经济混沌的经验和理论证据

1No.C20000152000-10经济混沌和经济波动的非线性动力学理论陈平北大中国经济研究中心美国得克萨斯大学普利高津统计力学和复杂系统研究中心NO.C20000152000年10月2经济混沌和经济波动的非线性动力学理论陈平北大中国经济研究中心中国北京大学北大中国经济研究中心，100871Email:[e-mail]美国得克萨斯大学普利高津统计力学和复杂系统研究中心I．为什么要研究经济混沌（1．1）什么是决定论混沌？在研究经济混沌之前，先得了解什么是决定论混沌(deterministicchaos简称为混沌)。读者可参考理论物理所的郝柏林教授编的权威文集:混沌II(Hao1990).牛顿力学对动力学机制的研究主要基于线性谐振子模型，其主要的运动特征是产生等幅的周期振荡。周期运动的研究在科学和工程上获得广泛的应用。分析周期运动的主要方法是频譜分析。统计物理和信息论对随机过程的研究发展了线性白噪声模型，其主要的特征是产生振幅无规则，时间序列不相关的无序扰动。对短程相关的色噪声可以用线性迭加的白噪声信号来描写。例如，经济学家常用的色噪声模型是线性随机的自回归(AR)模型。分析随机运动的主要方法是相关分析，噪声运动的研究在工程和经济学中有重要的应用。人们一度以为，只有随机过程才能产生不规则运动，但廿十世纪七、八十年代间对决定论混沌的突破性研究发现：非线性的低3维（变量数不多的）决定论系统也会产生振幅貌似无规、但周期结构复杂的动力学行为。所以“混沌”的其他提法又叫“复杂周期”，“非线性振子”。和无序噪声相比，混沌是更高层次的动力学的复杂结构。混沌现象的理论和实验研究在物理学、化学、生物学、天体物理、气象学以及神经生理学等广泛领域获得重要进展，但在经济学中遇到严重困难。（1．2）研究经济混沌的意义和困难在现实世界中，非线性现象远比线性现象广泛，经济问题更是这样。但是经济混沌的研究遇到双重的困难。在理论上，经典和量子力学的框架都可以包容非线性的混沌机制，但微观经济学的公理体系的凸性函数要求，却排除了混沌机制存在的余地。计量经济学家多数怀疑强噪声下混沌存在的可能性。数理经济学和计量经济学偏爱离散时间的差分方程，又使多数经济学家只考虑白混沌模型，而忽视色混沌模型应用的可能（Benhabib1992）。色混沌在这里指连续时间的非线性振子。“色”指一个有主峰而非平坦（白色）的频谱。在经验分析上，经济混沌的探测有三重困难：其一，非线性分析方法要求大量噪声水平很低的数据，经济数据不但短，而且噪声水平很高；其二，经济观察和天文观察类似，难以做可控制可重复的实验来验证特定的理论模型；更难的是，经济活动是人的行为，动力学系统的时间尺度和观察者相近。所以经济主体和经济结构随时间的演变难以忽略。时间序列的非稳态性质使目前常用的稳态时间序列分析方法难以应用。这是为什么经济混沌的研究比自然科学更为困难。我们重点研究宏观经济运动，因为发达国家的市场经济周期的观察积累了大量数据(Zarnowitz,1992)。。我们在1985年首先从美国货币指数中发现经济混沌的经验证据，建立描写复杂经济波动的软边界振子模型(Chen1988)。我们在1994年进一步找到将经济增长和波动分解，将噪声和信号分解研究的有效方法，从而在各种代表性的美国宏观经济指数中发现经济混沌的普遍证据4(Chen1996a,b)。由于目前中国的经济统计数据的收集和整理还不够充分，我们的例证主要取之于美国的数据。但其可能的应用对中国问题同样有潜在的可能。我们在这篇短文中简要介绍我们在非线性宏观经济波动理论中的进展。(Hao1990)读者可以参考作者最近出版的论文集（陈平著,文明分岔、经济混沌、和演化经济学，经济科学出版社，北京2000年版），以作近一步的了解。II．经济混沌的理论模型我们应当注意，测量和理论是不可分割的。哪怕简单的测量都阴含着某种数理模型。