本章是一个导论，讨论了本书其他章节的诸多主题。本章的目的是为复杂经济学提供一个框架。复杂经济学建立在经济不一定处于均衡状态这个基本命题的基础之上。经济主体，如企业、消费者、投资者，不断改变自己的行为和策略，以便对他们共同创造的结果做出反应，而且这种反应进一步改变了结果，这又需要他们重新进行调整。因此，经济主体生活在这样一个世界里，他们的信念和策略要不断地接受结果或“生态”的检验，而这种结果或“生态”正是这些信念和策略一起创造的。

以往的经济学在很大程度上回避了如上这种非均衡观点，但是只要我们接受它，就可以观察到标准的均衡分析中无法观察到的模式或现象。这些模式或现象以一定概率出现，持续一段时间后可能会消散，并且在经济的“中观层面”上，即微观层面和宏观层面之间发挥作用。我们还认为，经济并不是给定的、一成不变地存在着，而是在一系列技术创新、制度和安排的不断发展中形成的，这种技术创新、制度和安排还会引出进一步的技术创新、制度和安排。因此，在复杂经济学看来，经济是运动着的、永远在“计算”自身的。或者说，经济无时无刻不在重新构建自身。均衡经济学强调秩序、确定性、演绎推理和静态分析，而复杂经济学则强调偶然性、不确定性、理解（即意义建构）和对变化的开放心态。

本章是专门为本书撰写的，它的基础是我于1999年发表在《科学》杂志上的论复杂性与经济的文章。当时，我正在帕洛阿尔托研究中心的智能系统实验室做外聘教授。在此，我非常感谢罗南·阿瑟（Ronan Arthur）、理查德·布朗克、戴维·科兰德、多因·法默、玛格达·丰塔纳（Magda Fontana）、奥利·彼得斯（Ole Peters）、戴维·赖斯曼（David Reisma）和威廉·塔布（William Tabb）等人的宝贵意见。

*　*　*

在过去的25年间，一种与以往的经济学有着全然不同的经济学观点的复杂经济学，逐渐诞生并缓慢地发展起来了。复杂经济学认为，经济不一定会处于均衡状态；在经济学中，计算与数学同样非常有用；在同一种经济状况下，既有可能出现收益递增，也有可能出现收益递减；经济不是给定的、一成不变地存在着，而是在一系列制度、安排和技术创新的不断发展中形成的。在很大程度上，复杂经济学的研究起源于20世纪80年代后期的圣塔菲研究所。不过，现在对复杂经济学进行研究的学者已经非常多了。 复杂经济学也引发了不少疑问。例如，复杂经济学这种不同的思考经济问题的框架能为我们带来什么，它怎样才能发挥作用，又适用于哪些领域？复杂经济学会不会取代新古典经济学，又或者它会不会融入新古典经济学？如果存在一种逻辑框架的话，复杂经济学是如何在这种框架下发挥作用的？

本章的目的就是来回答上述问题，尤其是最后一个问题的。为了达到这个目的，我在本章中要完成的工作，不是对复杂经济学进行综述，也不是提供一份“复杂经济学导游图”，而是要给出一个思考这种新经济学观点的框架，一个连贯的逻辑框架。首先，我将论述复杂经济学的若干基本原则；然后，我将在我自己以前发表的两篇文章，以及其他一些学者研究的基础上，阐明复杂经济学的核心要点。

在本章中，我将证明复杂经济学绝不仅是标准经济学的延伸，也不只是标准经济学模型再加上基于行为主体的行为。复杂经济学以一种全然不同的方式看待经济，给出了一个完全不同的图景。在这个图景中，行动和策略是不断进化的，时间变得至关重要，结构不断形成且不断重组，标准的均衡分析中不可见的现象将浮现出来并得到研究，介于微观层面和宏观层面之间的中观层面也是非常重要的。与新古典主义理论中的世界相比，复杂经济学中的世界更接近于政治经济学中的世界，那是一个有机的、进化的、充斥着历史偶然性的世界。

经济与复杂性

接下来，我们先来讨论经济本身。经济是一个庞大而又复杂的，由各种各样的制度安排和行为构成的体系。在经济这个体系中，不同的行为主体，如消费者、厂商、银行、投资者、政府机构，从事着各种各样的活动，如买卖、投机、贸易、监督、生产产品、提供服务、对公司投资、制定策略、探究、预测、竞争、学习、创新，以及调整适应，等等。用现代术语来说，经济就是一个有着无比庞大的并发行为（concurrent behavior）的并行系统（parallel systems）。市场、价格、贸易协定、制度和产业，全都形成于这些并发行为中，并最终形成了经济的总体模式或聚合模式（aggregate pattern）。

一种历史悠久的、可以追溯到亚当·斯密时代的经济学观点认为，这种总体模式形成于个体行为，而个体行为反过来又会受到这种总体模式的影响。这里存在着一个递归循环，正是这种递归循环使经济具备了复杂性。复杂性科学研究系统中相互作用的要素如何生成整体模式，以及整体模式反过来又如何导致这些要素发生变化，或导致这些要素调整以适应整体模式。复杂性并不是一种理论，而是一种科学运动。例如，我们可以研究大量单个汽车在行驶中如何共同形成了某些交通模式，这些模式反过来又如何影响单个汽车的位置。复杂性是关于结构形成的：结构是如何形成的，这种结构形成又是如何影响和导致客体的生成的。

从复杂性的视角出发去研究经济或经济中的某些领域，就意味着要探究经济是如何进化的，也就意味着要深入详细地研究个体行为主体的行为，是如何共同形成某种结果的，以及这种结果反过来又是如何改变他们的行为的。换句话说，从复杂性的视角出发，要研究的是个体行为者如何应对其行为共同创造出来的模式，以及这种模式是如何实现自我调整的。通常来说，这是一个难度很大的问题。这就要求我们探究一个过程是如何从多个行为主体的有目的的行动中生成的。也正因为如此，历史上早期的经济学，采用了更加简单的、便于进行数学分析的方法来处理各种经济问题。这种更加简单的方法，要探究的不是行为主体如何应对他们的行为所形成的总体模式，而是什么样的行为，如行动、策略、预期是能够被这些总体模式所支持的，或者说是符合这些总体模式的，或者说是与这些总体模式相一致的。

以往的经济学要探究的是，何种模式不需要微观行为做出改变，何种模式将处于静止状态或均衡状态。比如，一般均衡理论要研究的问题是，被生产出来的商品的价格和数量，和被消费掉的商品的价格和数量如何做到一致，才会符合各个经济市场的价格和数量的总体模式，因而行为主体也就没有受到激励去做出改变。又如，经典博弈论要研究的问题是，在给定博弈对手可能选择的策略、行动和资源配置的情况下，一个行为主体根据某种判断标准，应该选择什么样的策略、行动和资源配置，才是最优的行动选择。再如，理性预期经济学要研究的是，什么样的预期符合所有这些预期共同创造的结果，或者说平均而言能够被所有这些预期共同创造的结果所验证。

这种便捷的均衡理论，不失为研究经济模式的一种自然方法，同时也为数理分析留下了用武之地。利用这种方法来推进经济学研究无疑是可以理解的，甚至可以说是适当的，而且该方法也确实带来了累累硕果。这种方法的核心理论建构是一般均衡理论。它不仅在数学上是严谨的，而且还通过对经济的建模，使我们得以在心智上对经济进行重构，从而给了我们一种刻画经济的方法，一种全面理解经济整体的途径。这一点无疑是极其有价值的。除了一般均衡模型之外，其他理论，如厂商理论、国际贸易理论和金融市场理论的均衡模型，也都是非常有价值的。

不过，这种“均衡建模法”也不是没有代价的。许多经济学家都不认同这种均衡建模法，以及在它基础上形成的新古典经济学理论，理由是它假设了一个理想化和理性化的世界，这扭曲了现实世界，而且为这个世界所选定的基本假设也往往只是为了便于分析。 我本人也持同样的反对意见。正如许多其他经济学家一样，我也赞赏新古典经济学的美好，但在我看来，新古典经济学的理论建构过于纯粹、过于脆弱了，必定会在现实世界面前碰个头破血流。新古典经济学生活在一个有序、静态、可知、完美的柏拉图式的世界当中。在这个世界里，现实世界的模糊不清、混乱无序和真实多变是完全不存在的。

