图源：多因·法默个人主页

撰文｜戴晶晶

 ●                  ●                   ●

多因·法默（J. Doyne Farmer）大半辈子都在尝试预测那些被认为难以预测的事情，而他有过一些令人惊讶的成功。他现在是圣塔菲研究所外聘教授、牛津大学马丁学院新经济思维研究所复杂性经济学项目主任，以及牛津大学复杂系统科学教授。

法默1973年斯坦福大学物理学本科毕业，随后进入加州大学圣克鲁兹分校，从物理宇宙学转向动力系统研究，参与了混沌理论的早期探索。1981年获物理学博士学位后，他进入洛斯阿拉莫斯国家实验室继续研究非线性与复杂系统。

读研究生时，他和伙伴们把计算机藏进鞋子，通过脚趾操作开关，测量轮盘赌中小球的运动，再计算下注位置。他们确实找到了提高胜算的方法，因为对物理学家来说，那只是一颗运动的小球。

后来，他参与创办预测公司（Prediction Company），将计算机预测用于金融交易。据他回忆，这家公司运营了28年，其中27年盈利。它也成为量化交易的先行者之一，2006年被瑞银收购。

如今，他想挑战的是更复杂、更棘手的宏观经济。在法默看来，过去50年，宏观经济模型不断改进，预测的准确性却没有相应提高。他希望改变这一点，但他的研究首先指向了主流经济学的基本假设。现实中的人未必能够作出最优决策，模型为什么要假定他们可以？

法默将自己所属的复杂性经济学家称为一群反叛者。他们试图从个人、企业和机构的实际行为出发，用计算机模拟经济如何运行，而这条研究路径长期处于主流经济学之外。

“经济学中的理性主体像是某种超级英雄，但我们并不是超级英雄，至少大多数人不是。”法默说，“我希望建立一种更有效的经济科学，或者至少为现有经济理论提供补充，解决它目前无法解决的问题。”

法默团队已经作出过成功的预测。2020年，他们将停工、需求萎缩和供应链中断纳入模型，追踪冲击如何在行业之间传导，较准确地预测了英国在疫情冲击下的GDP降幅。

近日，法默的新书《理解混沌：更好的经济理论，更好地理解世界》中文版出版。《知识分子》与他展开对话，谈论这些预测背后的方法、失败和争议，以及他为什么相信经济预测仍有改进的可能。

《知识分子》：您在书中把复杂经济学家描述为一群反叛者，这很有意思。你们在反叛什么？您认为传统经济学有哪些不足？

多因·法默：这是个好问题。首先学术界也是由社会组织构成的，对吧？经济学界围绕一套特定的观念组织起来。其中的核心观念，也就是通常所说的新古典经济学的核心，是人或经济主体会作出使自身效用最大化的决策，其根源可以追溯到19世纪。

这里需要区分计量经济学与经济学理论。前者侧重统计分析，不在我讨论的范围内。目前大多数实际应用的模型仍以理性预期为基础，尽管经济学家也在寻找替代方案，但这是主流经济学的一项严格要求。

复杂性经济学家拒绝接受这一要求，我们研究经济主体实际上如何行动。世界太复杂，人们即使想实现效用最大化，也未必知道如何做到。因此，我们采用计算机模拟替代传统的数学求解方法。

这是对主流经济学的激烈反叛，也受到主流学界的抵触。复杂性经济学论文几乎无法在所谓的顶级经济学期刊发表。研究者通常在美国以外，也多在经济学系之外任职，不少人像我一样出身物理学。欧洲虽有少数经济学系接纳他们，但仍未将其纳入主流。

中国则更务实、开放。去年访问中国时，我接触了清华大学计算机系的一个团队，他们做的就是我所说的复杂性经济学研究，并得到国家的大力支持。我认为，这一领域在中国有更多发展机会，中国也可能成为引领者。

《知识分子》：这是否与不同学科的思维方式有关？例如，物理学与经济学，或者更广泛地说，物理学与社会科学之间，是否存在某种根本差异？

多因·法默：是的。我接受的是物理学训练，但也与生物学、计算机科学、经济学以及许多其他社会科学领域的研究者合作过。我觉得人们很难充分意识到，不同学科的思维训练究竟有多大差异。从本科到博士，你会被教导如何解决问题、什么算是有效的解答，以及需要什么证据才能接受它。

