后金融危机的fin和acc发展和大家浅议

bottleclub

关于后经济危机的学科发展，我的一点浅薄的认识是：
我的一个老师和我讲过一个道理：金融其实比物理更难。为什么呢，因为当所有人都去看日出的时候，太阳照样东升西落。可是当所有人都去进行一种交易行为的时候，曾经的交易策略就会失效了。

人的因素和其对资产价格的交互作用使得金融学成为一个非常复杂和有魅力的学科。可是无论如何我总觉得金融的本源应该是发现价值并且让资源向着最有效的地方流动。这样这个学科和它的应用领域才是对社会有贡献的。

现在的资产定价理论似乎过分偏重了人的认知，人的预期，风险和偏好。而忽略了价值这个本源，和相应的分配资源机制。对应到industry，危机之后，当我们一致地去指责过于复杂的衍生工具的时候。我们是否意识到了，最初设计他们的初衷呢？hedge的本意是对冲风险的。可是我们现在看到hedge fund这个词的时候，脑海里浮现的恐怕是相反的概念。

基于上面的考量，我觉得是不是学科的发展应该回到价值这个本源，多多和acct结合，毕竟那里有三大报表，他们最系统地反应了一个公司的价值。

同时我们是不是过分关注在微观领域了呢。像leo说的，是不是该把定价放在一个更macro的环境里去分析呢？

bottleclub

买买提上的一个关于theory和empirical的讨论

发信人: Davo (Dove), 信区: Economics
标  题: 想明白了为什么theory比empirical难做了
发信站: BBS 未名空间站 (Thu Nov 26 10:33:34 2009, 美东)

（下面说的主要针对金融里面的现象）

这问题我多年前就自以为理解透彻了，但直到最近才有全新的理解
我这里指的theory主要指的是applied theory
pure theory难那是公认的，也无需解释

applied theory很多文章看上去技巧都不复杂，但为什么做的人感觉很难
但到底比empirical难在什么地方，
我今天的看法要比过去理解深

做applied theory，解释一个事情，一开始难是难在如何把几个可能的原因
比如A,B,C,D的作用分别用4个模型显示出来，接下去难就难在要解释一个
相关的事情的时候，假如原因也可能就是A,B,C,D，但这时候的作者就一定
要把模型弄得至少看上去和原来已有的4个模型形式差别很大。

常常的情况就是看到一个模型觉得很容易就可以改进，但这类改进往往得不到
重视。你要改进可以，请给一个看上去和原来模型形式差别很大的出来。

empirical恰恰是相反的，这里面你去解释两个哪怕差别很大的事情，用到的
解释变量和回归方程，这个领域的人希望是越一样越好。比如fama-french
3factor出来以后，90%的文章都直接用这个了。这个就好比是前面说的A

applied theory一来要求你去寻找B,C,D，二来需要你模型和模型之间差别
越大越好。Empirical是找到A后，大家希望以后都统一到A上面去。

我这观察说穿了就不值钱了，大家可能早就体会到了
我还真是刚有切身体会。

bottleclub

我上面讲的当然不包括许多情况，我其实主要讲的是金融里面的applied theory
和empirical,是我最熟悉的

这里面同一个现象的applied theory，做得好的文章摆到一起一看模型至少形式
上差别都蛮大（当然模型差别小的文章也有，但就别指望发好杂志了）
但empirical的文章呢，就是每个文章都有一个小小的卖点，除此之外就是在
重复以前文章其他用过的变量。而且这种做法充斥top finance journal

打个形象的比方，研究同一个问题的applied theory的文章拿四篇出来，
你看到的可能是
@@@@  ####   $$$$   %%%% 形式上基本不同

empirical你找四篇同一个问题，或者完全不同问题的文章出来，看到的就是

@@@@ #@@@ $@@@ %@@@ 形式基本一样

（如果各自只挑一篇来看，可以说难度是一样的，比如####和%@@@
但多看几篇就发现上面讲的现象了）

以前大家也讨论过为什么现在金融里面做得好的中国人比经济里面的多
有好些个不同的解释，我自己也给出过其他的解释
但今天才想明白，我上面说的才是最关键的原因

最近连续看到finance里empirical这类做法，真是有点想吐
比如一个变量的衡量，前人的研究分别考察过X,Y,Z。。。。九个不同的衡量方法
有9篇文章，除了这个变量不同，其他的解释变量都基本差不多，
而现在的人来写文章，可能有一个新的time period的数据，然后就把这九个变量
全部放到一起做一遍

bottleclub

看了一篇觉得不爽不看了，没想到接下来的几乎篇篇都是这么个套路
真是要吐了，不知道是不是最近运气不好，连续看到类似的做法
发信人: felix7608 (pangpang), 信区: Economics
标  题: Re: 想明白了为什么theory比empirical难做了
发信站: BBS 未名空间站 (Fri Nov 27 17:33:25 2009, 北京)

