Table of Contents

Экономическая теория не возникает в вакууме. Она формируется в горниле опыта, и количественные исторические данные обеспечивают сырье для этого процесса. Систематично измеряя прошлую экономическую активность - выпуск, занятость, цены, торговлю и финансовые потоки - экономисты могут выявлять постоянные отношения, проверять конкурирующие гипотезы и совершенствовать модели, лежащие в основе политических решений. От последствий Великой депрессии до ответа на пандемию COVID-19 количественные исторические данные неоднократно меняли то, как мы понимаем экономику и как правительства и центральные банки пытаются управлять ею. Эволюция современной макроэкономики, например, является прямым повествованием о том, как эмпирические данные из прошлых кризисов бросали вызов преобладающей мудрости и заставили принять новые рамки. Независимо от того, рассматривает ли банковские операции 1930-х годов или сбои в цепочке поставок 2020-х годов, цифры, оставленные позади, служат как зеркалом, так и картой, отражающей прошлые неудачи, одновременно направляя будущую устойчивость.

Роль количественных исторических данных в экономическом анализе

Количественные данные превращают анекдотические наблюдения в строгий анализ. Длительные временные ряды позволяют экономистам отличать циклические колебания от структурных тенденций, измерять корреляцию между переменными и строить эконометрические модели, которые можно использовать для прогнозирования и моделирования. Без исторических данных экономическая теория оставалась бы набором правдоподобных, но непроверяемых историй. Способность количественно оценивать такие отношения, как связь между уровнем денежной массы и цен или между бюджетным дефицитом и процентными ставками, полностью зависит от наличия надежных исторических данных. Это эмпирическое обоснование отделяет экономику от чистой философии, давая ей инструменты для создания фальсифицируемых прогнозов и адаптации, когда эти прогнозы терпят неудачу.

Ключевые метрики и источники данных

Основу количественной исторической экономики составляют несколько основных показателей: реальный валовой внутренний продукт (ВВП), темпы инфляции (часто измеряемые индексами цен потребителей или производителей), уровень безработицы, процентные ставки, агрегаты денежной массы и торговые балансы. Для Соединенных Штатов такие источники, как база данных Федерального резерва (ФРЭД) [[ФЛТ: 1]], предоставляют ежемесячные и ежеквартальные серии, начиная с начала двадцатого века. На международном уровне проект [[ФЛТ: 2]] Maddison реконструирует ВВП на душу населения для стран еще в первом тысячелетии, предлагая понимание долгосрочных моделей роста и уровня жизни. Исторические индексы фондового рынка, такие как индекс Доу-Джонса с 1896 года, цены на сырьевые товары с 18-го века и ряды производительности труда от промышленной революции, еще больше обогащают картину. Совсем недавно исследователи оцифровали банковские записи, микроданные переписи и торговые реестры для создания гранулированных наборов данных, которые расширяют наш взгляд на прошлое.

Сбор данных и проблемы стандартизации

Исторические данные — это не просто готовые цифры. Определения меняются: например, современное определение ВВП было стандартизировано только после Второй мировой войны. Более ранние оценки требуют тщательной реконструкции из налоговых отчетов, переписей производства и торговых регистров, часто включающих значительную интерполяцию и предположение. Пересмотр данных также является постоянной проблемой — первоначальные выпуски статистики позже пересматриваются по мере того, как становится доступно больше информации, и экономисты должны использовать «винтажные» данные или корректировать эти изменения в своих анализах. Например, измерение безработицы до 1930-х годов опиралось на профсоюзные записи и социальные опросы, а не на последовательные правительственные опросы, вводя потенциальные предубеждения. Несмотря на эти проблемы, постоянные усилия по улучшению исторических рядов данных — через совместные академические проекты и институциональные архивы данных — сделали количественные исторические записи гораздо более надежными, чем это было даже поколение назад.

Как исторические данные формируют экономические модели

Наиболее влиятельными экономическими теориями часто были прямые ответы на крупные исторические эпизоды, запечатленные в количественных данных. Каждый кризис или длительный период нестабильности обнажает границы существующих моделей и предоставляет эмпирические доказательства, необходимые для построения новых. Эта петля обратной связи между данными и теорией является двигателем прогресса в экономической науке.

