全球仅约50位研究者的经济学分支，到底有多“复杂”？

为什么经济学一直无法预测或解释重大危机？我们能否像理解气候一样去理解经济系统？

牛津大学教授、圣塔菲研究所教授J. 多因·法默（J. Doyne Farmer）曾如此向经济学界发问。

传统经济学假设，人是理性的，市场会自动趋向均衡；但现实中，人并不理性，市场也会崩溃。在复杂系统视角下，经济其实像一个生态系统，充满相互作用、正负反馈循环、非线性变化与系统性突变，人们应该像研究天气、传染病、互联网那样去研究经济。

J. 多因·法默

在其新作《理解混沌：更好的经济理论，更好地理解世界》中，法默将他在复杂系统领域深厚的理论知识与现实案例结合起来，解释了如何用复杂系统解决经济难题。利用大数据和算力日益强大的计算机，我们现在能够将复杂系统科学应用于经济研究，构建全球经济模型，模拟真实的经济运行，以预测风险、政策效果和危机。这些模拟的结论构成了“复杂经济学”的基石，使我们能够更好地应对气候变化、金融稳定、收入分配和经济政策等实际问题。

为了让各位读者更好地理解“复杂经济学”作为一门学科的背景、目标、范式与路径，以下，阿信将本书的引言分享给各位读者。在这篇引言中，法默将复杂经济学与传统的标准经济学进行了全方位对比，在指出后者所存在的关键局限的基础上，详细阐述了复杂经济学如何兴起、如何成型，在可预见的未来又将变得如何重要。

《理解混沌：更好的经济理论，更好地理解世界》

[美]J. 多因·法默 著

2026年9月

点击卡片，即可购买

本文摘编自《理解混沌：更好的经济理论，更好地理解世界》

章节标题为编者所加

“在危机面前，我们被传统工具抛弃了”

我们生活在一个日益复杂的时代，这是一个技术加速发展和全球互联互通的时代，其蕴含的发展机遇与风险数量或许超过人类历史上的任何时代。虽然新的繁荣之路近在咫尺，但“世界末日”的景象也并非遥不可及。

为全球经济提供动力的化石燃料创造了巨大的财富，但气候变化像一场从未来滚滚而来的巨大海啸，也可能将这一切摧毁；自动化和人工智能为一些人带来了财富，却也使另一些人失业；金融危机和日益加剧的不平等加剧了全球两极分化和民主的衰退。

这些问题中的很多根源都指向经济领域。气候变化由经济活动引发，自动化旨在提高生产力，而金融危机和不平等则是经济管理不善的后果。制定指导经济运行的公共政策依赖于理论和模型，这些理论和模型为政府辩论搭建框架，优化政策选项，并为改革提案提供支持或反对的论据。同样重要的是，经济理论和模型影响了我们的直觉，塑造着我们对世界的认知以及做出决策的方式。

不幸的是，现有经济模型提供的指导常常失灵。

2008年的全球金融危机就是一个很好的例子。在危机爆发前几年，纽约联邦储备银行的顶级经济学家对房地产市场崩溃可能引发的危机就感到了担忧。他们借助当时世界上最完善的经济模型之一——FRB/US（美联储/US模型）进行了模拟：假如美国平均房价下跌20%，对美国经济会产生什么影响？

得到的答案是“影响不大”。

经济学家的担忧极具先见之明：2007年1月至2009年1月，美国房屋的平均售价下跌了约23%。而FRB/US模型的预测大错特错，对美国经济受到影响的估算偏差高达20倍。2008年的金融危机引发的全球经济衰退，是20世纪30年代大萧条以来最严重的一次。仅美国就有500万人失去工作，美国的失业率升至10%，经济损失约10万亿美元，而世界其他地区受到的影响更大。

经济模型预测的失效是普遍的。时任欧洲中央银行行长让-克洛德·特里谢后来坦言：“作为危机期间的政策制定者，我发现现有的模型作用有限。事实上，我甚至想说，在危机面前，我们被传统工具抛弃了。”

当代科学技术能够以与传统经济学工具截然不同的方式，帮助我们理解和解决全球性问题。如今，我们能够以前所未有的规模收集经济活动数据。现代计算机能够以极高的精度和准确性对全球经济进行建模，可用于指导我们应对危机，并助力创建一个可持续的、公平且繁荣的经济体系。

