下载掌阅APP，畅读海量书库
立即打开
作为经济数据的主要使用者，企业经理、投资者和政策制定者面临的主要难题之一是，如何将当前的月度或季度数据纳入历史背景加以考察。除非人们能了解过去年份中失业与经济上升和下滑的关系（失业是领先还是滞后于经济变化），否则为什么要关注当前的失业报道呢？然而，揭示上述关系需要考察几十年的数据，涉及的时间很长，足以涵盖几个经济周期。正如本书阐述的内容，解决上述问题的关键在于精心构建图表，使之有助于确定某个经济序列是否在多年中一直领先于另一个序列，而且在未来也可能如此。
具有讽刺意味的是，大多数经济信息的表述方式也许是妨碍人们理解这些信息的罪魁祸首。当电视和电台（以及许多读物）单纯用文字表述经济信息时，历史背景资料全部被遗漏了。即使读者能够从报刊或杂志上获得一些包含数据图表的信息，但由于受版面限制，这些图表往往不能给出数据序列的长期关系，以至于难以判断这些关系在长期内是否保持一致。
为了能在恰当的背景资料中评价最近的经济状况，我们必须把当前数据与近几十年的数据融合在一张图表上，使其具有很强的可读性。这样做很容易实现，因为这只需要一台普通的个人电脑、Excel或其他可用的数据处理软件以及能查阅所需数据的免费网站。
一些人认为可以利用计量经济分析（econometric analyses）得到更准确的分析结果。经济学家通常依靠这种复杂的计算机统计分析方法，追踪尽可能多的变量及其变化，并为这些变量建立关系式来预测经济序列的未来发展。然而多年来，通过观察计算机模型的预测结果，我认为这类数据模型缺少相应的灵活性、不易调整，而且计算机处理后的数据与现实脱节，这些缺陷降低了模型在经济预测上的有效性，抵消了计算机智能应有的优势。事实上，这些模型使经济学家忽略了经济中关键的因果关系。除非我们每周和每月都积极主动地“理解”这些因果关系，否则就会失去大部分数据所带来的价值。
这样，得出如下结论就是水到渠成的：如果近些年计量经济建模在本质上得到了长足发展，而商业人士和投资者发现，在最近几个经济周期中计量经济模型的确比过去更能准确地预测经济走势和拐点，那么他们一定会依靠这些计量经济方法去预测，然而现实并非如此。此时，我想到了经济学家保罗·萨缪尔森——一位诺贝尔经济学奖得主说过的一席话：
回想多年前，那时我20岁，我已经感觉到计量经济方法所取得的巨大进步。即使没有预见到计算机时代的到来及其引起的计算成本大幅度下降，我也希望计量经济学的兴起能够帮助我们降低经济理论中的不确定性……不过我承认，我的这个想法并没有实现。虽然我们可以考察数以千计的月度或者季度时间序列，这些序列的时间长度最少能达到几十年甚至上百年，但是研究表明，仍然不能让所得的近似结论与客观事实十分接近。我从没有忽视过计量经济学的研究，但失败的经验告诉我，不能完全相信计量经济分析的结论。这导致一些经济学家发展新的计量经济分析来修改现有的模型……但是客观地说，我们不应过分关注计量经济学的研究发现，而应关注可验证的事实。 2
简言之，近几十年来，经济预测（包括不断涌现的大量计量经济学研究成果）遇到的挫折有增无减。但正如计算机没能创造出更美妙的音乐、设计出更受欢迎的汽车、给出更专业的投资建议，计算机同样没有证明其具有预测经济走势的能力。
正是由于上述原因，我着手开展一项工作，即设计一种简明的图表，以追踪我希望得到的、关键经济数据序列间清晰的因果关系。这样做的目的是弄清楚，能否确定A领先B而B又领先C，如果是这样，能否把监测A作为预测C的基础。这也就是经济中“谁领先谁”的问题。我很高兴发现这实际上是可行的。