当然，所有杰出的经济学家都非常清楚，现实世界中的经济远比新古典经济学世界中的经济更加丰富多彩。有人或许会认为，我们可以这样做，一方面坚守均衡概念作为我们思考经济问题的基础，同时在另一方面，通过经验和直觉来填补更加丰富的现实内容。但是，这还远远无法令人满意。如果我们预先假定经济是均衡的，那么就等于设置了一个过滤器，我们就无法观察到经济中的很多现象。这是因为均衡本身的定义就决定了，均衡的经济没有改进或进一步调整的余地，没有探索和创造的空间，也没有任何暂时性现象的存身之地。在均衡理论中，任何可以在经济中带来改变的东西，如适应、创新、结构变化及历史本身，都会被绕开或被忽略。由此而产生的新古典经济学，也许算得上一个完美的理论建构，但是它缺少真实性、活力和创造力。

那么，如果“允许”经济学考虑更多的可能性，并且能够研究行为主体如何应对他们共同创造的模式，又会怎样呢？这会不会使一切都变得有所不同呢？到时候我们又将会有什么样的发现呢？

内生的非均衡

首先要指出的一点是，只要我们探究“行为主体可能如何应对”这样一个问题，其实就已经隐含地假定经济是非均衡的了。这是因为，如果新的应对方法是可能的，那么这些方法就会改变结果，所以由定义可知，这不可能是均衡的。接受过良好的新古典经济学训练的经济学家，可能会对非均衡假设持反对意见，因为标准经济学理论认为非均衡情况在经济中无足轻重。萨缪尔森在1983年就曾经说过：“那么不稳定的非均衡状态，即使真的存在，也必定只是暂时的、非持久的状态……读者诸君，你们几时曾见过竖起来的鸡蛋呢？”

这些经济学家明确地告诉我们：均衡就是经济的自然状态。

但是，我认为事实并非如此，绝对不会如此。我敢肯定，非均衡状态才是经济的自然状态，因此经济始终处于变化当中。这不仅是因为经济总是面临着外部冲击或外界影响，而且还因为非均衡本身就产生于经济的内部。内生的非均衡的出现，主要出于两个原因，第一个原因是根本的不确定性或奈特意义上的不确定性，第二个原因是技术创新或技术变革。下面让我们依次来阐述。

第一个原因是根本的不确定性。经济中所有关于选择的问题都与未来发生的事情相关，这些事情既可能马上就会发生，也可能过段时间才会发生。因此，经济中的选择问题，必定在一定程度上与未知的事情相关。在某些情况下，行为主体拥有充分的信息，或者能获取可能会发生的事情的准确概率分布，但是在很多其他情况下，即在绝大多数情况下，他们并不拥有这些信息，甚至根本不知道这些信息，也无法估计出概率分布。 例如，我可能会选择某一种新技术进行风险投资。在刚开始时，我可能完全不知道这种技术会不会成功、公众对它的接受程度如何、政府会对它进行怎样的监管，也根本不知道会不会有人把同类产品引入这个市场。然而，我必须有所行动，因为我对相关的情况，即根本的不确定性完全一无所知，所以所谓“最优”行动根本就不存在。当其他行为主体也参与进来时，情况会变得更糟。在那种情况下，这种不确定性就会自我强化。如果我不清楚具体情况，我只能认为其他人也不清楚。我不仅必须形成自己的主观信念，还必须形成有关主观信念的主观信念，而且其他行为主体也必须这样做。由此，不确定性带来了更进一步的不确定性。

当然，我的这个观点并不是一个新观点。其他经济学家，尤其像沙克尔（Shackle），已经撰写了大量论著论述这一点。只有将这个观点理论化，才能显示出重要的理论意义。当我们无从得知结果是什么时，它所带来的决策问题是无法清晰明确地加以界定的。问题本身都未能在逻辑上界定清楚，针对这些问题的原由也就不可能有一个合乎“逻辑”的解决方法，因此理性，即纯粹的演绎理性（deductive rationality），也不可能得以明确地界定。在这种情况下，演绎理性不仅只是一个糟糕的假设，而且它本身根本就不可能存在。也许有可能存在聪明的行为、合乎情理的行为，也许可以存在富有远见的行为，但是从严格意义上来说，根本不存在合乎演绎理性的行为。因此，我们不能假设这种理性。

当然，所有这些并不意味着人们面对经济问题时束手无策、寸步难行，也不意味着人们不会做出选择、采取行动。行为经济学告诉我们，情境往往决定了人们如何决策，也无疑让我们直接利用它来“替我们发现”结果。此外，认知科学也告诉我们，如果某个决策很重要，那么人们有可能会摆脱当前情境的影响，他们会努力通过推断、猜测，以及利用过去的知识和经验去分析这个决策。他们会发挥自己的想象力，尽可能地预测未来，并以此为依据来做出决策。确实，正如沙克尔所指出的，“每个人都会发挥自己的想象力，努力想象未来的样子，这种想象过程是其决策过程中一个至关重要的组成部分。”依据沙克尔等人的这种洞见建立决策模型的一种方法是：假设行为主体对自己身处的环境形成了某种个人信念或假设，也有可能是一系列信念或假设，即内部模型，并且不断地对他们的信念或假设进行更新。这也就是说，当他们在探索时，他们以此为依据不断对自己的行动和策略进行调整、舍弃和替换。 总之，他们是在利用归纳不断前行。

这种探索行为的不断实现，导致了经济中永恒存在的布朗运动。由于行为主体的探索、学习及适应，经济永远都处于破坏性运动之中。正如我们将会看到的那样，这些破坏性运动会被放大，成为显著的现象。

破坏性运动的另一个动力是技术变革。大约在100年前的1912年，熊彼特提出了一个著名的观点，他指出“经济体系中存在着一种力量，这种力量能够破坏任何可能达至的均衡”。这种力量来源于“生产方式的新组合”，我们现在称之为技术的新组合。经济学并没有否认这一观点，但是它必须假设经济均衡能够不时地进行调整，以适应外界的变化。

然而，这种技术力量的破坏性很强，远远超出了熊彼特所设想的范围。新技术需要更多的其他新技术来支持。例如，在人们发明了电脑以后，电脑就需要或“要求”更强大的数据储存技术、计算机编程语言、计算算法及固态开关设备，等等。而且，新技术也为其他新技术的出现创造了条件。举例来说，真空管的问世，使得无线电的传送和接收、广播、继电器电路、早期计算机以及雷达等技术的出现成为可能，或者说它为后来的这些技术提供了“供给”。同时，这些新技术反过来又催生了对更新技术的需求和供给。由此可见，一项新技术并不是只会使均衡受到一次性的破坏，相反，新技术永远都是更新技术的创造者和需求者，而且这些更新技术本身，也需要创造出比自己更新的技术。我要再次提请读者注意这个过程自我强化的性质。由此而导致的结果并不是偶发性的破坏，而是持续性的、一浪催生一浪的破坏大潮。在整个经济中，这种破坏并行出现，在所有维度上同时发生。技术变化会内生地、不断地创造出更进一步的变化，从而使经济处于永远的变化之中。

从时间维度来看，技术的破坏性影响发挥作用的速度，要慢于纯粹源于不确定性的布朗运动。但是，技术的破坏性影响会导致更大的剧变。技术的破坏性影响本身，也会带来进一步的不确定性，因为各行各业，如工商界和产业界，根本不可能知道下一步进入自己领域的技术会是什么。因此，不确定性和技术这两个因素，都会导致这样一个现象：行为主体没有任何确定性的方法来做出决策。

现在，一种全新的看待经济的方法正在崛起，它不同于标准的均衡性经济学方法。由于在经济中，不确定性和技术变革无所不在，而且毫无疑问，它们二者渗透了经济的各个层面，行为主体必须探索着前行、“学习”自己面临的决策问题并对出现在眼前的机会做出反应。在我们所处的世界里，行为主体的信念、策略和行动创造了某种状态、结果或“生态”。而与此同时，行为主体的信念、策略和行动，都要接受这些状态、结果或生态的“检验”。再者，更加微妙的是，行为主体进行的探索，还会进一步改变经济本身以及行为主体所面对的环境。因此，行为主体不仅要面对自己试图解决的问题，而且他们在解决问题过程中的每一个行动，合起来还会改变当前的结果，这就要求他们必须再次做出调整。换句话说，我们处在一个复杂的世界当中，这种复杂性与非均衡有着密切的联系。

