本网讯（通讯员 陈翔）9月7日晚上，台湾大学管中闵教授做客数量经济学国际论坛暨前沿系列讲座（十六），在游艇会线路检测中心报告厅作题为“The Future of Econometric Research”的主题报告，为经济学院2017级硕士研究生新生带来开学第一课。

经济学院院长张建华教授代表全体师生对管中闵教授的到来表示感谢与欢迎并赠送学院纪念品。

讲座开始，管中闵教授首先解释自己对计量经济学的认识。他认为，计量经济学在经济学领域非常重要，虽然对于计量经济学是否属于经济学还有很多争论，但无论是Cowles Foundation还是经济计量学会历史上第一个华人会士刘大中先生，都表示经济学的最终目标是对经济行为做数量化描述。历史上获得诺贝尔经济学奖的经济学家，也都在计量经济或经济行为描述上有重要贡献。他指出，计量经济学作为经济问题的重要领域，其最终要解决经济问题，经济计量的发展虽然具有科学性，但不应该和经济问题脱离。如今环境与过去有很多不同，大数据、政府数据的公开以及大大提升的计算能力都已经改变了学者在计量方法上的研究。管中闵教授认为，未来有几个重要的研究方向：第一，降维方法，如果用传统计量方法处理大数据会产生很多变量，其模型本身就有局限，所以需要减少变量使得计量方法可行；第二，政策发展，政府数据公开产生了很多不同特性的数据，也需要新方法去研究描述特殊经济行为；第三，统计方法、文字勘探，大量网络数据导致学者们需要改进传统计量方法，从海量数据提取有效数据。他强调，无论哪个研究方向，计量方法发展不能脱离现实经济问题。

然后，他就自己最近两个研究课题具体阐述自己的认识。第一个课题是FOMC会议纪要的预测。他用文字勘探技术研究FOMC会议纪要，致力于识别经济术语和复合词汇，把关键词就美联储任务分为不同话题——最大化就业、稳定物价、长期利率调节，利用情绪因子研究美联储对每个任务的态度。他研究了1993年至2016年期间192份会议纪要，识别5770个经济术语和复合词汇，用自然语言处理方法将词形还原并剔除停止单词，例如“and”、“the”等。不同语句得到不同的单词包，单词包中单词及其出现频率组成字词矩阵，他用机率式潜藏语意分析将单词分配至不同话题下，再就其表达情绪赋予每个单词正负性，分话题按照时间顺序作图。研究发现，在不同时期下FOMC对不同话题的态度是不同的。在Greenspan时期，FOMC主要关心长期利率调节问题，在Bernanke时期，金融危机发生后，美联储提出量化宽松，FOMC主要强调稳定物价和最大化就业，并一直持续到最后一个时期。如果对数据进一步做回归分析，可以发现在不分话题的情况下，FOMC会议纪要系信息对失业率、工业指数等有一定的解释力；而在分话题的情况下，FOMC会议纪要信息对失业率、工业指数、物价等在不同话题下提供不同的信息。他目前仍在尝试用计量方法深入研究问题。

第二个课题是经济体的连结性。管中闵教授表示，过去关于经济体的研究都只关注了主要的经济体和主要的市场，没有关注小经济体，因为把小经济体考虑到研究中，模型会非常复杂，可操作性不大。如今世界上最大两个贸易体是中国大陆和美国，在世界经济危机之前，世界经济增长贡献主要来自美国和欧盟，金融危机之后中国大陆的贡献逐渐接近先进经济体的影响力，成为世界经济增长主要的动力来源，日本影响力逐渐减弱。在此期间，小经济体如何受大经济体影响以及其主要影响来自哪一个大经济体是他关注的重点。他选取四个大经济体——美国、中国大陆、欧盟和日本，以及八个小经济体——印尼、印度、韩国、菲律宾、新加坡、台湾、泰国和马来西亚作为研究对象。但从多年来贸易变化可以看出，2010年以来，中国大陆在亚洲影响力已经逐渐接近日本和美国，但如果仅仅关注贸易量会遗漏很多重要信息，也无法反映其附加价值。他借用Diebold和Yilmaz的方法用广义方差分法计算成对方向连结性，用广义脉冲响应函数预测调节亚洲小经济体。具体做法是创建小型VAR模型，只关注某一个小型经济体受到四大经济体的影响，其他小型经济体以贸易量为权数加权求和组成新经济体。研究发现2011年至2015年，受国际经济影响最多的是马来西亚，最少的是印度，结果与纯贸易量研究结果有差异。其中美国对马来西亚、台湾、新加坡和泰国影响最大，中国大陆对印度、印尼影响最大，欧盟和日本对菲律宾影响最大。在预测调节中，中国每变动1%，印度和印尼受到影响最大，美国每变动1%，韩国、马来西亚、菲律宾、新加坡、台湾和泰国受到影响最大，但中国大陆和美国都对台湾产生超过1%的影响，说明这两大经济体对台湾都有重要影响。

最后，管中闵教授总结，在计量经济研究中，专业知识和数据处理都很重要，但最重要的还是对经济问题核心的把握，能够刻画经济行为使得计量方法的改进和经济研究产生价值。从几种有影响力的书刊来看，Journal of applied econometrics近年来影响力增长巨大，也说明对实际问题的研究已经在经济研究中占有重要的位置。

讲座结束，管中闵教授与在座师生进行交流，解答师生们提出的问题。对于机器学习研究文字勘探是否缺少弹性的问题，他解释文中词汇存在反语是整个文字勘探中的困难，但从词本身来看，其正确辨认的可能性是提高的，因为不存在整段是都反语的情况；对于未来更倾向于哪种研究方法的问题，他指出经济研究不局限于某种研究方法，无论使用哪种研究方法都应该联系实际问题，旨在描述经济行为；对于自然语言处理方法在中文上可行性的问题，他表示中文识别是可行的，但网络数据处理比较麻烦，他的团队考虑建立自己的数据库；对于深度学习可能对未来研究方法产生冲击的问题，他提出从工具角度，不论是深度学习还是某种统计方法和计量模型，其工作方向都是一样的，机械性做法可能对计量研究有重要贡献，但经济学知识对于经济问题的解释还是有重要作用，经济学人有责任寻找经济学知识助力经济问题研究的方法。

管中闵，美国加州圣地亚哥分校经济学博士。历任美国伊利诺大学香槟分校经济系助理教授、副教授。台湾大学经济系专任教授，台湾“中研院”院士、世界科学院院士，台湾大学人文社会高等研究院院长。管中闵教授曾担任Journal of Econometrics、Statistica Sinica、Econometric Reviews等国际权威学术期刊的副主编，并在Econometrica、Journal of the American Statistical Association、Journal of Econometrics等国际权威学术期刊发表论文几十篇。管中闵教授的研究领域涵盖计量经济理论、时间序列分析、经济预测和应用财务等。