Введение

Упрощенное представление экономической реальности, теоретическое моделирование.

Экономическая модель – это теоретическая конструкция, представляющая экономические процессы посредством набора переменных и набора логических и/или количественных взаимосвязей между ними. Экономическая модель – это упрощенная, часто математическая, структура, разработанная для иллюстрации сложных процессов. Как правило, экономические модели оперируют структурными параметрами. Модель может включать различные экзогенные переменные, изменение которых позволяет анализировать различные реакции экономических переменных. Методологическое применение моделей включает в себя исследование, теоретическое обоснование и проверку теорий на соответствие реальности.

Проблемы с экономическими моделями

Большинство экономических моделей опираются на ряд допущений, которые не вполне реалистичны. Например, часто предполагается, что экономические агенты обладают полной информацией, а рынки, как правило, приходят в равновесие без каких-либо препятствий. Или же модель может не учитывать факторы, важные для рассматриваемого вопроса, такие как внешние эффекты. Поэтому любой анализ результатов экономической модели должен принимать во внимание, в какой степени эти результаты могут быть искажены из-за неточности исходных допущений, и существует обширная литература, посвященная проблемам экономических моделей или, по крайней мере, ставящая под сомнение достоверность их результатов.

История

Одной из основных проблем, решаемых экономическими моделями, было понимание экономического роста. Ранняя попытка предложить методику для её решения была предпринята французской физиократической школой в восемнадцатом веке. Среди этих экономистов Франсуа Кенэ был особенно известен своей разработкой и использованием таблиц, которые он называл *Tableaux économiques*. Эти таблицы, фактически, интерпретируются в современной терминологии как модель Леонтьева, см. ссылку на работы Филлипса ниже. На протяжении всего XVIII века (то есть задолго до основания современной политической экономии, традиционно отсчитываемой с публикации «Исследования о природе и причинах богатства народов» Адама Смита в 1776 году) простые вероятностные модели использовались для понимания экономики страхования. Это было естественным развитием теории азартных игр и сыграло важную роль как в развитии самой теории вероятностей, так и в развитии актуарной науки. Многие выдающиеся математики XVIII века внесли вклад в эту область. Около 1730 года Де Муавр рассмотрел некоторые из этих проблем в третьем издании «Доктрины шансов». Ещё раньше (в 1709 году) Никола Бернулли изучал вопросы, связанные со сбережениями и процентами, в *Ars Conjectandi*. В 1730 году Даниэль Бернулли исследовал «моральную вероятность» в своей книге *Mensura Sortis*, где он представил то, что сегодня называется «логарифмической функцией полезности денег», и применил её к задачам, связанным с азартными играми и страхованием, включая решение парадоксальной задачи Санкт-Петербурга. Все эти разработки были обобщены Лапласом в его «Аналитической теории вероятностей» (1812). Таким образом, к моменту появления Давида Рикардо у него была хорошо сформированная математическая база, на которую он мог опираться.

Испытания макроэкономических прогнозов

В конце 1980-х годов Институт Брукингса сравнил 12 ведущих макроэкономических моделей, доступных на тот момент. Они сравнили прогнозы моделей относительно того, как экономика будет реагировать на конкретные экономические шоки (позволяя моделям учитывать всю изменчивость реального мира; это был тест модели на модель, а не проверка соответствия фактическим результатам). Хотя модели упрощали реальность и исходили из стабильных, известных общих параметров, различные модели давали существенно отличающиеся результаты. Например, при оценке влияния смягчения денежно-кредитной политики на выпуск, некоторые модели прогнозировали изменение ВВП на 3% в течение года, а одна – практически отсутствие изменений, остальные же распределялись между этими значениями. Отчасти благодаря таким экспериментам, современные центральные банкиры больше не испытывают прежней уверенности в возможности "тонкой настройки" экономики, как это было в 1960-х и начале 1970-х годов. Современные политики склонны придерживаться менее активного подхода, поскольку им не хватает уверенности в том, что их модели способны точно предсказать траекторию развития экономики или эффект от какого-либо шока. Новый, более сдержанный подход видит опасность в резких изменениях политики, основанных на модельных прогнозах, из-за ряда практических и теоретических ограничений существующих макроэкономических моделей; помимо теоретических проблем (упомянутых выше), существуют специфические для агрегированного моделирования трудности: ограничения в построении моделей, обусловленные сложностью понимания глубинных механизмов реальной экономики (отсюда и обилие различных моделей); закон непредвиденных последствий, проявляющийся в элементах реальной экономики, еще не учтенных в модели; временной лаг как в получении данных, так и в реакции экономических переменных на попытки политиков "управлять" ими (в основном посредством денежно-кредитной политики) в желаемом направлении. Милтон Фридман убедительно доказывал, что эти лаги настолько велики и непредсказуемо варьируются, что эффективное управление макроэкономикой невозможно. Существует сложность в корректной оценке всех параметров (с помощью эконометрических измерений), даже если бы структурная модель и данные были идеальными. Тот факт, что все взаимосвязи и коэффициенты в модели носят стохастический характер, приводит к быстрому увеличению погрешности, а имеющийся набор входных параметров уже устаревает. Современные экономические модели учитывают реакцию общественности и рынков на действия политиков (с использованием теории игр), и эта обратная связь включается в современные модели (после революции рациональных ожиданий и критики Роберта Лукаса-младшего моделей, не имеющих микроэкономических основ). Если в модель необходимо включать реакцию на действия принимающего решения (и степень доверия к ним), то становится значительно сложнее влиять на некоторые из моделируемых переменных.