然而，至少在主流经济学领域，这种情况并未发生。传统工具虽有改进，但远远不够。问题的根源在于主导该学科的概念框架。虽然这个框架对于解决定义明确的问题很有用，比如设计更高效的拍卖机制或理解劳资谈判策略，但它并不适合处理那些重大、复杂且混乱的现实世界问题。主流经济学的核心假设与现实不符，基于这些假设的方法无法很好地从小问题扩展到大问题，也无法充分利用数据和技术的巨大进步。对于气候变化等重要的全球性问题，标准经济学理论给出的错误答案为人类的不作为提供了借口，将我们推向全球性灾难的边缘。

一些经济学家因基于理想化论证且缺乏实证支持的理论而获得诺贝尔奖，这些理论为新自由主义政策提供了依据，导致了极端不平等，加剧了社会政治的两极分化。

本书并非旨在批评经济学，市场上已经有许多这样的书。本书关注的是如何以不同的方式进行经济学研究，从而充分利用大数据和计算机能力，构建出更具预测性的经济模型，并为解决全球性问题提供更好的政策建议。

复杂系统科学研究的是“涌现”

需要明确的是，本书主要探讨宏观经济学（经济学中关注通货膨胀和失业等宏观现象的分支学科）和金融学（关于货币和投资的学科）。我们将聚焦于经济理论，而不是运用统计方法进行经济数据分析。

在经济学中，这被称为计量经济学，在人工智能领域中则被称为机器学习。（在这两个领域中，模型都是通过对数据进行函数拟合构建的，经济学家倾向于使用线性函数，而计算机科学家则更喜欢使用神经网络。）

我所说的“理论”，是指基于对世界运行机制的假设构建模型。例如，牛顿的万有引力定律和运动定律使我们能够预测彗星和行星的运动轨迹，并解释行星为什么会按照这样的方式运动。相比之下，统计方法会揭示数据中的规律，并利用这些规律进行预测，却无须对运行机制做出基本假设。计量经济学已开始分析大型数据集，目前已产出了许多重要成果，而机器学习领域也在蓬勃发展。

虽然统计分析非常有用，但它的能力存在根本性局限。统计分析可以帮助我们描绘当下世界的图景，但只有在系统内，且在行为保持不变的情况下，它才能对未来进行推断。而在面临全新的情境时，统计规律可能会发生变化。

一种更可靠的预测方法就是运用理论进行预测，当然前提是这一理论是基于不会变化的机制构建的。在经济学领域，卢卡斯批判就是一个著名的例子。

罗伯特·卢卡斯（Robert E. Lucas，1937-2023）是卢卡斯批判的提出者。该理论认为，基于历史数据的计量模型未考虑政策变动对理性预期的影响，经济主体会调整行为，导致模型参数动态变化，使既有模型失效。

从根本上说，经济学比物理学更具挑战性，因为与行星不同，人类是能够思考的，其行为也会因此改变。经济理论必须解释家庭或企业等经济主体的行为，这些主体会做出各种决策，例如消费什么、在哪里工作、工作多久、在哪里投资、生产什么、生产多少、定价多少以及如何创新。

在过去的150年里，经济学逐渐形成了一种构建经济理论的标准模式，这个模式包含了经济主体的推理能力，并在20世纪70年代最终确定。我将这种模式称为标准经济学理论，它为每个经济主体分配一个效用函数来描述其偏好。例如，在标准宏观经济模型中，家庭从消费中获得效用，企业则在追求利润最大化和风险最小化的过程中获得效用。

在标准经济学理论下，每个经济主体都会做出使自身效用最大化的决策。为了发现这些决策并理解其经济后果，经济学家用数学方程表达决策过程，求解出经济后果。这是所有经济学教科书所教授理论的基础，也是经济学家评估新政策和指导经济运行时采用的理论模型。

复杂经济学提供了一种截然不同的选择。复杂经济学借鉴了复杂系统科学的思想和方法，这是我在20世纪80年代参与开创的一个跨学科领域，涵盖了物理学、生物学和社会科学。

复杂系统研究的是“涌现”现象，即一个系统整体的行为与各个部分的行为在性质上变化的现象。大脑就是一个很好的例子：单个神经元是一种相对简单的装置，它接收来自其他神经元的刺激并产生新的刺激。单个神经元并不具备意识，但人类大脑中约850亿个神经元以某种方式协同工作，从而使人类产生了意识和思维。

经济是复杂系统的一个绝佳示例，具有许多不同的涌现现象。经济系统让我们分工合作——专注于我们最擅长的事情，同时让他人去做他们最擅长的事。通过协作，经济让我们能够建造出宇宙飞船或笔记本电脑等个体无法独自完成的东西。