所以，我们在讨论经济混沌的经验观测前，必须首先审阅可能存在的混沌模型。经济学界首先引进的是最简单的离散时间的混沌模型(Benhabib1992)，例如一维非线性差分方程的逻辑斯蒂(logistic)增长模型(Day1982,Grandmont,1985)和二维非线性差分方程的Henon模型（Benhabib1980）。差分方程的数学分析相对简单。其时间序列的频譜类似白噪声，我们称它们为“白混沌”模型。白混沌模型在经验分析上难以应用，因为它的内生周期固定为1。在实际经济观测中，很难找到对应的例子。经济学界稍后引进的是连续时间维数至少三维的非线性常微分方程组的混沌模型，例如Rössler模型(Rössler1976,Sterman1985),其时间序列的频譜类似色噪声，在噪声背景上出现窄带的尖峰信号，我们称之为“色混沌”模型。混合时间的差分-微分方程也能产生色混沌信号。其不同之处在于其动力学行为更为复杂。因为宏观经济波动的公认周期在2-10年左右，所以我们重点区分的对象是色噪声和色混沌摸型。我们先介绍产生噪声和混沌现象的主要模型，然后把它们的图象展示于下，给读者一些直观的了解。(a)AR(2)色噪声模型-离散时间的1维线性差分方程5)()2()1()(221tWctXatXatX(2.1)这里，白噪声W(t)的定义是：0)(tW和)()()(tWtW(2.2)对1947-1992年间美国真实国内生产总值季度的对数时间序列可以用下述AR(2)模型来模拟：)(0086.00027.0)2(37.0)1(18.1)(tWtXtXtX(2.3)（b）Logistic白混沌模型-离散时间的1维非线性差分方程)](1[)(4)1(tXtXtX(2.4)(c)Rössler色混沌模型-连续时间的3维非线性常微分方程组ZYtdtdX)(YXtdtdY2.0)((2.5)XZZtdtdZ7.52.0)(三者产生的时间序列见图1，它们的相关函数见图2，它们的相图见图3。6图1.时间序列对应的模型的解的比较。其时间单位是任意的。(a)AR(2)模型；(b)Logistic模型；(c)Rössler模型。7表面看来，只要给定适当的尺度来标度实际的时间序列，它们都可用来描述经济波动。进一步的检验将揭开它们之间的动力学差别。图2.比较三个模型解的自相关函数,数据点为1000。时间单位和图1同。我们已知道周期运动的自相关函数表现出周期特征，白噪声的自相关函数则是一个急剧衰减的delta函数。AR(2)过程的自相关序列很快衰减为微小的扰动;Logistic白混沌的自相关序列看起来与白噪声一样;Rössler表现出指数衰减的周期振荡，89图3.三种模型的相图X(t+T)对X(t),点数N=1000。(a)AR(2)模型,T=20;(b)Logistic模型，T=1;(c)Rössler模型，T=1,t=0.05。相图为X(t+T)对X(t)的二维相空间，给时间序列画出清楚的动力学图象。对存在不动点解的动力学系统，只需相空间中的1点（零维吸引子）来表示。周期解的相图是一个闭环（1维吸引子）．图3表示了三种模型的相图：色噪声、白混沌、和色混沌。图3a中近乎均匀分布的云状点图十分接近于白噪声的相图．图3b中的拱形图象是一维单峰的白混沌的特征。图3c中的螺旋形相图是典型的分维奇怪吸引子(strangeattractor)，它的游走轨迹不同于周期性循环。图4给出Rössler奇怪吸引子在3维空间中显示的复杂周期运动。其振幅大小和周期长短都不唯一，但也不发散。这是奇怪吸引子的特征。-1001020-20-100100102030YXRosslerAttractorZ图4。Rössler奇怪吸引子在3维空间的复杂周期运动。这里简单介绍几个数学名词。我们知道，通常的几何体，面积是边长的二次方，体积是通常的几何体面积是边长的三次方，推10广到高维空间，体积是边长的整数次方。