Великая депрессия и кейнсианская революция

Великая депрессия 1930-х годов привела к катастрофическому коллапсу производства и занятости в промышленно развитых странах. Классическая экономика, с ее предположением, что рынки будут самокорректироваться, мало что могла сказать о длительной безработице и падении спроса. Количественные данные депрессии — особенно резкое снижение совокупного спроса (ВВП США упал почти на 30% между 1929 и 1933 годами) и сохранение высокой безработицы (выражаясь более чем на 25%) — обеспечили эмпирическую основу для общей теории Джона Мейнарда Кейнса . Кейнсианская экономика с ее акцентом на государственные расходы и фискальные стимулы для управления совокупным спросом, была не просто философским сдвигом; это был прямой вывод из статистических моделей, наблюдаемых в 1930-х годах. Позже экономисты, такие как Милтон Фридман и Анна Шварц, использовали исторические денежные данные того же периода, чтобы утверждать в своей работе 1963 года Денежная история Соединенных Штатов превратила серьезную рецессию в депрессию. Эти дебаты иллюстрируют, как количественные исторические данные могут быть использованы для проверки конкурирующих теоретических повествований, с каждой стороны,

Стагфляция 1970-х годов и рост монетаризма

В 1970-х годах многие развитые страны испытали необычное сочетание высокой инфляции и высокой безработицы — явление, получившее название «стагфляция», которое стандартная кейнсианская кривая Филлипса не могла объяснить. Данные этого периода выявили разрыв в ранее стабильном компромиссе между инфляцией и безработицей, причем оба показателя росли одновременно. Экономисты, такие как Милтон Фридман и Эдмунд Фелпс, использовали эти данные для разработки концепции естественного уровня безработицы и важности ожиданий. Их аргументы, основанные на количественных данных, привели к росту монетаризма и, в конечном итоге, к современному подходу к таргетированию инфляции. Исторические данные 1970-х годов ясно показали, что попытки политики навсегда снизить безработицу, терпимо относясь к более высокой инфляции, потерпели неудачу; вместо этого инфляционные ожидания стали безуспешными, что привело к болезненному дефляции при Федеральной резервной системе Волкера. Данные заставили фундаментально переосмыслить то, как должна проводиться денежно-кредитная политика, сместив акцент с тонкой настройки производства на поддержание стабильности цен.

Финансовый кризис и реформы 2008 года в макроэкономическом моделировании

До глобального финансового кризиса 2008 года основные макроэкономические модели — так называемые модели динамического стохастического общего равновесия (DSGE) — в значительной степени игнорировали финансовый сектор. Домохозяйства и фирмы, как предполагалось, имели идеальный доступ к кредитам, а банковское дело рассматривалось как трение. Кризис предоставил множество микроэкономических и совокупных количественных данных, которые противоречили этим предположениям: финансовое посредничество сломалось, спреды расширились, а дефолты поспирали. Данные о просроченных ипотечных кредитах (рост с менее чем 2% в 2005 году до более чем 11% к 2010 году), цены на жилье (индекс S&P/Case-Shiller падает более чем на 30%), а банковские балансы заставили модельеров включить финансовые трения и кредитные ограничения. Более ранняя работа Хаймана Мински, основанная на исторических моделях финансовой нестабильности с 19-го и 20-го веков, была возрождена, поскольку исследователи признали повторяющийся характер циклов финансового кризиса. Кризис также привел к разработке эмпирических показателей финансовой уязвимости, таких как отношение кредита к ВВП и циклы цен на недвижимость,

Пандемия COVID-19 и дебаты об устойчивости

Экономический ответ на пандемию COVID-19 был беспрецедентным по масштабам и скорости. Количественные данные — показатели мобильности в реальном времени от Google и Apple, еженедельные отчеты по страхованию от безработицы, потребительские расходы от транзакций по кредитным картам и сбои в цепочке поставок через данные о портовом трафике — позволили экономистам отслеживать влияние почти в реальном времени. Данные пандемии возродили давние дебаты о фискальных мультипликаторах, эффективности автоматических стабилизаторов и ограничениях денежно-кредитной политики на нулевой нижней границе. Они также предоставили убедительные доказательства важности программ государственных трансфертов, таких как расширенное страхование от безработицы и прямые стимулирующие платежи в Соединенных Штатах, в поддержке совокупного спроса во время резких спадов. Поскольку мы продолжаем анализировать исторические данные с 2020 по 2021 год, эти цифры будут четко информировать следующее поколение моделей экономической устойчивости и стабилизации, особенно в отношении роли цифровой инфраструктуры и удаленной работы в поддержании производительности во время кризисов.

Количественные методы в исторических экономических исследованиях

Сами инструменты, используемые для анализа количественных исторических данных, эволюционировали, позволяя экономистам извлекать более надежные выводы из исторических записей.От простой описательной статистики до сложного причинного вывода эти методы составляют аналитическую основу исторической экономики.