你写了这么多,其实还是没有看到问题的实质所在呀,我来给你画龙点睛一下.

搞理论的人,在自己没有名气的时候,做出一个全新的理论来得到别人的认同
是非常难的,所以,即使搞理论,也是要在牛人们已经有了的模型基础上进行
修进.这就常常不可避免的让牛人们已经有了的理论模型变成自己新模型的
一个"特例". 审稿的那些牛人们谁高兴自己的模型变成你模型的特例呀?所以,
除非你的新模型确实好,牛人们认为有这个必要出现这个新模型,他们才会
让你发表.否则,你踩在他们的肩膀上,做出一个可有可无的模型,干嘛让你发
表来掩盖他们原来已经有了一定影响力的模型呢?

搞应用的恰好相反了,他们是讨喜的,是"拍马屁"的. 搞应用的人多半是用实际
数据验证牛人们的模型,牛人们多高兴啊.看,有人用实际数据验证了我的理论
模型了,那当然要让它发表出来啊.所以,搞应用的人,一定会用实际数据至少
部分验证某个著名的模型是对的,当然也可能提出一些和模型有差距的地方,
然后帮牛人们圆圆谎, 解释一下这个差距是怎么造成的,数据处理中有没有
什么信息损失等等.总之,要认为牛人们的模型是对的,这个不一样不是因为
他们模型完全错了,而是别的原因造成的.你要是搞应用,搞出证据证明牛人们
的模型是完全错的,你试试看能不能很容易发表?
发信人: zuyeye (econ), 信区: Economics
标  题: Re: 想明白了为什么theory比empirical难做了
发信站: BBS 未名空间站 (Fri Nov 27 11:14:29 2009, 美东)

bottleclub

有同感。另外再补充一点儿。对于偏应用方面的文章，即使偏理论的，也要有
empirical motivation。也就是说，自己的idea首先要有数据支持，不能是凭空胡编出
来的。其次自己还能用一个模型把这个idea演示出来，最后基于这个idea的模型能解决
一些(重要)问题。这三个环节任何一个都可能被别人抓个理由判死刑。对于juninor而
言，被别人bully是家常便饭。所以自己搞个什么新idea被搞死的可能性更大。对于
empirical而言，你可以不同意我的解释，但你没办法challenge我的结果，只要我的结
果能被复制。只要我的结果够震撼，够robust，你就不好随便找个理由把我据了。
发信人: waiwaiwai (whywhy), 信区: Economics
标  题: Re: 想明白了为什么theory比empirical难做了
发信站: BBS 未名空间站 (Sat Nov 28 23:10:38 2009, 美东)

虽然不完全同意你的说法，因为很多做理论的人是很喜欢别人推广它的模型的
有些哪怕是不大的改进，也常常发在top journal上

但是有一点你说的非常正确，就是做理论和实证的人，本质上的区别的确是
前者追求独立思考，很多小改进之类的文章是不屑去写的，顶多出个作业variant
让学生解解罢了。
后者呢喜欢扎堆，一窝蜂，无数的文章都是无聊的小改进。一个新variable出来，
立马可以出100篇文章，把以前各种话题都用这个variable重新做一遍。