建立非均衡状态下的理论

面对内生的非均衡，我们应该怎么办呢？如果庞大的经济一直随着行为主体的活动处于“沸腾”之中，借用熊彼特的一句话，那么我们要处理的似乎就是一种“无法纳入分析范围的混沌”。面对这个难题，以往的标准经济学的态度可以用两个成语来描述：束手无策和退避三舍。但是，如果我们决定不步标准经济学的后尘，并且我们坚定自己的立场，认真对待非均衡问题，那么我们必须怎样做才能继续向前呢？我们能够得出一些有用的结果吗？我们会有什么样的发现呢？当然，首先要回答的一个问题是，在非均衡状态下进行理论化建模意味着什么。

有一种观点认为，经济的很多组成部分可以被视为处于近乎均衡的状态，对于它们，标准理论仍然是适用的。同时，对于经济的其他组成部分，则可以将它们视为处于暂时偏离了最具吸引力状态的状态，仍然可以研究它们向这个最具吸引力的状态收敛。但是，这种观点仍然把经济当成了一台高度平衡、能够自动调整的机器，认为它只会暂时偏离均衡状态。固守这种观点，只会使我们既不能了解经济在均衡状态之外的表现，也不能刻画经济在非均衡状态下极具创造力的一面。

研究非均衡经济的一种更好的方法是，研究经济的各种“当前状况”。正是在这些当前状况中，形成了决定未来事件或事物的那些条件。经济是一个系统，而且这个系统中的各个元素，都会根据“当前状况”来不断更新自己的行为。 如果采用另外一种更加正式的说法，我们可以说，经济就是一种持续的“计算”（computation）。这是一种极其庞大的分布式计算，也是一种大规模的并行计算，而且这种计算是随机的。 这样一来，经济就可以视为一个以一系列事件为序不断进化的系统。从这个角度来看，经济是有算法规则的。

虽然以这种方式看待经济有一个风险，有人可能会说，这只是为了迎合科学的当代潮流。但是基于这种思想，我可以阐明一个很重要的观点。让我们暂且假设我们掌握了经济的算法，或者更进一步地说，假设自己就是拉普拉斯（Laplace）或“上帝” 那样的人，在我们掌握的经济或感兴趣的某个经济领域中，“采取”下一步行动时，所要遵循的数量庞大但总数有限的各种具体机制。有关计算的一个基本定理告诉我们，一般来说，如果我们随机选择了某种算法，是没有方法，或者说没有系统的解析方法能够提前算出该算法或电脑程序是否会终止，而不是永远持续或循环下去的。因为我们只能规定，如果某种算法的输出，符合一组特定的数学条件或得到了某个给定的“解”（solution）就终止计算，那么一般来说，我们并不能确定这种算法是否合适。总之，没有任何解析方法能够提前确定某种给定的算法是否合适。 我们所能做的，无非是按照算法计算下去，然后看看它会带来什么结果。如果某个算法足够简单，我们还是经常可以观察到，它会带来某种特定的结果。但是，当我们不能决定算法的结果时，算法就不必过于复杂了。

因此，我们必须更加谨慎一些。对于一个高度互联的体系来说，均衡或闭合解（closed-form solution）都不是缺省结果。而且，如果均衡或闭合解是确实存在的，那么必须解释它们存在的理由。从计算的角度思考这些系统，并不意味着我们有意回避解析分析，严格地说，解析分析是非常必要的。我们经常要对非均衡系统的定性特点进行很多非常有用的预分析，以便更好地理解它们背后的机制。然而，在研究非均衡系统的结果时，唯一准确的方法仍然是计算。

现实经济背后的算法并不是随机选择的，而是高度结构化的。因此，一种可能出现的情况是，现实经济的“计算”总是会得到非常简单的结果；另一种同样可能出现的情况是，现实经济的计算也总是无序的、无定形的。在我们所研究的经济领域内，通常不会出现这两种情况。尤其是在有强大的抗衡力量发挥作用的情况下，我们经常可以观察到一些大型结构，即一些与均衡不严格对应的吸引域。在这些吸引域内或当不存在吸引域时，我们也能观察到某些机制，它们会造成某些不是随机产生或消亡的现象、子模式或子结构。对此，我们可以用物理学中研究的太阳来进行类比。从远处看，太阳是一个由气体组成的巨大球体，而且是一个处于均衡状态之下的球体。但是在这个“均衡”的内部，还存在着一些强大的机制，它们引起了许多动态现象，如巨大的磁环和磁拱、冕洞、X射线耀斑，以及最高时速可达7.2×10 ⁶ 千米的等离子射线大规模爆发等。太阳这个巨型“气球”确实呈现为一个松散的球体，但是它从来都没有处于均衡状态。相反，它一直处于不断的运动之中，这种运动源于更早之前的扰动，而且它破坏了达到均衡的可能性。这些现象都是局部的，并且能够发生在各种维度上。再者，这些现象都是短暂的，它们的出现、消失和互动，从时间上看都是相当随机的。

我们在经济中也经常可以观察到类似的情况。要建立非均衡状态的理论，就是要揭示那些起作用的大吸引子（如果它们真的存在的话），同时还要研究其他子结构或现象，这些子结构或现象可能因大吸引子的特点和行为而出现。我们可以利用精心设计的计算机实验来做到这一点，通常是对结果进行统计分析，从而将各种现象及导致这些现象的机制识别出来。在很多情况下，我们可以为某种现象建立一个较简单的“玩具模型”（toy model），该模型应该能够刻画该现象的基本特征，并允许我们利用数学理论或随机理论来研究这种现象。但是要记住，研究的目标并不一定是要给出确定的方程式或达到某些必要条件，相反，正如所有的理论一样，我们的目标是获得一般性观点。

接下来，让我们通过一个真实的、利用计算机完成的非均衡研究，来将上述要点融合起来。这是一个经典案例。

1991年，克里斯蒂安·林格伦（Kristian Lindgren）设计了一个在计算机上进行的锦标赛。在这个锦标赛中，各种策略随机配对，进行重复的囚徒困境博弈，以便分出高下。在这里，我们不必考虑囚徒困境博弈的细节，而是直接把它视为一个有一系列指定策略的简单博弈。所谓博弈策略，就是指给定对手最近采取的行动，另一方应该如何行动。如果某个策略带来的结果很好，那么就重复该策略并进行策略突变；如果某个策略带来的结果很糟糕，那么该策略就会被移除。林格伦允许博弈参与者拥有对另一方和自身最近采取的行动的深层记忆，从而可以“深化”策略。这样一来，用我们在这里采用的术语，就可以说这些策略在“探索”策略空间。如果策略不是很成功，那么就可以进行改变和调整。林格伦发现，在锦标赛开始之初，简单策略，如“一报还一报”策略是占优策略，但是过了一段时间后，“更深层”策略出现并战胜了原来的简单策略。随着时间的推移，又出现了能够“剥削”以前更深层策略的更加深层的策略，这个过程是在相对稳定期间和动态不稳定期间的相互交替中完成的（如图1-1所示）。

这个锦标赛的动力学机制十分简单，因此林格伦可以将它们用一些随机方程式描述出来。但是，这些随机方程式不能说明全部情况，我们必须通过计算来搞清楚到底会发生什么。在计算过程中，我们发现涌现出来的是一个 生态 ，即一个“策略生态”。每种策略都试图利用某个环境，在该环境下求得生存，而且该环境就是由该策略本身以及其他策略在努力利用环境、寻得生存时所创造的。这个生态就是一个微型的“生物圈”，在这个生物圈中，各种新物种（即策略）不断涌现出来，在现有各物种所创造的环境中探索求生，如果遭到失败，这些失败的策略就无法生存。这里需要提请读者注意的是，这个生物圈中当然也有进化，但这种进化并不是从外部引入的，而是在各种策略为生存而竞争的自然趋势中发展出来的。这种观点在复杂经济学这种类型的经济学中是很常见的。复杂经济学中的“解”，是一个由相互竞争的多种策略、行为或信念组成的生态系统。这个生态系统是不断变化的，它拥有自己的特性，对它可以进行定性研究和统计研究。