Анализ временных рядов и эконометрика

Классические эконометрические методы — регрессионный анализ, монетегрегационные, векторные ауторегрессии — являются рабочими лошадками исторических экономических исследований. Изучая статистические отношения между переменными с течением времени, экономисты могут оценить влияние изменений политики, проверить наличие бизнес-циклов и выявить причинные эффекты с помощью естественных экспериментов. Например, исторические данные о реальной заработной плате и производительности с 19-го века использовались для оценки «кривой заработной платы и производительности труда» и для оценки степени рыночной власти на рынках труда. Использование инструментальных переменных, различий в различиях и конструкций разрыва регрессии также стало стандартом при анализе исторических событий, таких как экономическое влияние расширения железных дорог или введение банковского регулирования. Эти методы помогают изолировать причинные механизмы от простой корреляции.

Подходы машинного обучения и больших данных

Последние достижения в области вычислительной статистики открыли новые возможности для исторического экономического анализа. Алгоритмы машинного обучения могут обрабатывать высокоразмерные данные, обнаруживать нелинейные модели и повышать точность прогнозирования. Например, исследователи использовали случайные леса и повышение градиента для выявления исторических детерминант финансовых кризисов из большого набора макроэкономических переменных, охватывающих столетия, показывая, что рост частного кредита был единственным наиболее прогнозирующим фактором. Текстовый майнинг исторических газет и парламентских записей обеспечивает до сих пор недоступные количественные показатели политических настроений, освещения в СМИ или доверия к бизнесу, позволяя экономистам строить индексы неопределенности или политического риска, начиная с 1800-х годов. Нейронные сети были применены к историческим данным о ценах, чтобы раскрыть скрытые рыночные режимы. Эти методы расширяют охват количественного исторического анализа за пределами структурированных числовых данных в неструктурированные текстовые источники, создавая более богатые наборы данных для развития теории.

Влияние на политику и принятие решений

Количественные исторические данные — это не просто академические курьезы; они непосредственно формируют действия политиков.Уроки прошлого встроены в операционные процедуры центральных банков, фискальных органов и международных институтов.

Центральные банки и денежно-кредитная политика

Центральные банки, пожалуй, являются наиболее наукоемкими институтами в мире. Федеральная резервная система, Европейский центральный банк и Банк Японии полагаются на исторические ряды данных для калибровки своих политических правил. Правило Тейлора, предписывающее целевой показатель ставки по федеральным фондам на основе инфляции и разрыва в объеме производства, выводится из статистического анализа поведения Федеральной резервной системы. Когда ФРС устанавливает процентные ставки, она рассматривает исторические модели безработицы и инфляции, чтобы оценить, где находится экономика относительно ее потенциала. Экономисты банка также используют исторические данные для оценки нейтральной реальной процентной ставки (r-star), которая не является непосредственно наблюдаемой, но выводимой из прошлых корреляций сбережений, инвестиций и роста. Исторические данные о финансовых кризисах, таких как паника 1907 года и кризис сбережений и займов, информируют о механизмах стресс-тестирования и требованиях к ликвидности в соответствии с Базелем III, гарантируя, что финансовая система лучше подготовлена к будущим шокам.

Фискальная политика и вмешательство правительства

Исторические данные дают представление о фискальных решениях одинаково глубоко. Бюджетное управление Конгресса США (CBO) использует долгосрочные данные о росте ВВП, налоговых поступлениях и расходах для прогнозирования бюджетного дефицита и национального долга в различных сценариях политики. Разработка автоматических стабилизаторов, таких как страхование от безработицы и прогрессивные подоходные налоги, основана на исторических доказательствах их эффективности во время предыдущих рецессий. Аналогично, международные организации, такие как Международный валютный фонд (МВФ) зависят от исторических наборов данных для оценки устойчивости внешнего долга страны или для оценки вероятного воздействия структурных реформ. Собственные исторические данные МВФ о суверенных дефолтах и валютных кризисах, собранные такими исследователями, как Кармен Рейнхарт и Кеннет Рогофф, используются для установления политических условий и систем раннего предупреждения. Во всех этих случаях прошлое служит основной лабораторией для понимания того, как политические вмешательства будут вести себя в будущих условиях.

Ограничения и вызовы

Несмотря на свою незаменимую роль, количественные исторические данные должны использоваться с осторожностью. Несколько хорошо известных подводных камней могут привести к ошибочным выводам, если не будут должным образом рассмотрены исследователями и политиками.

