步。

Fangzhao: 1、您认为一个新学生刚开始如何学计量经济学，那样效果会更好，能更好地打好基础呢？
2、您认为在学的时候，计量经济学理论知识如何和计量软件结合好呢？现在很多都在运用计量软件的。
3、还有您认为在教材方面，是不是一开始就直接用国外的教材会更好，还是先从国内的教材入手？

洪永淼：1作为新生，一开始如果选择数学工具少一点的计量经济学教科书，效果可能会好一些，这样您可以集中精力于某些理论和概念，不必分神于高深的数学工具。
2 学习计量经济学，有没有使用过统计软件和进行数据处理，感受是非常不一样的。学习的目的是学以致用，最好的方法是做一个或者若干个projects或写一篇term paper，即想一个问题或题目，选择合适的计量模型和方法，收集数据，对所选择的问题进行实证研究，包括对计量结果给予经济解释。这样一个项目，可以让您学习和了解实证研究的全过程，包括选题、数据收集、计量方法、模型选择、估计检验、经济解释等等。
3 我个人感觉，可以直接看国外教材，特别是理论部分，比较系统化。但国外教材实例几乎没有中国经济实例，这方面可参考国内教材。

叮叮当当: 无论是mathematical economics还是mathematical econometrics, 或者是actuary studies, 都要有强大的数学基础作为后盾。  您认为我专修那一门系会对我今后的成长有更大的帮助呢？

洪永淼：是的，Mathematical Economics，Econometrics和Actuarial Science都常设计到很多数学工具。Mathematical Economics主要是用数学研究经济理论，Econometrics和Actuarial Science使用统计方法结合相关经济或保险理论分析研究经济和保险数据。想修哪一门，取决于您的兴趣。从今后实用性角度看，可能Econometrics会比较宽广一些，因为Econometrics几乎应用于经济学金融学各个领域的研究中。

叮叮当当: monetary economics和mathematical econometrics是不一样的吗？

洪永淼：Monetary Economics和Econometrics不一样。Monetary Economics是经济理论，Econometrics是关于实证研究的方法论和工具论。

tony1101: 1、如果检验三变量之间有协整关系，而且通过传统方法和理论知识可判断三者具有正相关关系，但最后生成的协整向量当中(即协整关系式中系数)有负数，这是为什么？如果理论加以解释？
2、如果更加深入的用现实理论解释Granger因果关系？如何解释有相关性，但没有因果关系？
3、脉冲响应函数现在的应用前景如何？如何用经济学理论解释冲击的发生、强度以及方向？

洪永淼：1可能是数据点不少的缘故。如果有三个非平稳变量，则可能存在两个协整向量。这里我不是很清楚您说的“三者具有正相关关系”的含义，是否每一对存在正相关关系，或者是一个变量与另两个有正相关关系，或者是其他？如果是第一种情形，那么协整系数中有可能出现一个正数、一个负数。
2 Granger因果关系是指一个经济变量X的历史信息可预测另一个经济变量Y的变化，这一概念不是真正的因果关系，而是一种预测关系，一种统计相关性。这种X对Y的预测关系可以是因为X对Y有因果关系，也可以是其他原因，比如，X和Y均可能受另一个潜变量Z的影响，即Z对X有因果关系，对Y也有因果关系。在这种情形下，虽然X和Y无因果关系，但他们之间有相关性，可能存在Granger因果关系。
应该说，计量经济学本身无法确定因果关系，只能确定统计相关性，必须借助经济理论，才能够解释这种相关性是否为因果关系。
3 时间序列分析有两个基本方法，即时域分析和频域分析。脉冲响应函数是时域分析的一个基本工具。如果扰动项可以解释为经济或者由市场的冲击，或者市场变动引起，那么脉冲响应函数可以刻画冲击在每一个时期对经济的影响，如果冲击是外生的冲击，同时它还可以用来检验经济政策对经济影响的总效应。

脉冲响应函数是由平均移动时间序列表述模型推导而得。如果要用经济学理论解决冲击的发生、强度以及方向，需要研究平均移动时间序列模型与经济理论的关系，得出脉冲响应函数值与经济结构模型参数的关系，这样即可以研究参数变化对脉冲响应函数的影响，但是这并不是一个容易的问题。