物理学有很强的实证传统，强调让数据决定我们接受什么观念。比如，量子力学与宏观经验截然不同，非常违反直觉。学习它会让你对缺乏证据的假设更加谨慎，也更愿意接受其他研究方式。

物理学家转向理论生物学、机器学习等领域很常见。我认为，跨学科交流非常有益，但也会遇到抵触。人们习惯于各自学科的思考方式，并相信它是正确的。这会带来认知上的冲突，也可能产生很有价值的成果。

《知识分子》：你曾表达过一个愿望，希望经济学有一天能建立在更科学的基础上。怎么理解这句话？

多因·法默：经济学在诸多意义上已经是一门科学，我并不是说它不是科学。但科学也有程度之分，其解决问题的能力也有差异。我希望建立一种更有效的经济科学，或者至少为现有经济理论提供补充，解决它目前无法解决的问题。

如果我们能建立预测能力更好的理论，就能在统计上获得更充分的证据，证明这些理论有效。对于大多数经济理论的预测，我们也许有一些证据表明它们是对的，但证据还比较薄弱。如果能够加强这些证据，我们就可以开始对理论作出的预测更有信心。

《知识分子》：您把经济比作文明的新陈代谢。这一观念如何帮助研究现实经济？

多因·法默：我是在学习经济学中投入产出模型时想到这个比喻的，这些模型与我此前研究生命出现之前的代谢过程时建立的模型有着相同的数学结构。生物代谢从环境中获取食物，将其转化为能量和身体的组成部分；经济则将自然资源和能源转化为商品与服务。

后来写书时，我才发现卡尔·马克思也提出过类似的观念。

投入产出模型本身很有用，也是传统经济学中我认可的一部分。但新陈代谢这个比喻还帮助我们理解，经济不仅涉及稀缺资源的分配，也是一个不断演化和适应的系统。

我还说过，经济是一个由各有所长的专业者构成的生态系统。经济学中的理性主体像超级英雄，但现实中的人能力有限，不可能掌握所有知识和技能，所以需要专业分工。把这些限制纳入考虑，就会引导我们建立不同的理论，也让复杂性经济学的建模方式显得顺理成章。

《知识分子》：更贴近现实的假设，是否一定能带来更好的模型？在基于主体的建模中，你如何判断哪些因素需要保留，哪些可以省略？

多因·法默：这是一个合理的担忧。任何理论都会简化现实，关键是作出哪些简化。模型并不是越复杂越好，不必要的因素会增加自由参数，让模型更难拟合数据，甚至降低预测准确性。许多基于主体的模型就存在这个问题，增加了复杂性，却没有增加解释力。

判断哪些因素必不可少需要经验，也需要试错。你可以从简单模型出发，逐步加入因素；也可以从复杂模型出发，逐步删减，观察它们如何改变模型的行为。有用的就保留，没有用的就去掉。根据我的经验，两种方法都有效。

最终，你必须理解模型中什么导致了什么，并能解释结果为什么出现。一个无法解释的黑箱，即使能够运行，用处也可能有限。我们希望通过理解因果机制，为行动和经济决策提供依据。因此，模型既要保留必要的因素，也要配备诊断工具，让我们能够追查结果的成因。

《知识分子》：我想谈一个更具体的案例。您在书中提到，疫 情期间，你们的模型较准确地预测了英国GDP的变化。为什么能做到这一点？

多因·法默：我认为我们的模型表现较好，是因为它忠实地反映了经济的结构。换句话说，这是一个按照经济实际如何运行来建模，而不是假设经济仿佛如何运行的好例子。

常规经济学理论假设经济处于均衡状态，疫 情让经济远远偏离了均衡。这是一次突如其来、规模巨大的冲击，同时影响了许多经济部门。

我们用计算机模拟实际发生的过程。人们无法上班，一些行业就无法生产；这些行业停产，又使另一些即便员工能够上班的行业，得不到生产所需的原材料。因此，冲击沿着经济体系向下游传导，从采矿、林业、渔业等基础部门，经由制造业，向消费者传递。

与此同时，需求也受到冲击。许多消费者停止了平时的活动。例如，航空公司仍在运营，但人们不再乘飞机。这股冲击沿着相反方向，向上游传导，两股冲击还会相互作用。

我们的模型能够逐日动态追踪这些冲击在经济中的传导。对于每个行业，我们每天都会问，它是否有足够的劳动力？是否有必需的生产投入？它生产的商品是否有需求？只要其中任何一个问题的答案是否定的，我们就相应调低该行业的产量。