在林格伦的这项研究中，每一轮计算的结果都各不相同。不过，在经过多轮计算之后，终于出现了一个进化稳定策略，那是一个复杂的策略，它依赖于对过去四期行为的记忆。而且，在其他各轮锦标赛中，这个系统仍然持续不断进化。在某些轮次中，我们观察到复杂的策略很快就出现了，而在另外一些轮次中，复杂策略则很迟才出现。尽管如此，这个锦标赛中还是存在一些不变的东西，如策略之间的共存现象、新策略的开发、自发涌现的互利主义、忽然发生的崩溃、静止状态和不稳定状态之间的交替变化，等等。这些情况与古动物学上的图景何其相似！

我在这里将林格伦这项研究称为非均衡经济学研究的一个样板。有的读者可能会心生疑虑：对一个在计算机上进行的研究，怎么可以算是经济学研究呢？这种研究与建立非均衡状态下的经济学理论，有什么关系呢？这看上去一点也不“数学”。对于这种疑问，我的回答是理论绝非全由数学构成。数学无非是一种技术、一个工具而已，尽管它看上去比较精确、比较复杂。理论不同于数学，理论就在于发现、理解并解释世界中存在的现象。数学只是为这个理论化过程提供便利，当然这是一个很大的便利。重要的是，计算也能起到同样的作用。

当然，计算与数学也有不同。利用数学模型时，我们可以通过方程一步一步地论证，并找到问题的解必须满足的条件，计算却不能做到这些。 计算也有自己的长处。它的长处不但能补偿它的不足，还可以让我们看到均衡数学无法看到的现象。通过计算，我们能在不同的条件下重新得到结果，在结构出现或没有出现时进行探索，确定潜在的深层机制，层层递进地简化现象，提取现象的根本信息。换句话说，计算是思想的助手，在这一点上，它与经济学早期发展中所运用的其他辅助工具没有什么区别。线性代数、微积分、统计学、拓扑学、随机过程等辅助工具，在当时都曾经受到过抵制。计算机已经成了研究经济学的一个实验室，如果能够熟练地、有效地利用计算机，它可以成为一个强有力的理论创造器。

所有这些都指向一个新的前进方向，即以非均衡视角来研究经济的方向。我们可以将经济或我们感兴趣的部分经济领域视为行为主体的策略、预测和行为不断变化的结果。对于这些经济领域，以及经济学中的一些经典问题，如代际转移支付、资产定价、国际贸易、金融交易、银行业务等，我们都可以通过建立模型来研究。只不过在我们的模型中，要研究的不只是行为主体在均衡状态下做出的应对，而是行为主体在所有情况下做出的应对。我们的模型有时也可以借助于数学来进行分析，但是许多时候只能借助于计算，当然有时需要同时借助于这两者。我们不仅希望找到均衡的条件，我们还想理解结果的形成以及结果的进一步发展，解释经济中出现的所有动态现象。

三种典型的非均衡现象

那么，在非均衡状态下会出现什么现象呢？这些现象同非均衡与复杂性有什么关系？接下来，我将依次对这些问题展开分析。在研究非均衡经济中可能出现什么模式和结构之前，我们不妨先来看一下，均衡这个过滤网下的模式与我们所见的模式之间有什么不同之处。为了说明我们的观点，下面先考虑一个简单的交通流量模型，尽管它与经济的关系似乎不是那么紧密。

一个典型的交通流量模型通常都会承认这一点：当一辆车与前面的车辆离得很近时，该车应该减速；与前面车辆相距很远时，该车应该加速。如果给定某个较高的交通密度，例如每千米有 N 辆车，那么就意味着车辆之间有一定的平均间距，车辆应该放慢车速或提高车速，以便与之相适应。这样一来，也就在不经意间出现了一个均衡速度，如果我们希望得到的解只限于均衡状态，那么我们就只能看到这种模式。在现实生活中，当交通密度较高时，往往会出现非均衡现象。有些车辆会放慢速度，因为司机可能注意力不够集中或受到了干扰，而这就会导致它们后面的车辆随之减速，从而立即压缩了交通流量，并进而导致后面的车辆进一步减速。随着这种压缩不断向后蔓延，交通就会受阻，交通堵塞就出现了。然后，等过了一段时间之后，交通又会恢复正常。这里需要注意三点：第一，这种现象是自发的，每次出现的时间、蔓延的长度以及恢复的时间都是各不相同的。这也就意味着很难找到闭合解，因此最好利用概率方法或统计方法来对此进行研究。第二，这种现象是暂时的，是在一定时间内出现或发生的，如果我们坚持均衡观点就不会观察到这种现象。 第三，这种现象既不是发生在微观层面上的（即单个车辆），也不是发生在宏观层面上的（即道路上的所有车辆），而是发生在这两个层面之间，即中观层面上的。

那么，更一般的非均衡经济又会是怎样一种情况呢？如果将均衡这个过滤网移走，我们会看到什么现象呢？这些现象又是怎样发生和发展的呢？接下来，作为例子，我将讨论三种非均衡现象。

第一，资产价格变动的自我强化，或者用通俗的说法就是“泡沫和崩溃”。 只要看一下圣塔菲研究所的人工股票市场，就可以了解这种现象是怎么产生的。在这个基于计算机的模型中，“投资者”是一些人工智能计算机程序。根据我们在前面已经阐述过的理由，这些“投资者”不能简单地假设或推断出某个给定的“理性”预测模型，相反，他们必须分别去发现某个有效的预期模型或预测模型。这些“投资者”会随机地创造出或发现他们自己的预测模型，试用那些有“应用前景”的预测模型，舍弃那些没有用的预测模型，而且他们还会定期地创造出新模型来替换旧模型。股票价格在这些“投资者”的买卖过程中形成，因此最终形成了行为主体的预测。这样一来，我们这个市场成了一个预测模型的生态系统，这些预测模型要么成功，要么被淘汰出局，该生态系统因而处于不断变化当中。 在这个人工模型股票市场中，我们可以观察到很多现象，而其中最主要的就是自发形成的泡沫和崩溃现象。

要想搞清楚这些现象是怎样产生的，我们可以从这个实验中提取一个简单的机制。假设我们的“投资者”之中，有人发现了如下交易预测规则：“如果股票价格在最近的 k 个交易期内上涨，那么就预期价格会在下个交易期内上涨 x %。”同时假设，有的“投资者”，也有可能就是上述这些“投资者”，发现了如下这样的预测规则：“如果当前的股票价格是基础盈利或股息的 y 倍，那么就预期价格会下跌 z %。”第一种预测可能会导致泡沫行为：如果价格上涨了一段时间，“投资者”就会买进，这样也就证实了这种预测，从而就可能导致价格的进一步上涨。到最后，当这种预测驱动价格上涨到一定高度后，就会引发第二种预测。于是，持有这些股票的“投资者”会抛售这些股票，股价下跌，这样就会终止上涨的预测，也导致其他“投资者”跟着抛售股票，最终就会致使股票崩盘。这种扰动的规模和持续时间各不相同，而且发生的时间也很随机，因此是不可预测的。唯一可以预测的是，这种扰动的现象肯定会发生，并且振动的规模大小有一定的概率分布。

第二个暂时现象是集群波动（clusted volatility）。 所谓集群波动，是指低波动期与高波动期随机交替出现的现象。在我们的人工股票市场中，集群波动表现为价格低波动周期与高波动周期的交替出现。当行为主体的预测规则在相当程度上相互一致且能够起作用时，就会出现价格低波动周期，这时行为主体没有什么动力去改变这些预测规则或这些预测所产生的结果。当一些行为主体发现了更好的预测规则（即“预测器”）时，就会出现价格高波动周期。因为这会打破整体的模式，使得其他“投资者”不得不改变他们的预测规则来重新适应环境，这就会导致进一步的扰动，以及进一步的重新适应新环境。这种模式在林格伦的研究中，可以看得非常清楚（见图1-1）。由此而导致的结果是，在一段时间内，会出现频繁的再调整或激烈的波动。在现实的金融市场数据中，这种随机的低波动期和高波动期交替出现的现象，被称为“广义自回归条件异方差行为”，即GARCH行为。