虽然标准经济学理论有时能对涌现现象提供一些有价值的见解，但这并不是它的优势，它是为其他目的而构建的。相比之下，复杂系统科学家已经发现并开发出一套标准的概念和方法工具包，用于理解大脑、蚁群、互联网或城市等涌现现象。

像我这样的复杂经济学家是一群“反叛者”，我们将复杂系统工具包应用于经济学研究。我是全球约50位复杂经济学家之一（“复杂经济学”这个术语由斯坦福大学经济学家 W. 布莱恩·阿瑟创造，他是该领域的先驱之一）。复杂经济学家组成的群体十分松散，其成员的观点常常各不相同。本书中我所阐述的观点，有些是大家共有的，但更多是我个人的看法。

复杂经济学与标准经济学有何不同？

复杂经济学与标准经济学理论截然不同。首先，标准经济学理论和复杂经济学对于经济主体如何推理和决策建立了截然不同的模型。标准经济学通常假设经济主体具有前瞻性，足够聪明，能够通过推理解决任何问题。这些假设的理性经济主体有点像《星际迷航》中的斯波克先生：他们利用所有可用信息做出最佳决策，也就是能产生最大效用的决策。

虽然如今主流的行为经济学借鉴心理学和社会学的经验挑战了这一观点，并略带讽刺地将理性经济主体称为“经济人”，但仍没有被广泛使用且可行的替代理论出现。虽然行为经济学现在几乎已被接受，但影响公共政策的经济模型在很大程度上仍然是基于“经济人”假设建立的。这是因为将现实中人们的推理方式纳入标准经济学理论绝非易事。

标准经济学理论的各个要素是作为一个整体设计的，当其中一些要素被修改时，其他要素就会变得不适用。构建能够有效整合人类现实行为且能够做出有用预测的经济模型，可能是当今经济学领域最重要的课题。

相反，复杂经济学从一开始就假设经济主体是有限理性的，这意味着他们的决策并不完美，推理能力也有限。我们为有限理性的经济主体构建的模型更加灵活，它们可以基于心理学实验结果、人口普查数据、专家意见等多种来源。经济主体可以学习以实现目标，但他们通常只能部分实现这些目标。

这两种经济学的研究工具也大相径庭。标准经济学模型用方程式表示，标准经济学家尽可能手工求解这些方程，如果做不到，就借助计算机。虽然我们也使用方程，但计算机模拟才是复杂经济学的主要研究手段。数字技术使我们能够在计算机中对现实世界进行模拟，这种方法有时被称为数字孪生。现实世界中的重要事件在模拟世界中都能找到对应的呈现。如今，科学家利用计算机模拟来研究几乎所有事物，如星系形成、蛋白质折叠、大脑、流行病传播、作战策略和交通拥堵。主流经济学家使用计算机来解方程，但这并非通常意义上的模拟，因为他们并没有尝试模拟现实世界的实际运行情况。

复杂经济学中使用的模型被称为基于主体的模型。顾名思义，这些模型的基本组成部分，如家庭、企业或政府，会做出决策，它们具有主体性。描述每个主体如何决策的算法被编入计算机程序中。随着主体收集信息并做出决策，他们的行动改变了经济状态，使经济产生新的信息，促使主体做出新的决策，如此循环往复。这种模拟可以无限重复，以研究每个主体随时间变化而产生的互动。

在基于主体的模型中，经济现象自下而上涌现，与现实世界一样。编入计算机程序中用于模拟决策的算法，可能是社会科学家发现的简单行为规则，比如“模仿你的邻居”；可能是每个人都遵循的明显经验法则，比如“购买有潜力的资产”；也可能是学习算法，用于捕捉主体如何随着时间调整决策以提高效用。计算机能够轻松处理复杂、混乱的事实，使我们根据需要尽可能真实地模拟决策过程。这种真实性还有额外的好处：在情境中存在不确定性时，简单的经验法则可能出奇地有效，有时甚至比复杂的推理更有效。

使用模拟相较于数学方程有很多优点，其中最重要的一点是它能够模拟世界中行为主体的多样性，经济学家称之为异质性。在主流宏观经济学中，对异质性进行建模是一个热门话题，但要将其融入标准框架却非常困难。相比之下，计算机可以轻松追踪不同的主体，使我们能够根据需要进行尽可能真实的模拟。

标准经济学和复杂经济学的理论框架也有很大差异。标准经济学大量借鉴了优化理论中的数学方法，就像寻找“群山”（这里的“群山”是代表效用的抽象概念）的最高峰。标准经济学家尽可能地用数学定理证明模型。复杂经济学家也使用数学方法，但通常是为了理解在模拟中观察到的现象。我们使用的数学方法来源更为广泛，借鉴了动力系统、统计物理学、生态学和进化生物学等多个领域的方法和概念。