每天重复这个过程，就能看到冲击如何在经济体系中传递。我们尽可能贴近实际过程，也大体把握住了经济结构。相比之下，更传统的经济学模型没有直接模拟这些过程。

《知识分子》：如果遇到一种与疫 情不同的冲击，这个模型还能有效预测吗？

多因·法默：我的公司Macrocosm正在尝试把复杂性经济学应用于实践。霍尔木兹海峡关闭时，我们预测了这次冲击向外传导后会产生什么影响。必须承认，这一次我们的表现没有那么好。

例如，我们预测印度受到的影响会比实际情况大得多。问题在于我们没有掌握最新的供应网络情况，没有意识到印度从俄罗斯进口了多少石油，而这些供应减轻了它受到的冲击。我们掌握的印度石油储备数据也不准确。

虽然整体表现也不算太差，但这次经历让我们认识到下次必须更加仔细地核查所有数据，才能作出准确的预测。

《知识分子》：也就是说，你们的模型在结构上更贴近现实经济，但仍然需要充分的信息和数据。

多因·法默：确实如此。

《知识分子》：我想从你的研究转向个人经历。您的职业生涯跨越了多个领域，从预测轮盘赌，到量化金融，再到预测经济系统。这些不同的研究领域之间，是否有一条共同的线索？

多因·法默：开始写这本书时，我也没有看得很清楚。随着写作推进，我逐渐意识到自己一直对预测着迷，尤其想在那些被认为是随机（Random）的事情中作出更好的预测。

对赌场来说，轮盘赌是一个随机数生成器；但对物理学家来说，它是一颗沿圆形轨道滚动的小球，是一个可以预测的物理系统。

股票市场也是如此。当时的主流理论认为，市场是有效的，你不可能战胜市场。我们是证明这一说法并不成立的几个团队之一。战胜市场并不容易，但确实可以做到。我还认为即使市场中的无效率程度很小，也会对资源配置产生重要影响。

如今，我们研究宏观经济，同样是为了改善预测。过去50年，人们不断改进模型，宏观经济预测的准确性却没有提高。天气预测提供了一个参照。它曾在近一个世纪里进步有限，直到20世纪50年代，研究者开始运用物理学，从底层过程出发模拟天气。到1980年前后，数值天气预报的准确性追上了依靠经验和判断的预报员，此后取得了巨大进步。我们希望经济预测也能实现这样的突破。

《知识分子》：面对轮盘赌，多数人只会想到运气。在您看来，是不是所有系统都可以被预测？

多因·法默：在物理学中，我们认为量子涨落具有内在的不可预测性，是真正的随机性。除此之外，我们所说的随机往往是在描述一种认知上的不足。我们无法测量或者不了解背后的动力学机制，因此不能预测。

但在实践中，我们通常缺少信息。我们能够预测轮盘赌，是因为小球开始转动后，仍有一段时间可以下注。通过测量它转一圈所需的时间，结合位置和受力情况，我们就能预测它的运动。如果赌场要求在小球转动前完成下注，我们就无能为力了。因此，能否预测取决于能否获得测量信息，以及是否理解作用于系统的各种力。

研究人则不同。人的行为非常复杂，物理学不再能直接发挥多大作用。虽然神经元活动最终可以用物理学（电化学脉冲）描述，但这非常基础，与社会科学观察的现象相隔多个层次，很难直接用来解释人的行为。

《知识分子》：但宏观经济既缺少充分的数据，也不像赌场那样有明确的规则。您如何克服这些预测困难？

多因·法默：这不是一个非此即彼的问题。我们应该问的是，经济究竟在多大程度上可以预测。

我认为，GDP、失业率、利率等宏观指标，本身并不包含预测它们所需的充分信息，因果机制存在于更微观的层面。如果我们能够收集这些微观信息，建立利用这些信息的模型，研究经济在微观层面如何运行，再把结果汇总起来，就能在宏观总量层面作出更好的预测。

我们还没有证明这种方法普遍有效。要验证它需要日复一日地作出预测，这正是我们的目标。也可能我们错了，经济确实具有内在的不可预测性。例如，市场有效性（Market Efficiency）会让股市难以预测，经济的动力学也可能具有混沌特征。