第三个现象是被我们称为突然渗透（sudden percolation）的现象。 这种现象更经常地发生在空间的维度上，而较少发生在时间的维度上。在一个网络内，当某个地方出现了可以传播的变化时，如果这个网络内部的联系比较“稀疏”，那么这个变化就迟早会因为可用的“转接”不足而逐渐消失。如果网络内部的联系很紧密，这个变化将会不断地传播下去。在银行网络中，某个银行可能发现自己持有不良资产，于是该银行就有压力去提高资产的流动性，并向作为其交易对手的银行求助。这样一来，作为该银行交易对手的那些银行也会面临压力，不得不提高自己的资产流动性，于是又向它们交易对手的银行求助。因此，不良资产问题很快就会通过“多米诺效应”传遍整个银行网络。这样的事件会造成很严重的破坏。这种问题在一些联系不紧密的网络中会逐渐消失，但是如果网络内部的互联程度超过了某个阈值，并且联系变得更加紧密之后，这些问题就会在很长时间内持续地传播，甚至渗透到整个网络。

上面的最后一个例子，让我们了解到了复杂系统的一个一般性质。通常，在复杂系统内，只有当模型中所刻画的调节强度或联系程度的基本参数值超过某个阈值或达到了某个临界水平时，一些现象才会出现。在这个关节点上，系统的整体行为会出现一种相变（phase transition）。在我们的人工股票市场中，“投资者”以一个较慢的速度搜寻新的预测规则，市场行为会“坍塌”为理性预期均衡。不同行为主体会做出同样的预测，而这些预测会使价格发生变化，价格变化的总体情况通常又会证实这些预测。在这种情况下，简单行为占了主导地位。但是，当我们的“投资者”搜寻新预测规则的速度变得非常快且更加符合实际时，市场就会形成一种“复杂心理”，产生各种不同的预测信念。这时，各种各样的暂时现象就开始出现了。在这种情况下，复杂行为就占了主导地位。当我们继续调高“投资者”搜寻新的预测规则的速度时，个体行为就不能有效地进行调整来适应他人行为的快速改变，于是混沌行为就会占据主导地位。其他的一些研究也发现了从均衡到复杂再到混沌的相变，或者从均衡到复杂再到多重均衡的相变。我认为，在非均衡模型中，一般都存在着这种相变。

现在，我们可以开始了解这种现象（如果你愿意的话，也可称其为秩序或结构）与复杂性之间有什么联系了。正如我所指出的，复杂性科学研究的是相互作用所产生的结果，它研究各种元素，如粒子、细胞、偶极、行为主体、企业等的相互作用中产生的模式、结构或现象。很明显，这种相互作用同样发生在我们上面说的这个网络案例中，不过在我们的人工股票市场中，相互作用显得更加微妙一些。只要我们的“投资者”中有一个人买入或抛售股票，这种行为就会导致股票价格发生变化，虽然也许只是非常微小的变化，但其他投资者就可能会对这种变化做出反应。在上面提到的所有三个例子中，变化都会在系统中扩散出去。

复杂性科学研究这种变化是如何“进行到底”的。或者换一种说法，复杂性科学研究的就是，这种变化是如何通过相互联系的行为扩散出去的。在银行体系中，一个银行在面对压力时，可能会将这种变化转移给与自己有联系的同伴，而这些同伴又可能将其传递给它们自己的同伴，那些同伴的同伴又可能进一步传递给它们自己的同伴……因此，在某一个节点发生的事件，可能会引发一连串级联放大的事件。这种级联事件或连锁反应，通常只会进一步对其他一两个因素产生影响，有时也会对更多的因素产生影响，只有在极少数情况下才会对很多因素产生影响。这个过程中的数学理论，是复杂性理论的一个非常重要的组成部分。该理论表明，这种事件会进一步引发其他事件，它们的传播有一些典型特征，如幂次法则（幂律，由很多小型且频繁的传播引起，只有极少数由大型且罕见的传播引起）、重尾概率分布（长程传播虽然罕见，但是仍然比正态分布所预测的更加频繁） ，以及长程相关性（事件可以长距离、长时间传播）。事实上，所有系统，包括物理系统、化学系统、生物系统、地理系统等都有这种特征，即事件可以在系统中传播。在我们上面所举的与经济相关的例子中，传播也发挥着非常重要的作用，并且也具备这些特征，这其实不足为奇。 在现实的经济数据中，这些特征也都是显而易见的。

除了这些特征之外，我们还可以观察到其他一些东西。如果从外部改变一个系统内部各因素相互作用的程度，如提高某些事件进一步引发其他事件的概率，或者增加系统内部的连接数等，系统就会受到影响。如果原本存在某种后果的话，这种后果会从轻微影响发展到严重影响，再从严重影响发展到永久影响。系统会经历一个相变。所有这些特征都是复杂性的标志。

我们终于可以说清楚，为什么非均衡与复杂性是相互联系的。经济中的非均衡现象，迫使我们去研究非均衡导致的各种变化的传播，而复杂性科学要研究的在很大程度上就是这种传播。由此可见，非均衡经济学可以适当地纳入复杂性研究的范围之内。

在这里，还需要对上述观点稍做进一步的说明。我在前面解释过的那些现象，经常会先出现在特定的历史时间或空间上，然后又消失。如果我们坚持均衡的立场，那么就无法观察到这些现象。这些现象不是局部现象，它们出现在局部网络或股票市场的某个组成中，并可能向外扩散。通常来说，它们会在各种各样的维度上发生。网络中的有些事件可能仅仅涉及很少的几个节点，而有些事件则可能会涉及整个经济系统。这些现象通常都是介于微观和宏观之间，因此我们可以恰当地称之为中观现象。 它们具有中观经济（meso-economy）的特征。

有人也许仍然会认为，这种现象是无关紧要的。毕竟，这样的系统中还隐藏着标准的均衡解，而且均衡解的有效性是最高的。对我们的股票市场模型来说，也许确实如此，因为没有任何一个股票市场能长期保持100倍的市盈率。 但是，这是一个至关重要的“但是”，正是由于一些暂时现象的存在，市场中才会发生一些有趣的事情，而且这些事情都发生在偏离均衡的时候。说到底，只有这种时候，才是能够赚到钱的时候。对此，我们可以用以下例子来进行类比说明。由于总是存在着重力，在地球上没有物体能“摆脱”重力，海洋中存在着一个近乎均衡的海平面，这个海平面的有效性最高。这一点当然是千真万确的。正如在股票市场中一样，在茫茫大海中，有趣的事情通常不会发生在均衡的海平面上，而且这种均衡的海平面很少见。有趣的事情通常只会发生在那些永远都波动不休的海面上，而且这种波动还会造成更进一步的波动，那才是船只停留或航行的地方。

在这一节中，我用了三个相当著名的例子来说明何为复杂现象以及它们是怎样出现的。我们也注意到了其他的一些现象，当然还有更多的现象有待于我们去发现。这些现象到底是什么，它们有什么特性，以及现象之间的相互作用如何，这些都是未来我们要研究的重要问题。但现在最重要的是，上面的论述表明，我们需要关注经济中一个“新”的层面，即中观经济。在中观经济中，事件能够在各种维度上进一步引发其他事件。经济中存在一个中间层面或中观层面。正是在这个中观经济层上，各种现象出现了，这些现象会持续一段时间，然后消失不见。

正反馈

上面我们讨论了复杂经济学的机制，关于这种机制我还想进一步说明一点。这些机制源于相互作用中自我强化的行为。比如，行为主体买进了某只股票，或者轻微地扰动了市场，又或者传播了某种变化，就有可能导致进一步的买入行为，或者进一步的扰动，或者进一步的传播。又如，我们在前面已经看到的，行为主体在做出选择时往往表现出不确定性，这会导致进一步的不确定性；或者行为主体引入一些新技术，这又往往会带来更新的技术。这种正反馈会打破现状，导致不均衡，而且也会导致某种结构的出现。在交通运行中，一个小小的阻塞会引起更进一步的阻塞，进而导致一种结构的形成——交通堵塞。这也正是我所说的布朗运动出现的地方。它会导致一些小小的摄动，围绕着这种小小的摄动，会形成小型的“成核运动”，而正反馈则会放大这些运动，然后这些运动会被“锁定”，最后，随着时间的推移，它们最终会消失。