最后，标准经济学理论从一开始就假设只有在供给等于需求时才会发生交易，这被称为均衡状态。相比之下，复杂经济学模型并不一定假设存在均衡，而是将其视为在特定情况下出现的一种涌现属性。

综上所述，这些因素导致了复杂经济学与标准经济学截然不同的应对变化的方式。经济变化可能来自外部，比如新冠疫情就是一个影响经济的外部因素。变化也可能来自内部，比如2008年的金融危机，它是由经济系统自身的作用引发的。标准经济学在应对源自经济内部的变化时存在困难。例如，主流的金融危机模型不得不假设存在外部“冲击”，使经济产生必要的变化。显然，实际情况并非如此，但标准模型只能以事情“好像”是这样发生的方式来解释金融危机。

相比之下，基于主体的模型本质上是动态的，能够自然地解释经济如何从内部发生变化。本书将通过具体例子，展示复杂经济学如何用“实际情况”推理取代“好像”推理，为经济如何从内部发生变化提供更合理的解释。

或许复杂经济学最大的优势在于它解决难题的能力。如果一个模型易于构建，并且可以被用于回答问题，那么它就是易处理模型。标准经济学理论在简单情况下能产生易处理模型，但随着情况变得复杂，这种优势就会消失，因为解方程变得过于困难，在现有模型中添加新因素也越来越难。

结果，当问题变得复杂时，主流经济学家不得不通过忽略一些因素来过度简化问题。2008年的金融危机就是这种简化做法导致严重后果的很好例子。当时所有的模型都忽略了借贷者和企业违约的可能性。经济学家知道“违约可能性”这一因素很重要，但将其纳入模型很困难，所以他们选择忽略。

事实证明，违约恰恰是金融危机的核心诱因。金融危机后，传统模型进行更新，也涵盖了借贷者和企业违约的情况，但它仍然是简化的，忽略了许多基本经济因素，而这些因素在未来危机中可能起到重要作用。

迄今为止，没有一个基于标准经济学理论的模型，能够涵盖所有可能导致我们再次陷入危机的经济因素。构建真实可用的模型需要良好的数据，而基于主体的模型可以非常自然地使用目前海量的数据。全球每年有数千万家企业和数十亿个家庭进行数万亿美元的交易。构建一幅全球经济的精细地图极为有用，但请注意，这样的地图目前并不存在。如果我们构建出了这样一幅地图，它将详细展示经济结构，并使我们能够追踪它的动态变化。我们正在开发单个企业和家庭层面的基于主体的经济模型，这些模型可以利用此类数据，并采取自下而上的研究方法，即宏观经济学从微观经济学中自然衍生而出。

不仅仅是模拟

标准经济学理论和基于主体的模型之间的竞争，反映了社会科学中一个更广泛的争论。20世纪著名经济学家米尔顿·弗里德曼认为，模型应该仅仅根据其预测的准确性，而不是其假设的合理性来评估。

他认为，即使一个模型的假设很牵强，经济的表现也可能“好像”这些假设是正确的一样。他以专业台球选手为例，这些选手可能并不理解物理定律，但打球时的表现却“好像”他们理解物理定律。行为经济学已经充分表明，人们的决策方式与标准经济学模型的假设截然不同。尽管如此，为了证明模型的合理性，经济理论家仍然认为经济表现得“好像”人们真的按照这些假设在做决策一样。

人们普遍认为，模型的价值应该根据其预测现实的能力来评判。争论的焦点在于，这是否应该是唯一的标准。在社会科学领域，模型通常只能大致契合事实，没有一个模型能与事实完全契合。我们应该对那些需要不合理的“好像”论调才能成立的模型高度警惕。

我认为我们应该遵循逼真性原则：模型应该契合事实，其假设也应该合理。一开始看起来就错误的假设，比合理的假设更有可能导致错误的结论。我们需要用“就是”推理取代“好像”推理。

逼真性原则指出，模型需要包含被解释现象的关键特征，但不必是对世界的精确再现；模型是一种抽象，我们不需要它捕捉每一个细节。当谈论构建模型时，我们并不是试图创造像《黑客帝国》那样的虚拟世界。逼真性只意味着模型应尽可能真实地捕捉基本因素。好的模型应尽可能简单，但不能过度简化。基于主体的模型可以很复杂，也可以很简单。计算机可以轻松追踪那些用数学方式难以描述的细节，所以我们可以根据需要包含尽可能多的因素。最重要的是，我们可以轻松添加新因素，而无须改变现有因素，逐步提高我们的模型在模拟世界时的逼真度。