不过，混沌并不意味着完全无法预测。正如我在其他论文中展示过的，即使系统是混沌的，短期预测仍可能比把一切视为随机过程做得更好。但你的质疑成立，目前的证据还不够充分，我们需要继续验证。

《知识分子》：回到你的个人经历。你决定离开预测公司（Prediction Company）、重返学术研究时，公司已经相当成功。为什么没有继续留下来？

多因·法默：我从来就没打算一直留下来。最初我计划待五年，最后却待了八年，已经比原先打算的更久了。我的热情始终在于研究和理解事物。做一段时间这样的工作是非常有意思的探索，但到了一定阶段，我能学到的新东西不再那么多了。

我也想做一些对世界有益的事情，而不只是为了赚钱从事金融交易。当然有些钱是好事，那段经历让我有能力买了一艘帆船，也确实改善了我的生活水平。但人其实并不需要那么多。

在预测公司工作期间，我逐渐意识到，经济学中缺少一些根本性的观念。我觉得，这是一个很好的机会，可以沿着这些方向探索，看看自己能够作出什么贡献。于是，我走上了此后25年一直在走的研究道路。

《知识分子》：在职业生涯的现阶段，你最希望用复杂性经济学或复杂性科学解决什么问题？

多因·法默：正如我前面所说，过去50年，宏观经济总量预测的准确性没有提高。如果我们能够作出更好的宏观经济预测，那将是经济学的一项重大突破。这正是我现在关注的目标。

但我们需要一步一步推进，因为目前要预测整个经济体系非常困难。我们正在尝试提高电力市场预测的准确性，这很适合用来展示这套方法的价值。如果在该领域有效，我们会进一步研究石油和天然气市场，并逐渐建立一个覆盖经济体系中整个能源生产系统的模型，细化到单个能源生产设施的层面。全球生产石油、天然气或电力的设施大约有13万个。

对这些设施有了更好的理解后，我们会继续拓展，向下游研究电动汽车、热泵等领域，向上游研究采矿，并为这些部门建立模型。

最终，我们希望能够模拟整个经济体系，更好地预测不同社会选择会带来什么结果。比如如何让经济在环境上更可持续？如何应对人工智能可能造成的极端财富集中？

《知识分子》：人工智能与基于主体的模型之间，是竞争关系，还是可以互相补充？另外基于主体的模型也会需要大量算力。

多因·法默：两者兼有。研究经济问题的另一条路径，是直接用数据训练机器学习算法。在高频金融交易、信用评分和欺诈识别等领域，数据非常丰富，AI很有用。但对于许多其他经济问题，我们没有足够的数据让它有效发挥作用。

我们正在尝试用AI辅助基于主体的建模。这类模型通常有一些可调的自由参数，因此，你建立的其实是一整组模型，需要用数据确定哪些参数更合适。

具体做法是，先让主体模型运行许多次，再利用模拟结果训练一个能够模拟它的AI模型。随后，即使只有部分信息，我们也可以借助这个AI模型推断系统的当前状态，估计参数的可能取值及其概率分布，从而改善预测。我们正在写一篇论文介绍这套方法。我认为，将两者结合是一个重要的研究前沿。

至于算力，天气预测至少已有开展大规模计算的中心，经济学还缺少这样的基础设施。这也是我成立公司的原因，希望通过商业途径为研究筹集资金。

《知识分子》：您正在研究电力市场，也计划拓展到其他与能源转型相关的领域。在研究和预测过程中，有哪些观察让你印象深刻？

多因·法默：许多人仍然低估了可再生能源转型的速度，以及它将从根本上改变能源系统的程度。特朗普显然判断错了，他押注了错误的技术。相比之下，中国的政策合理得多。

中国大幅发展太阳能，建设输电线路，将西北地区的太阳能电力输送到东南部及其他地区。中国在可再生能源领域占据主导地位，我认为，这也意味着它将主导未来的能源系统。

化石燃料的成本与100年前相比没有什么变化，太阳能成本却已经下降了几个数量级，而且这一趋势并没有停止（编者注：2010年，法默与合作者就在《自然》上预计，到2020年，太阳能发电成本将低于煤电）。太阳能和电池将使能源比以往任何时候都更便宜。中国押注这个方向，会获得回报，也会在世界上处于非常有利的位置。

作为一个美国人，看到我们的政府押注错误的技术，令人沮丧。20年后，这些技术也许不会完全消失，但可能只在一些特定领域发挥作用。