轻轻: 从美国的角度,看中国的经济学研究水平不高,原因是什么

洪永淼：1 中国经济学研究水平与美国相比，存在着一定差距，特别在理论体系和研究方法上面，其原因主要是中国经济学还处于转型阶段，从原来以政治经济学为主向实证经济学转变，从以研究社会主义计划经济为主向研究社会主义市场经济为主转变，从定性研究方法向定性和定量相结合的研究方法转变。这些转变，需要一个过程，一段时间。中国很多高校现在还缺少相当数量的受到现代经济学系统训练，既深刻了解中国实际情况又活跃于国际经济学学术舞台的高素质师资人才，这在很大程度上制约着中国经济学研究水平。

轻轻: 1. 存在不存在全国范围内的(分割的)区域性资本市场;
2. 如果存在,那么金融运转的机制就将有别于(全国)宏观机制,会是什么
3. 金融政策,一般是国家统一的,那么,在区域层次上,同样的政策,通过不同的运行/调节机制,就会出现不同的政策后果,如何评价宏观金融政策在区域层面的变异及来自区域的反馈。

洪永淼：首先需要界定什么是分割的区域性资本市场，像股票市场、汇率市场，很难存在分割的区域性资本市场，因为套利机制会起作用。但是对某些金融市场，如房地产金融市场，隐含在不同地区，可能比较容易区别对待。
中国目前不存在严格意义上的区域性资本市场，惟有上海证券交易所和深圳证券交易所两个全国性资本市场。并且，资本市场即所谓按照市场原则进行资本配置，不同于银行，对空间要求不严。只要有一个市场化程度高的交易规则，任何地方的企业都可以上市融资。比如，美国纳斯达克就有很多来自不同国家的上市企业。
目前普遍存在有资金向大企业倾斜，有发展空间的中小企业资金来源不足的问题，发展区域性资本市场，可以起到以下作用：为中小企业发展募集资金；提供产权交易平台，拓展中小企业投资者退出渠道、推进小企业的兼并收购等。
经过历次整顿，地方性证券交易中心已不复存在，而完善的区域性场外交易市场的建立尚需时日，目前各地的产权交易市场已经被废止了股票、权证和基金融资功能，因此，在我国尚不存在真正意义上的区域性资本市场。好吧
   中国是一个大国，各个地区经济发展很不平衡，不考虑各区域差别的统一政策可能会形成一刀切的情形。但是过分强调地区差别与特点又容易形成区域保护主义和市场分割，不利于提高整体经济效率。最优的宏观金融机制与政策应该是在全国统一的基础上充分考虑各个区域的差别及利益，这是一个非常困难的问题，不但涉及到宏观金融本身，也涉及到制度本身的设计。
   同样的金融政策，在区域层次上，通过不同的运行调节机制，会出现不同的政策后果。评价这些不同政策后果，可从上述理论上“最优”地考虑区域差别政策所产生的后果，进而进行比较并考虑各个区域的得失以及全国宏观经济的得失。

crazy: 1.从本质上讲时间序列分析的基本任务是什么？
2.您是否认同这样的观点：时间序列建模就是要将序列中的趋势剔除干净，只剩下平稳的东西，剩下的序列越平稳，模型越好。
3.Hansen（2005）讨论了模型选择的问题，能谈谈您对这个问题的看法吗？

