Re: 為什麼總是會有月經文 - 經濟

※ 引述《travelfox (積極)》之銘言：
: 我對標準答案的認識是
: 針對一個問題的唯一且正確的解答
: 那在經濟學裡面確實是有
: 在個體和計量領域都有很多定理
: 一個定理在我的認識裡就可以稱為標準答案
: 只是拿它們來解釋現實世界的現象不一定行得通
: ex:是否所有 Walrasian equilibrium 都是 Pareto-efficient?
: 是否所有 efficient allocation 都可由 competitive equilibrium 達成?
: 大數法則，中央極限定理，這些東西也可以看成標準答案
: 你說經濟學沒有標準答案又是根據什麼呢?
: 是你認為"針對一個問題的唯一且正確的解答"不能叫標準答案?
針對特定「模型」，的確可以找出（數學上的）最佳解，
但是你也說了，拿來解釋現實世界不見得行得通。

: 還是我說的這些定理不能算在經濟學裡面?
: 另外我對"經濟學相對於科學，其預測能力可說是「極端低微」"
: 也感到有點排斥
: 如果你要預測下一季的GDP成長率，用經濟學"總經+計量"跟其他科學比
: 是哪一種科學的預測能力比經濟學好?
這樣說好了，科學實驗的系統通常是封閉性的，
即使我們知道量子力學和相對論的存在，
但把牛頓力學拿去預測日常生活中的現象，並不會有什麼問題。

但社會體系不然，量化數據只能抽樣，精確度先天就受限，變項又多，
基本上目前的經濟預測，跟天氣預報的準確性差不了多少。
你知道我們GDP預測的「信賴區間」有多大嗎？有趣的是，
很多重大的經濟決策都是依據這些不準確，甚至可能有巨大誤差的數據做出來的。

話說回來，「所有的模型都是錯的，但有些模型是有用的。」
但「有用」跟「準確」，在程度上還是有相當大的差別。

附上天氣預報知識+一篇
http://www.ithome.com.tw/itadm/article.php?c=38191

: 計量的預測方法日新月異，台灣的業界落後恐怕有20~50年了
: 業界常用的 OLS、主成份分析法、logit或probit model、類神經網路等等
: 現在用的預測方法遠不只這些，只是門檻太高會的人不多而已
預測方法很多，準不準和能不能用是另一回事。

迴歸和類神經分析在20年前就被運用在預測股市波動上了，
很殘念，到目前為止沒有人成功，我也相信不會有人成功，
這某種程度上不就證明了隨機漫步？ XD

--

而一首歌的寂寞 怎麼有人懂
http://blog.pixnet.net/stasis

--