搞理论的，很少搞name dropping这种事情，搞实证的，一开口就是我老板是
谁谁谁，你老板谁谁谁，我上次见了谁谁谁，和谁谁谁一起吃了饭。。。

bottleclub

关于为什么牛校做model

1.一流的学校传授思想二流的学校传授知识
牛校显然更注重原创性和思想性。而在当前经济学这个大范畴的整体发展来看，经济直觉和经济理念是用数学语言来描述的，也就是模型。
2.思想是有很大的正外部性的，需要更多的经费和扶持
emba和mba显然不会想听那些复杂的模型推导过程，企业培训恐怕也完全用不到。让教授们去研究这些东西，直接来看恐怕收益甚微。于是只有经费更充裕的牛校会选择雇佣做model的pro。可是更长远地看，这些成果才会更大地影响思潮，对学界和业界产生影响，进而使学校更有声誉，得到更多的funding。

bottleclub

leo下面这番话讲的非常好。大家可不可以就此延伸下去，讲一讲自己对学术发展的判断。什么会成为新的主流？

言归正传，我认为经济学的主要贡献，在于理论体系和实证经验两方面。理论我不熟，简单扯几句：尽管这个体系连根基部分都是漏洞百出，但经济学家认为这是一条应该走下去的路。而对于商学院的同学来说，一棵腐烂的树也会有一些繁茂的枝丫，比如我们对于人们的互动，对于信息的作用，已经有了一些基本的认识；把它移植进自己的花盆，也许比捡起路边一片又一片的花瓣更有希望看到一朵相对完整的花。

而在实证研究方面，我们已经累积了二十多年的经验。任何关注社会科学的人都应该看看这些经验。尽管关于因果推断最初和最主要的研究都来自统计学家，我们在如何把这些方法应用到社会科学的研究对象上做出了很多实践。这些想法和做法对于商学院的同学来说并没有太高的壁垒：我们研究的对象，讨论的话题有很大的重合，并不像直接来自统计系或生物统计系的东西大家可能难以理解怎么用；这些方法并不局限于经济理论，任何能够提供可检验的推论的理论，无论来自哪里，可能都可以应用；即使背后有一些最基本的理论，也已经被广泛理解和接受。相反，商学院的同学在实施这些方法上具有天然的优势：比如，要说服企业参与某项field experiment，商学院与企业的良好关系，沟通，交流和组织能力大有用武之地。

我想大概很少有经济学家会喜欢Fama-French 3-Factor这种东西。在我看来跟用星座血型算命差不多。当然不是说占星不好，如果你的标准跟投行一样，在算得准的同时还能讲个动人的故事，那再好不过了。在我看来，即使我们不去深究故事为什么是这个故事，有没有故事背后的故事，也得想想为啥我们相信它算得准，究竟算出的是啥玩意。越来越多的人认识到，依靠简单的统计推断去拟合数据进而试图挖掘出稳定的关系不大靠谱，我们应该自认为完成了identification之后再做estimation。Corp Finance领域正在经历这样一场变革，新一代的学者正在认真考虑identification strategy，尽管怎么做还存在分歧，不少人开始积极借鉴labor领域这二十多年来的经验。

bottleclub

另外，我们也走上了自己的路：运用理论来辅助因果推断。在这条路上，目前看来只有经济学家有希望走下去，因为我们有一个用来解释社会科学许多研究对象的理论体系。当然，这个门槛要高得多。目前来看，Marketing系所谓quantitative这一支在往empirical IO过去十多年的方向靠，但他们自己还不太具备培养这样学生的能力。而我认为Asset Pricing也会往structural方向发展，Cochrane，Yaron关于equity premium puzzle的解释算是这一套路，大家可能会慢慢认识到依靠物理统计模型把不同金融资产联系起来进行定价也许不是最好的思路——这也许能解释金融系的招生倾向变化。尤其是金融危机之后，经济学家开始认真思考financial sector究竟起到什么作用，macro-finance已经成为热点问题，大家都在看Kiyotaki,Gertler的新动向，一批经济系的PhD将会以此为题，更多的理论研究能够推动实证研究。

最后想说，希望商学院同学能够保持开阔的眼界和心态。不同学科间的套利机会是有的，就像经济系的人从统计系偷学估计方法一样：鉴于种种原因，目前从经济系到商学院的流动很少。商学院自己划地为界有好也有不好。如果大家像Fama一样认为金融学是经济学的一个分支领域，那就应该跟经济系的学生一样认认真真上core,field,seminar。打下一个好基础是为了将来自己发展什么都有可能，与不同领域人的对话是为了吸收别人的新思想新方法，让知识在不同领域间扩散。另外，经济系一些真正的大牛，无论在哪里都备受尊敬，能被他罩住在学界肯定会走得更好