Сравнение с моделями в других науках

Специалист по сложным системам и математик Дэвид Орелл написал об этом в своей книге "Стрела Аполлона" и объяснил, что для прогнозирования погоды, состояния здоровья человека и экономических показателей используются схожие методы (математические модели). Сами системы – атмосфера, организм человека и экономика – также обладают сопоставимым уровнем сложности. Он пришел к выводу, что прогнозы оказываются неверными из-за двух проблем: (i) модели не способны учесть всю полноту деталей исходной системы и поэтому опираются на приближенные уравнения; (ii) они чувствительны к незначительным изменениям в точной формулировке этих уравнений. Это связано с тем, что сложные системы, такие как экономика или климат, представляют собой хрупкое равновесие противоборствующих сил, и даже небольшое искажение в их описании может привести к значительным последствиям. Таким образом, прогнозы, например, экономических рецессий, остаются крайне неточными, несмотря на использование масштабных моделей, работающих на высокопроизводительных компьютерах. См. .

Влияние детерминированного хаоса на экономические модели

Экономические и метеорологические модели могут иметь общий фундаментальный предел для их прогностической силы: хаос. Хотя современная математическая работа над хаотическими системами началась в 1970-х годах, опасность хаоса была выявлена и определена в журнале Econometrica еще в 1958 году: "Хорошая теоретическая работа в значительной степени заключается в избежании предположений [обладающих свойством, что] небольшое изменение в исходных данных серьезно повлияет на выводы" (Уильям Баумол, Econometrica, 26, см.: Экономика на грани хаоса). Легко разработать экономические модели, подверженные эффекту бабочки – чувствительности к начальным условиям. Однако эконометрическая исследовательская программа, направленная на выявление хаотичных переменных (если таковые существуют), в основном пришла к выводу, что агрегированные макроэкономические переменные, вероятно, не демонстрируют хаотичного поведения. Это означало бы, что усовершенствование моделей в конечном итоге может привести к надежным долгосрочным прогнозам. Однако обоснованность этого вывода вызвала два возражения: в 2004 году Филип Мировски оспорил эту точку зрения и ее сторонников, заявив, что хаос в экономике страдает от предвзятого "крестового похода" со стороны неоклассической экономики, стремящейся сохранить свои математические модели. Переменные в финансах вполне могут быть подвержены хаосу. Также в 2004 году исследование Университета Кентербери "Экономика на грани хаоса" пришло к выводу, что после удаления шума из доходности S&P 500 обнаруживаются свидетельства детерминированного хаоса. В последнее время хаос (или эффект бабочки) был признан менее значимым фактором, чем считалось ранее, в объяснении ошибок прогнозирования. Скорее, прогностическая сила экономики и метеорологии в основном ограничена самими моделями и природой лежащих в их основе систем (см. раздел "Сравнение с моделями в других науках" выше).

Критика высокомерия в планировании

Ключевой принцип свободного рыночного экономического мышления состоит в том, что "невидимая рука" рынка направляет экономику к процветанию более эффективно, чем централизованное планирование с использованием экономических моделей. Одна из причин, на которую указывал Фридрих Хайек, заключается в том, что многие реальные факторы, определяющие состояние экономики, невозможно учесть в едином плане. Этот аргумент нельзя сформулировать с помощью традиционной (математической) экономической модели, поскольку он утверждает, что существуют критически важные системные элементы, которые всегда будут упущены при любом анализе экономики, осуществляемом сверху вниз.