正反馈可以说是复杂系统的定义特征，或者更确切地说，正反馈和负反馈同时存在、共同作用，是复杂系统的定义特征。如果一个系统只存在负反馈（在经济学中，这就是收益递减），那么系统很快就会收敛到均衡状态，表现出“死的”行为。如果一个系统只存在正反馈，那么系统会偏离均衡，表现出爆炸性行为。只有在同时包含正反馈和负反馈时，系统才会表现出“有趣的”或“复杂的”行为。在正反馈的作用下，各种相互作用会相互叠加，形成某种结构，在经过一段时间后，又会被负反馈作用抵消，最后消失。因此，结构形成，然后又消失，其中有一些结构还会进一步继续发展，或者导致进一步的结构形成。这样的系统才是一个“活的”系统。

这些观察结果，丰富了经济学中关于正反馈或收益递增的早期文献。举例来说，如果一个企业在产品、技术、地理区域等方面处于领先地位（这可能是由某些小概率事件所导致），那么在收益递增的情况下，它就会拥有更进一步的优势，从而可以获得更加领先的地位，那么接下来它很可能继续主导竞争结果。如果有 N 家企业相互竞争的话，那么最少会有 N 种结果，但是 N 的值不一定很小。在19世纪末期，打字机键盘的布局有很多种，各种不同的键盘布局为了让更多人使用而相互“竞争”，最终只有我们现在正在使用的这种布局胜出，成为了标准的打字机键盘布局。但是，一个简单的计算表明，当初其实存在着多于10 ⁵⁴ 种可能，无论怎么看，这都可以说是一个天文数字。

收益递增的形成过程现在已经众所周知了。在这里，我要补充的是，经济中的正反馈的普遍性，远远超出了我们以往的想象。它不仅存在于企业或产品中，也存在于各种小型机制和大型机制中，还存在于决策行为、市场行为、金融行为及网络动力学中。正反馈在所有维度上都能发挥作用，它使经济变得不稳定，甚至在宏观层面上也不例外。例如，凯恩斯理论所描述的机制，可视为一种正反馈。这种正反馈被暂时锁定在充分就业和失业这两种可能状态中的一种上。此外，正反馈还会给复杂系统带来一系列独特的属性，如多吸引子、不可预测性、无效，以及路径依赖等。在物理学中，则相对应地表现为多重亚稳定状态、不可预测性、相锁定（或模式锁定）、高能基态，以及非遍历性等。不过，我们还是可以把这些属性与正式的复杂性联系到一起。

经济的形成

接下来，我想讨论一个非常不一样的主题。这个主题建立在前面提到的技术的破坏性影响的基础之上。到目前为止，我们已经看到，给定组成经济的要素，这些要素会不断地对它们自己创造的模式做出反应，并且不断地形成不同的模式。但是，这仍然不足以刻画经济的基本特征。说到底，经济是不断地通过创造新要素来实现自我创造和再自我创造的。这些新要素通常是新技术和新制度，随着经济的进化，它们会产生新的结构。那么，这究竟是如何发生的？经济是如何形成其自身的？经济又是怎样发生结构性改变的？熊彼特在1980年将上述问题中要解释的现象，称为“我们试图解释的现象中最重要的一个”。复杂性思想有助于解释这个问题，因为复杂性就是关于结构的创造和再创造的。

我们首先要认识到：如果想搞清楚经济是如何建构自身以及如何改变的，那么我们就必须先去研究技术，搞清楚技术本身是如何建构自身以及如何随时间改变的。当然，技术并不是造成经济改变的唯一因素，但很显然是最主要的一个因素。关于经济变迁的标准，经济学理论将技术与生产函数等同起来，并把经济视为这些技术的“容器”。当新的工业技术被引入进来时，生产函数就会发生变化，于是产量也提高了，劳动力或其他资源得到了释放，而这就意味着可以投入更多的财富，用来研发更新的技术。从而，经济平滑地从一个均衡转移到另一个均衡，并实现了内生增长。这种模型很漂亮，也非常符合均衡经济学的套路。但是问题在于，它使经济的主要驱动力——技术，成了背景因素，而把价格和数量放在了前台显著位置。这种观点把技术看作是无形无相的，技术自然会神不知鬼不觉地翩然而至，一个一个地随机出现，而且没有结构可以用来解释技术是如何产生的，又如何随时间的推移而改变经济。

根据复杂经济学的观点，技术是处于最显著的前台位置，价格和数量反而处于背景位置。 从复杂经济学视角出发，我们将会认识到，经济中的重要结构是可以用于解释技术的兴起以及技术是如何进入经济的。为了得到这种认识，复杂经济学聚焦于任何一个时点上出现的技术集合（collection of technologies），并且追问这个技术集合是如何进化的，即集合中的技术是怎样产生的，这个技术集合又是如何创造和再创造一个相互支持的支撑体系（supporting set）的，这个支撑体系又是如何随时间的推移改变了经济的结构。

我们首先可以将各种各样的单个技术，定义为人类为了实现自己的目标而运用的手段。作为手段，技术可以包括工业生产程序、机械设备、医疗程序、算法法则以及商业流程等。除此之外，技术还可以包括组织机构、法律和制度，这些也都是人类实现自己目标时所用的手段。关于技术，非常重要的一点是，技术总是用零件、装配组件和半成品建构、组装、组合而成的。这些零件、装配组件等也是人类实现目标的手段，因此新技术是通过组合现有技术而形成的。 例如，激光打印机就是根据现有的激光技术、数字处理器及静电复印术创造出来的。处理器引导高度集中的激光束，在复印机硒鼓“印出”一个图像。我们可以把技术看成是这样一个系统：新的元素（即技术）不断地从现有元素中形成，而且这些新元素的存在又可能要求更新的元素出现。

其次，我们可以将经济定义为一系列的安排和活动，社会就是通过这些安排和活动来满足自己的需要。这些安排当然就是指经济中的技术。从这种角度来看待经济也许并不常见，但是其实非常符合古典经济学家们的观点。因为古典经济学家认为，经济就是一个以自身的生产工具为起始点的过程。我们可以这样说，经济涌现于它自身的安排和自身的技术，经济就是它自身技术的一种表达。从这个视角而言，经济就是其自身的生产方式（即它自身的技术）的一个生态系统。在这个生态系统中，得到应用的各种技术必须是相互支持，在经济上要保持一致的。

在此基础上，我们还可以加入另一种观察结果。只有当存在对技术的“需求”时，技术才会出现。这种需求大多是来源于技术本身的需求。例如，汽车出现后，就需要或引发一系列更进一步的技术，包括石油勘探技术、石油钻探技术、炼油技术、大批量生产技术、汽油分销技术，以及汽车维修技术等。在任何一个时候，都存在着一个开放的机会之网，有利于进一步的新技术的开发和新安排的涌现。

基于以上内容，我们就可以搭建经济的基本结构了。要让这个基本结构运行起来，首先还要搞清楚技术集合是如何建构的。根据建构技术集合的各个步骤，我们可以给出如下经济形成的“算法”：

步骤1： 新技术出现。新技术是在某些现有的特定技术的基础上创造出来的，并且它会作为一个新元素，进入当前的技术集合中。

步骤2： 新技术变得活跃起来，并替代现有技术及现有技术中的某些部分。

步骤3： 新元素为支持性技术和组织安排，创造出进一步的“需求”或提供进一步的机会利基（opportunity niches）。

步骤4： 如果被替换的旧技术从技术集合中退出，那么它们的附属需求就会消失。它们提供的一系列机会利基，也会随着它们的退出而消失；反过来，那些用于填补这些机会之窗的元素，也会变得不再活跃。

步骤5： 作为未来技术或未来元素的组件，新要素变得活跃起来。

步骤6： 经济，即商品和服务的生产和消费模式，重新进行调整来适应上面这些步骤。成本和价格以及研发新技术的激励也会相应地有所改变。

例如，铁路机车是通过将现有的蒸汽发动机、锅炉、曲柄和铁轮组合而建构出来的。在1819年前后，铁路机车出现在了技术集合当中（步骤1）；它替代了原有的马车（步骤2）；创造了对铁路网络和铁路运输企业的需要（步骤3）；导致运河水运业和马车陆运业的萎缩（步骤4）；成为货物运输的一个关键组件（步骤5）；随着时间的流逝，最终使整个经济的价格和激励出现了变化（步骤6）。当然，以上这些事件或步骤可能是并行展开的，如新技术一出现，新机会就会随之出现。