但分形几何中体积和边长的指数关系是分数而非整数(Mandelbrot,1977)。例如，Logistic奇怪吸引子的分维小于1，而Rössler奇怪吸引子的分维就在2和3之间。III．经济混沌的经验观测(3.1)分解宏观经济指数中的经济增长趋势和经济波动分量工业化经济运动最显著的特征是，大多数宏观经济指标表现为不断的增长趋势迭加上复杂的波动。数学模型对简单的增长过程和稳态的波动过程有简单的数学模型。所以我们分析宏观经济的通用方法，是将宏观经济指数分解为经济增长趋势和经济波动两个分量。计量经济学的提法是时间序列的趋势消解(detrending)。计量经济学中长用的趋势消解法有三种：一阶差分滤波器FD（first-differencing）,对数线性趋势滤波器LLD（log-linear–detrending）,和HP(Hodrick-Prescott)滤波器(HodrickandPrescott1981)，三者的差别在时间窗户的长短(Chen1988,1996a,b)。假设原始的经济时间序列为S(t)，宏观计量的数据处理惯例将时间序列都作对数变换，得到的时间序列为L(t)，则L(t)中的增长趋势G(t)C(t)的常用办法是：（a）一阶差分法，等价于对数化了的百分增长率：])()1(ln[)()1()(tStStLtLtXFD(3.1)（b）对数线性趋势法，先用线性回归法取对数线性趋势，它等价于指数固定的增长趋势。)()]([ln)()()(,)(10tGtStGtLtXtkktGLLDLLDLLDLLD11(3.2a))exp(],)(exp[)exp{)(0010kStXtkStSLLD(3.2b)即S(t)=S0exp(k1t)exp(X(t))(3.2c)(c)HP滤波器是L(t)的一个线性变换,它从原始不光滑的时间序列{L(t)}找出一个光滑的时间序列{G(t)}，算法是让下述目标函数的极小化，对月度数据的滤波参数为1600：NtNttGtGtGtGtGtL1212}])1()([)]()1([{)]()([(3.3a))()()(tGtLtXHP(3.3b)我们对宏观经济指数分析的重点是趋势消解之后的波动分量，计量经济学叫残差。我们将看到])()1(ln[)(tStStXFD的主要成分是色噪声、多数宏观指数其)(tXHP的主要成分是色混沌，少数宏观指数其)(tXLLD的主要成分是色混沌信号。按照信号处理理论的时频测不准原理，时间和频率不能同时测准。时间上的更高分辨率是以牺牲频率的分辨率为代价的。这三种趋势消解法以FD的时间窗户最短，仅一个数据记录的时间单位。例如，对月度数据而言，其时间窗户为1个月。LLD的时间窗户最长，为整个时间序列的长度；在我们下面的股市指数中，LLD的时间窗户为45年。HP滤波器的时间窗户约为8年。计量经济学家和金融经济学家偏爱FD表象，因为它产生的时间序列看来近于随机过程，和均衡经济学的有效市场理论的信念比较接近。宏观经济学家偏爱LLD表象，因为LLD的对数线性趋势等价于固定指数增长的长期趋势，和新古典增长理论的预言接近。真实经济周期学派偏爱HP表象，因为他们试图综合经济增长理论12和经济周期理论：一方面让长期的（非线性）平滑趋势能逼近对数线性趋势，另一方面又使分离出来的波动分量处于商界公认的商业周期的范围（2-10年）之内。我们对宏观经济指数的广泛研究表明，只有HP表象下的波动分量有可靠的色混沌证据。我们下面用最重要的经济周期超前预报指数–美国股市500家大企业股价的的价值加权指数，即标准-普尔指数(Standard&Poor500Index,简称为S&P500)FSPCOM月度指数（股票指数）做例证。图5显示了三种观测参考系（趋势消解法）下的动态模式。2.533.544.55logS(t)5.5194519551965197519851995logS(t)HPstTrendsofFSPCOMlnIndexlog-lineartren