洪永淼：1  时间序列分析的基本任务是对时间序列数据进行建模，刻画时间序列动态演变的规律（dynamic law），用于预测将来变化趋势，解释历史时间序列数据，并检验动态经济理论模型或假说。
  2 这是时间序列建模的一种基本分析方法（但不是唯一的基本分析方法）。如果一个非平稳时间序列由两部分组成，一是趋势，一是平稳随机过程，那么首先将趋势部分剔除，然后集中精力对随机平稳过程建模以刻画时间序列短期变动，由于大多数时间序列模型均假设平稳性，因此除去趋势后的部分越平稳，模型拟合能力越好。
3 模型选择是计量经济学的一个基本问题，计量经济学家常常假设经济系统是一个随机过程，由某一个未知的计量经济模型支配。在这一假设下，一些模型选择方法确实可以找出未知“真实模型”。在现实生活中，我们并不知道是否存在一个真实模型。任何一个模型其实只是对经济系统的一个近似。所谓近似，也就是说存在模型错误，这种错误一般会随着模型复杂程度增加而减少，但模型越复杂，需要估计的未知参数越多，在样本量固定的条件下，估计误差会随未知参数数目的增加而降低，所有模型选择方法都是在模型错误和估计误差两者之间找一个均衡点，这样做，模型样本外预测能力会比较好。当然，不同的模型选择方法会给出不同的模型。不少模型选择方法由于对估计误差惩罚较重，得出来的模型均比较简单，这是所谓的 “KISS” 原则，即 “Keep It Sophistically Simple”. 上述模型选择均给予统计标准，事实上也可以基于经济标准。这与模型应用的目标可能更一致。

笑笑笑: 我想了解洪教授的学术生涯以及怎么跨越人生道路上的障碍的？

洪永淼：我的学术经历很简单。1985年厦大物理学本科毕业并考上厦大物理学硕士研究生。1986年有机会考上人大经济学培训中心（或称“福特班”），转学经济学。1987年回厦大攻读经济学硕士学位，专业方向为西方经济学说史。1988年赴美国UCSD攻读经济学博士学位，专业方向为计量经济学。1993年毕业后到康奈尔大学经济学系任助理教授。1998年升副教授（终身教职），2001年起升正教授。2002年至2005年任清华大学经济管理学院特聘教授，2005年至今在厦大王亚南经济研究院任“长江学者”讲座教授。
在我的学术生涯中，有三个比较大的转折：一是1986年从物理学转读经济学。我本科读物理学是因为高考物理学的分数最高，但我一直对经济学很感兴趣。本科最后阶段和研究生一年经常感到非常迷茫，不知今后的路要怎样走。幸好，邹至庄先生发起由福特基金会资助的经济学培训中心，邀请北美经济学教授到中国讲授西方经济学。同时，厦大经济学院首任院长葛家澍先生办学理念在当时非常超前，允许厦大理科硕士研究生报考经济学培训中心，我因此有机会转学经济学，这是我学术生涯的一次很大的转折。
转学经济学的西方经济学说史后，我对经济理论产生浓厚的兴趣，但是也同时对今后从事经济学哪方面的研究也充满疑惑。与现在一样，“西方经济学说史”当时在经济学各专业中也属“冷门”，对毕业后从事什么工作心里没底。我因此选择出国留学。去UCSD念书时，我希望能够学习货币银行学，那个时候我对什么是OLS也不清楚，也不知道什么是计量经济学，根本没有打算学习计量经济学。经过两年的经济学课程学习，我决定选择计量经济学为博士论文专业方向，因为这是UCSD经济学系最强的专业。在做这一专业选择时，心里也充满这矛盾，因为我的数理基础就是在学习物理学时的数理基础，没有学过测度论，没有学过系统实分析，也没有系统的概率论和数理统计基础，第一次听计量经济学学术讲座，什么也不懂，刚开始看计量经济学专业论文时也看不懂（里面的数理统计工具太难）。但最后终于坚持下来，并“边做边学（Learning by Doing）”的方法，提高自己的数理基础，这个方法对我来说很有效，但最重要的是能够坚持下来，不要知难而退。等到入门以后，我才第一次有那样一种感觉，就是终于找到了一个我感兴趣的，同时又能让原来学物理时所学到的数理基础派上用场的专业。这样做学术研究就不会感到太累。我从此再没有为今后从事什么工作、做什么研究感到困惑了。
第三次转折是应母校之邀，参与了组建王亚南经济研究院。由于两种体制并存，常常要花很多时间处理一些繁琐的事情，包括中国特有的人事关系。一方面我为有机会为母校为中国经济学教育做一点点贡献而感到高兴，另一方面，我也因为行政管理事务占用了我几乎所有的宝贵时间，不能专心致志从事学术研究而感到痛苦。这一点，我至今没有找到一个妥善的解决办法。

skyleung: 1.时间序列的分析,特别是非线性时间序列的分析究竟划分在计量经济学还是划分到数理统计的范畴呢.我觉得非线性时间序列的分析牵涉到大量的高深数学工具,但是大部分的时间序列数据又是来源于经济生活,所以想请洪教授指点.