如果你在脑海中依序“运行”这个算法，你就可以发现一些很有趣的事情。这个算法一旦运行起来，就可以启动一系列事件且永远不会停下来，因为这些事件中的每一个事件，都可能激发出更进一步的事件。例如，一项新技术可以通过步骤3和步骤5，导致更新的技术出现；通过步骤4，可以进一步替换旧技术；通过步骤6，则可以进行进一步的调整。同时，这些新技术反过来也会提供更多的机会、更新的技术，以及更进一步的替换。这个算法看上去也许很简单，但是一旦启动它，就会永不止息地引发各种各样的、具有一定模式的新行为。

至此，经济形成的基本机制也被解释清楚了。但是，除此之外还有第二个层面的机制，该机制能够进一步增加经济结构。新技术通常是以技术集群的形式进入经济的。在过去几十年间，一大批技术，如蒸汽发动机技术、电力技术、化学技术、数字技术等都已经进入了经济。所有这些技术，或者是以某项既定的关键核心技术为基础的，如蒸汽发动机技术是以蒸汽机为基础的；或者是以一系列相关现象为基础的，如相关的化学现象、电力现象、遗传现象等，这些现象得到了有效的利用，从而形成了相关技术。此外，这些技术是在以往的一两个核心技术的基础上逐渐形成的，即在核心技术的基础上，补充所需要的子技术。与其说这些“技术体”是在经济内被采用的，还不如说它们是与相关的行业“邂逅”的。它们与现有的商业流程相结合，创造出了新活动，激发出了新动力，形成了可用的新流程，并促成了小企业的急剧涌现。在这些小企业中，少数会继续成长为大企业。

经济，满足我们需求的一系列安排和活动，就是这样形成的。事实上，经济就是所有这些机制的运行结果。

截至目前，我介绍的这些机制，只是经济重塑自身的过程中最基本的“骨架”。每个机制都含有若干的子机制，它们在这里都被略去了。但是请读者注意一下，总的主题已经很明确地揭示出技术拥有一些简单属性，这些简单属性生成了一个由处于不断变化当中的元素（即技术）组成的系统。在这个系统中，每个新的元素都是在以前元素的基础上形成的，每一种元素都会导致元素的替换。所有的元素都会带来一系列对于未来更新的元素不断变化的需求，而整个系统是在那些新近被发现的主导性现象，其属性和可能性的引导下结构化的。

这整个过程是一个自我创造的过程。新技术的形成来源于现有的技术，因此整个技术集合是自我生产的，或者 自创生的 （autopoietic）。经济也是自创生系统。经济的形成来源于技术，而且能够引发进一步的技术形成，进而导致经济自身的进一步形成。很显然，我们又一次深入复杂性领域的腹地了。

现在，我们可以了解到，经济的结构是怎样发生变化的。随着新的实体技术的进入，新的组织形式和新的制度也在新技术的“要求”下应运而生。而且，这些新的组织形式和新的制度，反过来也会对新技术产生更进一步的需求，即要求更进一步的方法、组织和制度的出现。于是，结构就涌现了出来。从更长远的时间尺度来看，大量的技术汇集成的技术集合，确定了经济的“主旋律”，即经济运行的主要方式。我们就是这样迎来了蒸汽时代、铁路时代和数字时代。

技术也提出了一系列特有的挑战或“主旋律性”的挑战，它们需要用新的方法去解决，经济也因此发生了结构性的变化。例如，蒸汽机和早期纺织机的出现，使得以工厂为基础的维多利亚式经济成为可能。不过，维多利亚式经济的过度发展，又引发了一系列新的安排，如保护儿童安全的法律、改善工作条件的法规，以及现代工会等。 随着经济的变化，经济组织和经济制度也随之发生了变化，而这些变化又会带来更进一步的安排、更进一步的新技术以及更进一步的变化。经济结构也因此发生变化。我们可以确定经济实现这种自我更新的机制，但是我们无法准确预测这些机制究竟以何种方式发挥作用。整个过程（如果你愿意的话，也可以称之为“计算”）远远不是确定性的，但是它确实可以说是一个非常完美的非均衡过程。

需要注意的是，我概述的这个理论实际上是一个算法而不是一组方程式。这个理论表现为一系列程序，其中一些程序由另一些程序触发。读者可能还会问，这怎么可能是一种理论呢？它当然是理论。事实上，它与生物学理论相类似。即便是在达尔文出版《物种起源》一书后的今天，也没有人能够成功地将新物种的产生、新物种生态系统的形成，以及进入某个特定物种主导时代的过程，归纳为一个方程组。原因就在于，进化过程是基于一些进化机制的，而这些进化机制是依序分步运行并相互触发的，而且会不断地界定出新的类别（即新物种）。联立方程只有在类别给定时才大有用武之地，因为方程式能很好地描述出给定类别内的数值或数量变化，但是在新类别不断涌现的情况下，方程式通常就无能为力了。

我们必须承认，只有在深刻地理解进化的核心机制，并且提出一组与现实世界的现象相符合、内在一致的一般性命题时，我们这些“理解”才可以说真正构成了理论。 因此，生物学理论是理论，但不是以数学形式表达的理论；它是以过程为基础的，而不是以数量为基础的。总之，生物学理论是 程序性的 。同理，一个关于形成和变化而又周详的经济学理论也将是程序性的。 经济研究的要旨在于深入理解驱动经济形成的机制，而不在于能不能将这些机制归纳为方程式。我提出的这种程序性理论，并不是对标准理论的否定。但是这种理论确实提供了一种替代研究进路，它将重点集中在能够促成变化的动力本身，这就是技术。

然而，我们怎样才能更加深入地研究这些问题呢？这些基本过程都是有算法的，所以我们肯定可以针对它们的核心机制，构建一些基于计算机的模型。 本文介绍的这些研究只是一个开始。我们最终想要建构的总体理论，是一种关于创造性生成的理论：新元素是在现有元素的基础上形成的，新结构是在现有结构的基础上形成的，同时形成本身也源于之前的形成。这无疑是一个贯彻了复杂性思想的观点。

泡沫和崩溃是市场的基本趋势

行文至此，读者应该清楚，对于经济学问题，我们有了一种不同的思考框架。这种经济思想所强调的，并不是实物商品或现实的服务；相反，它强调的是变化和创造的过程。正如有的读者所想到的，这并不是一种全新的经济学思想，它与之前的经济学思想有一定联系。接下来，我将对这种联系加以说明。

经济学向来有两大问题。第一个问题是经济中的 资源配置 。所有市场中，商品和服务的数量与价格之间是如何被决定的？一般均衡理论、国际贸易理论和博弈论这些“伟大的理论”，都是研究这个问题的“典型代表”。第二个问题就是经济中的 形成 。经济最初是如何出现的？又是如何发展的？经济结构是如何随着时间的推移而变化的？关于创新、经济发展、结构变化、历史的作用、制度，以及治理的经济学思想，全都是研究这个问题的结果。资源配置问题已经得到了深入的研究，而且这个问题已经高度数学化了，但是对于经济形成问题的了解却仍然非常少，而且这个问题也几乎完全没有被数学化。

为什么会出现这种情况呢？直到1870年前后，所有伟大的经济学家都认为，这两个问题在经济学中同样重要。斯密、穆勒和马克思都努力尝试过，从理性科学的角度研究资源配置问题，试图在这方面有所建树，与此同时，他们对经济形成问题、治理问题和历史问题，也同样做出了重要贡献。此后，在维多利亚时代，出现了伟大的边际主义革命和一般均衡革命。在严格的理性假设和均衡假设下，它们使得资源配置问题转化为一个代数问题和微积分问题。但是，经济形成问题却无法进行这种转化。这是因为就经济形成问题的本质而言，它既不能被限制为静态的，也不能被限制为理性的。到了20世纪，数学化的理论被当成了唯一的“理论”，因此经济学的数学化大潮与经济形成问题擦肩而过。

马歇尔、凡勃伦、熊彼特、哈耶克和沙克尔等一系列经济学家，以及他们之后的许多制度主义者和历史学派经济学家，都对经济形成问题进行了研究。然而令人感到遗憾的是，在很大程度上，他们这些研究是针对特定历史时期、特殊化、基于案例和直觉主义的。总之一句话，它们是属于文字叙述型的，而不属于能够被一般化的理论推理。随着时间的流逝，这些被称为政治经济学的经济学理论，便被搁置到了一边。政治经济学理论虽然被公认为是符合现实的、有用的，但是却得不到大家的一贯尊重。