Вопросы качества и пересмотра данных

Исторические данные часто имеют более низкое качество, чем современная статистика. До середины 20-го века национальные счета не были составлены систематически. Ранние показатели ВВП для Соединенных Штатов, например, часто реконструируются из ограниченных источников и включают значительную оценку - Бюро экономического анализа США только начало публиковать последовательные счета национального дохода в 1930-х годах. Кроме того, статистические агентства постоянно пересматривают старые данные по мере появления новых методов, а это означает, что модель, построенная на данных 1990-х годов, может работать по-разному, когда применяются пересмотры 2020-х годов. Известным примером является пересмотр статистики производительности США в 1990-х годах, который значительно изменил оценки эпохи Новой экономики. Исследователи должны быть прозрачными в отношении источников данных и учета ошибок измерения, используя методы, такие как надежные стандартные ошибки или байесовские методы, которые включают предыдущие распределения для неопределенности измерения.

Структурные разрывы и изменения режима

Фундаментальные отношения в экономике могут меняться со временем — явление, известное как структурные разрывы. Конец Бреттон-Вудской системы в 1971 году, шоки цен на нефть в 1970-х годах, принятие инфляционного таргетирования в 1990-х годах и рост интернет-экономики — все это представляет собой сдвиги режима, которые могут сделать данные до прорыва нерелевантными для прогнозирования поведения после прорыва. Экономисты используют статистические тесты для структурных разрывов (например, тест Чоу, Бай-Перрон) и иногда разделяют их выбор соответственно, но выбор даты перерыва может быть весьма последовательным для выводов. Великая умеренность 1980-х-2000-х годов, характеризующаяся низкой волатильностью производства и инфляции, привела к тому, что многие модели недооценивают риск финансового кризиса в 2008 году именно потому, что предыдущий режим был настолько стабильным. Понимание того, когда происходит перерыв, само по себе является проблемой, которая требует тщательного исторического суждения.

Критика Лукаса

Роберт Лукас в своей статье 1976 года лихо утверждал, что эконометрические модели, оцениваемые по историческим данным, могут быть недействительными для оценки изменений политики, если само изменение политики изменяет поведение агентов. Например, историческая корреляция между ростом денег и объемом производства может исчезнуть, как только центральный банк примет новый режим денежно-кредитной политики, потому что агенты соответствующим образом корректируют свои ожидания. Эта критика подчеркивает необходимость того, чтобы экономические модели включали в себя прогнозное поведение - то, что экономисты называют «глубокими параметрами» - которые инвариантны политике. Микро-модели DSGE пытаются решить критику Лукаса, определяя предпочтения и технологии, которые считаются стабильными, но они по-прежнему полагаются на исторические данные для калибровки этих параметров. Критика остается мощным напоминанием о том, что экстраполяция из прошлых данных требует структурной модели того, почему отношения удерживаются в первую очередь.

Переоценка прошлых шаблонов

Например, демографическая структура, финансовое регулирование и глобальные торговые модели 1950-х годов сильно отличаются от сегодняшних. Экстраполяция исторических данных без учета таких структурных различий может привести к серьезным политическим ошибкам. Финансовый кризис 2008 года был унизительным напоминанием о том, что «это время отличается» является опасной фразой, но также и предположение о том, что прошлые данные всегда обеспечивают надежное руководство для будущего. Наилучшая практика заключается в использовании исторических данных для информирования моделей, оставаясь открытым для доказательств того, что нынешний режим изменился. Это требует сочетания количественной строгости и исторической контекстуализации, признавая, что каждая эпоха имеет уникальные особенности, которые могут ограничить применимость прошлых уроков.

Вывод: сохраняющаяся актуальность исторических данных

Количественные исторические данные не являются ни хрустальным шаром, ни смирительной рубашкой. Они являются существенной эмпирической основой, на которой строятся экономическая теория и политика. От кейнсианской революции до современной макропруденциальной структуры каждый крупный прогресс в экономическом мышлении был обусловлен тщательным анализом чисел, оставленных прошлым. По мере того, как новые статистические методы и более богатые наборы данных становятся доступными, способность учиться на истории будет только улучшаться. В то же время экономисты должны оставаться скромными в отношении границ экстраполяции, постоянно обновляя свои модели свежими данными и уважая уникальные характеристики каждого исторического момента. Взаимодействие между данными, теорией и политикой является динамичным процессом - и количественные исторические данные всегда будут его наиболее важным вкладом. Будущее экономической мысли будет продолжать формироваться путем тщательного изучения прошлого, гарантируя, что каждое поколение будет опираться на с трудом завоеванные уроки своих предшественников.