洪永淼：数理统计学有时间序列分析，计量经济学中也有时间序列分析，后者一般称为时间序列计量经济学，应该说数理统计学中的时间序列分析和时间序列计量经济学有非常密切的联系且互相影响。最主要的不同是时间序列计量经济学以经济金融数据的特点为出发点，研究如何用合适的时间序列模型（其中有很多非线性时间序列模型）来刻画经济金融变量的动态规律检验经济理论或假说，预测经济未来走势。
非线性时间序列计量经济学牵涉到一些较高深的数学工具，但还是属于计量经济学的范畴。

2.现在很多国内学生想到国外特别是美国读经济学的博士,但是由于国内课程设计与美国经济学专业有结构上的不相符,使得很多想继续深造经济学的学子在本科阶段之后不知如何做才能最好的达到出国深造的目的.在这里我想请问洪教授,本科读理科的学生,研究生阶段是继续读像数理统计之类这样的理科学科,还是应该转读经济学硕士,哪样会更有利于以后申请去美国读经济学的博士呢? 尤其是计量经济学,究竟国外看重的是数理能力,还是一定要具备强硬的经济学基础呢? 社会上关于这方面的说法五花八门,我想洪教授在这一方面应该是很有发言权的,请洪教授指点..

洪永淼：在国内本科修读类似数理统计学这样的理科学生，如果打算出国攻读经济学博士学位，可以有两种做法：第一是，在本科阶段攻读经济学第二学位，这样，有扎实的数理背景，又有经济学基础知识，申请攻读国外经济学博士学位时有优势；另一种做法是理科本科毕业后，先在国内攻读经济学硕士，然后申请出国攻读经济学博士学位，其好处是目前国内较好的高校经济学基础理论课程教学已比较规范，可以获得较为扎实的经济学基础训练，到国外攻读经济学博士的时候比较容易适应。申请国外经济学博士学位时也很有竞争力，甚至比第一种方法更有竞争力（康奈尔大学经济学系过去所录取的中国学生，绝大部分都是在中国读硕士的研究生）。
还有第三种方法，即在读理科本科时，选修中级宏观经济学、微观经济学等若干（不必太多）经济学课程，也可以申请攻读国外经济学博士，当然，获全额奖学金的概率一般会比前两个方法低。
申请到美国攻读经济学博士学位（特别是计量经济学），最为看中的是数理能力（因为要当助教）。经济学需要有一定基础，但其重要性与对数理能力的要求不在同一个层次。

houdi272: 洪院长作为著名经济学家，本身在国外深造过也在国内从事教育工作，对国内外两种经济学教育模式从体制到方法都很了解。请问洪院长，站在纯粹接受教育质量和学习知识层次的角度，就一个既对经济学充满兴趣也有打算献身给经济学科的学生而言，如果都有可能的话，是在国内一流院校继续攻读还是出去接受新的训练方式好呢？

洪永淼：如果有可能的话，还是考虑到国外研究型大学接受系统的经济学训练。国外研究型大学经济学师资力量雄厚，博士生课程设置比较系统科学，特别是经济学各个领域的前沿课程和学术讲座（Seminar），非常有利于培养博士生从事经济学前沿研究的能力。还有国外经济学术界经过长时间形成的学术研究氛围与文化。很多国内出去的青年教师与学生都说，他们在国外，心态都变得比较平和，能够专心致志读书、做研究，这是目前国内高校大环境所缺少的。

[此贴子已经被作者于2008-2-1 21:22:36编辑过]

VIII. Close of conference

Prof Yongmiao Hong outlines the showed application methods of econometrics, reflects on some of the most pressing educational issues of our time, discusses the challenges facing education and educational. I would like to extend, on behalf of RUES, our profound gratitude to Prof Yongmiao Hong for his motivational, inspirational, and educational lectures.