好在到了今天，经济学家们都非常清楚，关于资源配置的“数学分析”，不但远未包含所有经济问题，而且也不能很好地处理经济形成、探索、适应以及质变等问题。相比之下，复杂经济学则非常关注创造问题和结构形成问题，它研究的就是创造和结构形成得以实现的机制。复杂经济学是与政治经济学一脉相承的，并且是对政治经济学伟大传统的复兴。特别让我高兴的是，这两种理论有很多值得相互借鉴的地方。利用复杂经济学，我们能够从理论上系统地研究世界的形成；利用政治经济学，我们能够通过直觉方法和经验方法来研究世界的形成。复杂经济学将为政治经济学提供坚实的理论基础。复杂经济学不可以、也不应该取代基于案例的历史分析；恰恰相反，它将深化和发展这个值得尊重的经济学思维方法。同样，政治经济学也会深化和发展复杂经济学。

政治经济学的一个主要优势，就是它的历史感和它的时间感。时间可以导致真实的、不可逆转的差异，进而不断创造出新的结构。相比之下，新古典主义经济学在处理时间问题时，则要逊色很多。在均衡状态下，一个结果会一直持续下去，因此时间在很大程度上没有多少意义；相反，在动态模型中，时间却变成了一个重要的参数，这个参数可以来回转换、影响当前的结果。这一点令很多经济思想家觉得“不舒服”。1973年，琼·罗宾逊（Joan Robinson）提出了一个著名的主张：“一旦我们承认经济存在于时间之流中，承认历史是朝着一个方向发展的，即从不可逆转的过去向不可预知的未来发展，那么均衡概念也就站不住脚了。到那时，我们就要重新思考整个传统经济学了。”

在反思时间问题这个方面，复杂经济学与政治经济学是一致的。在“计算”中，也就是说在经济中，大概率事件和小概率事件，往往会在某些特定的、不可重复的时刻决定吸引子的形成，决定时间结构的形成和消失，决定技术的创生，并决定源于这些事物的经济结构和制度。而技术和技术结构，反过来也建立在这些事物之上，甚至未来的经济形态，即通往未来的道路，也是建立在这些事物之上的。无论在什么层面，无论在什么时候，经济都具有路径依赖性。因此，历史再次变得至关重要，而时间也得以再次出现在经济中。

人们可能提出的一个很自然的问题是，复杂经济学这种经济学新框架是否有它的政策含义。当然有啦！复杂经济学告诉我们，市场自身就有出现泡沫和崩溃的趋势。市场会诱发多重局部吸引子状态，市场能通过金融网络传播各种事件，市场能创造出一系列技术解决方案，同时又带来一系列挑战。有了这样的认识，就不难了解哪些政策大有用武之地了，如监管过度行为的政策、以“轻推”方式促成有利结果的政策、创造有利于创新条件的政策等。科兰德和库珀尔（Kupers），对这些政策有一个很好的概括：创造适宜的元条件（meta condition）。

上面这种说法当然没有错。但是我认为，我们还可以提出一个更加强有力的观点。新古典经济学之所以在现实世界中遭到失败，很大程度上是因为它把经济看成是均衡的。如果我们回头看看过去25年间发生的历次经济危机，就会发现：所有这些危机在很大程度上，都是由于少数处于有利地位的“大玩家”利用经济系统中的漏洞而造成的，或者说是由失控的市场所导致的。例如，1990年，俄罗斯在放开市场之后的经济崩溃；2000年，美国政府放松监管之后，加利福尼亚能源市场危机爆发；2008年，冰岛银行倒闭、持续的欧元危机，以及华尔街危机等。受均衡思维所限，人们无法提前预见到这种情况。原因很简单：由定义可知，在均衡状态下，没有人有动力偏离当前的行为，所以“钻空子”行为不会发生。受限于均衡思维，人们也很难看到极端的市场行为，因为他们认为对均衡的偏离，很快就会被反向抗衡力量纠正过来。从均衡理论的基本假设就可以看出，研究经济的某些组成部分如何被钻空子、研究经济的系统性崩盘，本来就不是均衡经济学的主要目的。

相比之下，复杂经济学却可以告诉我们，经济系统永远对各种各样的反应开放，它的每个组成部分永远对各种各样的新行为开放，包括通过钻空子来谋利、结构上的突然变化等。复杂经济学建议出台精心设计的防控措施，就像政府为地震多发地区制定合理的建筑安全标准一样。而且，同样重要的是，复杂经济学会让我们转向现实主义立场。经济并不是由一系列没有任何激励去改变、自然就能共同创造最优结果的行为所构成的。恰恰相反，经济就是一张激励之网，它总能激发出新的行为，诱发新的策略，并让它们共同形成“合理”的结果，从而驱动系统不断变化。

一门基于“动词”的科学

复杂经济学不是添加到标准经济学上的附加组件，它也不意味着简单地将基于行为主体的行为加入到标准模型中去。相反，复杂经济学以一种不同的方式来思考经济。它从来不将经济视为一个均衡系统，而是把它看作一个动态系统，一个不断进行自我“计算”的系统，一个不断自我创建、自我更新的系统。均衡经济学强调秩序、确定性、演绎推理和静态均衡，而复杂经济学强调偶然性、不确定性、意义构建（sense making）和一切变化皆有可能。或者换一种说法，迄今为止，经济学一直都是一门基于“名词”的科学，而不是一门基于“动词”的科学。经济函数随时间的变化，通常都被定义为固定的名词，即实体层面的变化，如就业、生产、消费、价格等。但是现在，这些变化已经从名词实体层面，转换到了动词行动层面，如预测、反应、创新、替代等。行动能够引发进一步的行动。

这一转变深刻揭示了中间层经济，即中观经济在经济中的重要地位，同时也重新定义了经济学中的问题的解。从此，问题的解不再是一组数学条件，而是一种模式、一系列暂时现象、一系列能够引发进一步变化的变化、一系列能够创造新实体的现有实体。理论研究的目的，也不再是发现那些“不朽”的一般性定理，而是更深刻地理解创造出这些模式、并使这些变化得以传播的机制。

从更广阔的角度来看，经济学的这个转变，也是科学本身大转变的一个非常重要的组成部分。与以往相比，现在所有科学都在变得更加程序化、算法化、“图灵化”，所有科学都更少依赖方程式、连续性、“牛顿式”了。之所以会出现这种趋势，主要由于以下两个原因：一是生物学作为一门严格科学的兴起，二是计算和计算机科学的崛起。即便是数学本身，也在向这个方向转变。例如，格里高利·蔡廷（Gregory Chaitin）曾经指出，数学正在从连续的公式、微分方程、静态的结果转向离散的公式、组合推理及算法思维。他说：“计算机不仅是一种极其有用的技术，还是一种具有革命性意义的新数学，它带来了深刻的哲学后果，它揭示了一个新世界的面纱。”科学和数学中的确定性正在减少，它们正在走向开放、拥抱程序性思维。在这个方面，经济当然也不能例外。

复杂经济学也不是新古典经济学的一个特例。恰恰相反，均衡经济学是非均衡经济学，也就是复杂经济学的一个特例。我们可以说，复杂经济学是用更具一般性的方法来研究经济学的。当然，均衡仍然是一个非常有用的一阶近似。在解决经济中可以明确界定的、可以理性化和静态的问题时，它是有用的。但是，不能再将均衡经济学称为经济学的中心。稳步走向经济学中心的是复杂经济学， 它能够更一般地处理相互作用，能够承认非均衡现象，能够处理创新、形成和变化等问题。

当然，复杂经济学仍处于发展的早期阶段，很多经济学家都在努力扩大复杂经济学的研究“领地”。复杂经济学告诉我们，经济永远都在发明自身，永远在利用机会创造可能性，永远在应对各种变化。经济不是死的、静止的、永恒的和完美的，恰恰相反，经济是活的、永远处于变化之中的、有机的和充满活力的。 g42wty7Z/O8h+cdmRdvcQ1VvHkogHISO14m0FKLj+xTiwt6vPBfMOZDCtKB0Zp9H