复杂经济学不仅仅是模拟。如前所述，它借鉴了其他领域发展起来的概念框架。我们发现，有时先让经济主体“好像”随机做决策来对其进行建模，然后再为模型添加足够的智能因素，使模型更契合事实，这种方法很有用。统计物理学在这个场景中非常有用，因为统计物理学就是为研究原子的随机行为而建立的。

边缘，还是主流？

复杂经济学的许多思想是由赫伯特·西蒙在20世纪50年代提出的。他是一位杰出的博学家，也是经济学、人工智能、认知心理学、管理学、公共行政学和政治学领域的重要创新者。虽然西蒙在1978年获得了诺贝尔经济学奖，但主流经济学界并未追随他的脚步。

到目前为止，复杂经济学在经济学界仍处于边缘地位。你可能会问：既然复杂经济学已经存在了这么久，为什么它还没有成为主流呢？

简而言之，在西蒙的时代，我们缺乏实现他的设想所必需的计算能力、数据以及对人类决策方式的认知。幸运的是，如今的计算机速度大约是那时的10亿倍，我们的数据处理能力也同样有了巨大的提升。就像计算机科学家利用这些新能力在人工智能和机器学习领域取得重大突破一样，复杂经济学家也开始从中受益。

在过去大约5年的时间里，复杂经济学已经从定性科学转变为定量科学，目前正处于将模型从概念构建阶段转向实际应用阶段的过程中。虽然复杂经济学家处于学术经济学的边缘，但我们的模型已经在商业领域中投入使用。我们的一些想法正被纳入各国中央银行用于监测金融市场的模型，用以防范下一次金融危机。

在其他正在开发的应用中，我们的模型有助于解决日益加剧的不平等问题，或者为发展中国家找到最佳发展路径。它们能够预测自动化、绿色能源转型等重大变革的经济影响，并帮助我们更平稳地实现这些变革。

复杂经济学能够产生重大影响的另一个具体例子是全球气候变化，这是当今世界面临的最紧迫问题之一。这一问题的根源还是在于经济，经济活动会生产和消耗那些产生温室气体的化石燃料。我们有很完善的模型可以用于解释全球气候变暖，这些模型几乎让所有科学家信服。相比之下，用于应对气候变化的经济学模型却极具争议，不同模型得出的答案差异很大。

2018年，诺贝尔经济学奖获得者威廉·诺德豪斯使用标准宏观经济模型，认为缓解气候变化的经济成本太高了，所以我们应该缓慢地转变，允许地球最终升温3.4℃。相比之下，我和同事的研究表明，如果在几十年内将人类的经济活动迅速转向可再生能源，不仅可能将全球变暖幅度控制在接近1.5℃的水平，还可能为人类节省数万亿美元。尽快解决这一争议对我们的未来至关重要！

新兴的复杂经济学带来了经济学研究范式的根本性变革。其知识框架与主流经济学差异巨大，这意味着研究者的研究工具、技能和知识基础都需要彻底更新，这是一场文化变革。不出所料，这样重大的转变像历史上的所有变革一样，都遭到了学术主流的强烈反对。

例如，虽然本书序言中描述的新冠疫情模型既具有创新性又有用，但它永远无法在“顶级”经济学期刊上发表。为什么？因为它无法用数学方法求解，最重要的是，它缺少效用最大化的主体，所以违背了标准经济学理论的核心教条。复杂经济学家通常不在经济学系任职，而是在像计算社会学系之类的部门任职，例如，我隶属于地理与环境系。

虽然存在这些障碍，复杂经济学已经开始得到一些对传统工具不满的机构的支持，包括一些具有前沿思想的中央银行，相关的商业应用也在开发中。现代技术的发展，使我们现在可以实现像赫伯特·西蒙这样的先驱只能幻想的事情。复杂经济学腾飞的时机已经成熟。

要使复杂经济学取得成果，需要大量的时间和资源。许多具有挑战性的问题仍亟待解决。尽管如此，成功的可能性还是很大，回报也可能是巨大的。我们需要尽快推动这次科学革命的进程，因为世界的命运正悬而未决。

告别滞后的线性经济模型

跳出过时的统计图表

用复杂科学重新解释经济

进入理解经济运行逻辑的更高维度

点击卡片，即可购买

-End-

2026.9.5

编辑：闪闪 | 审核：孙小悠