My thanks also go to the participants in RUES academic conference, for your invaluable presence in this meeting. We have had a very successful 2007, and we thank everyone for their support, and look forward to an even more harmonious academic exchange environment in 2008.Allow me to conclude by bidding all guests a hearty welcome once more, and by wishing all of you the best of luck.

Last but not the least, our sincere appreciation are extended to the school of Economics at Renmin University, especially Professor Ruilong Yang, for their commitment at the highest level to support our website. Without their active support and encouragement, RUES will not be able to achieve - in close partnership with regional and international organizations - its noble goals and mission to meet challenges of improvement of academic environment and interactive exchange with high-level scholars worldwide.

1。Structural model 有其经济理论基础，比较容易理解其经济含义，a reduce form model大多需要通过一系列推导才可理解其经济含义。但是这并不意味structural model 对数据有更高的解释或预测能力。

2。不一定要理论推导，但是在实证之前要解释变量与模型选择的合理性，以及经济学含义。当然，如果计量模型能够从经济理论推导出来那是最好的。

  

  

[此贴子已经被作者于2008-1-29 16:51:01编辑过]

关于第一个问题， 第9楼已经谈到问题，另外也可参看我对其他网友的问答。

第二个问题，计量经济学理论有很多数学公式，对英文的要求并不太高。但是需要看外文期刊，以了解最新前沿发展，因此英文很重要 。不过即使现在英文较差，只要能养成阅读英文文献的习惯，英文水平也就可以提高。我个人就是这样。

[此贴子已经被作者于2008-1-29 16:58:50编辑过]

非常感谢洪老师对人大经济论坛和经济学院的支持，感谢洪老师为发展和推动国内经济学发展所做出的努力，作为论坛成员来说，非常感谢洪老师为论坛会员提供了这么好的一个交流的机会，我们看到，大部分的网友提问洪老师都做了悉心的解答，这花费了洪老师许多的精力和时间，我们也感谢本次活动的策划者和主持人cymbidium的辛苦努力和洪老师助手和其他工作人员的工作和配合，才使得此次访谈活动获得成功，因为洪老师时间有限，以下时间我们不再为其他网友安排提问和回答，本次活动圆满结束，祝洪老师身体健康，事业顺利，春节愉快！

感谢读者积极参与并提出专业问题，感谢人大经济论坛组织者精心策划和辛勤工作，希望我们大家一起努力共同提高中国计量经济学教学与研究的水平，并早日在世界计量经济学界占有一席之地。最后祝大家身体健康，并向大家拜个早年！

[此贴子已经被作者于2008-1-29 17:09:18编辑过]

VIII. Close of conference

Anny: Professor Yongmiao Hong outlines the showed application methods of econometrics, reflects on some of the most pressing educational issues of our time, discusses the challenges facing education and educational. We would like to extend, on behalf of RUES(Renmin University Economics Site), our profound gratitude to Professor Yongmiao Hong for his motivational, inspirational and educational lectures.

Our thanks also go to the participants in RUES academic conference, for your invaluable presence in this meeting. We have had a very successful 2007, and we thank everyone for your support, and look forward to an even more harmonious academic exchange environment in 2008.Allow me to conclude by bidding all guests a hearty welcome once more, and by wishing all of you the best of luck.

Last but not the least, our sincere appreciation are extended to the school of Economics at Renmin University, especially Professor Ruilong Yang, for their commitment at the highest level to support our website. Without their active support and encouragement, RUES will not be able to achieve - in close partnership with regional and international organizations - its noble goals and mission to meet challenges of improvement of academic environment and interactive exchange with high-level scholars worldwide.

[此贴子已经被作者于2008-1-30 1:07:47编辑过]

太高深了 看不懂啊

Prof. Zhijie Xiao is at Boston College, not Boston University

不懂啊    呵呵呵

说的好，好好看看

经典啊，话说洪教授来我们学校举办了一次讲座，怀念啊！