无良网图
在金融学院研究潜在增长率vs炒股大妈画均线
近日，又有好多人撰文开始写潜在增长率的文章。很多人引经据典、掉书袋证明我国的潜在增长率是多少，应不应该保6，最后回到了一个经典的问题，政府要不要逆周期调节，无论是正反多少争论，最后其实是没有科学的解释的，而且很多人忽略了，潜在增长率这个数到底是怎么来的？
你可能会说，我知道啊，HP滤波法、柯布道格拉斯生产函数法、DSGE法等等。。。。听起来似乎就会高大上很多。
但是对于我来说，潜在增长所有的方法都是一个方法：画均线。
经济学只不过是在六七十年代借用了一些当时信号与系统的处理方法，把对电信号的处理方法挪到了经济数据。无论是哪种画均线的方法，其实最终和你在同花顺上对一直股票的价格画N日移动平均线、压力线、支撑线区别并不大。而且我可以负责任的告诉你，同花顺画均线的方法比上述三种方法更好：
1.没有时间隧道效应，这点比HP滤波要好很多，他用了未来函数；
2.数据误差较小，生产函数法用的代理变量准确性非常成问题，误差很大，残差项有非常多的非技术因素，自相关、异方差非常严重；
3.估计的方程大大少于dsge，所以数据误差越大，反而估计少的方程比dsge更靠谱。
另外GDP增速本来就是有问题的，那其实任何算法都是没有意义的。如果你感兴趣，把所有的地级市GDP数据放在一张大图里面做分布图，会在7%左右呈现非常明显的截断/归并效应，这个和上市公司ROE分布图一样，在0的位置直接截断，所以你会相信这个数的数据质量么？
你去看无论任何看起来人模狗样的宏观研究员，讲什么全球、大类、杠杆之类的话术，最终放在图表上，最终剩下的就是均线思维，相信5年均线的是均值回归的，相信一个季度的均线是动量的。
所以既然你就是个画均线的，为什么还假装西装革履、技术XX呢？
上市的地点决定了你的估值
这不禁让我又想到了一句经典的台词，决定房地产价格的是三个因素：location、location、location。同样是看图说话，画均线，在营业部炒股大妈画均线，就只能是新三板的估值，但是你在大学金融学院里画均线，你就是科创板的估值。
但是对于年轻人，这个学科明显不是一个很好的择业风向。
商业领域上我们容易接受，一个行业是有周期的。但是如果说一个学科是有周期的，恐怕还并不那么信服，大家更容易接受一门学科是永远存在的东西。
我们诸多耳熟能详的学科，都诞生于近50年。这个不长不短的时间，并没有给学科直接的消亡和注销以足够的耐心，但是很多学科，不仅仅是行业变迁导致赚钱变少了。更重要的是，产出真正有突破新的思想变少了。
比如为何80年代那么多人都选择中文系，选择哲学系，年那么多人选择传媒，克隆羊诞生之后，引起了一大波“21世纪学科”热潮，再比如计算机科学的热潮，甚至是是某位生物的院士都要去修一个计算机的双学位？
然而，生化环材为什么从高科技的代表变成了一个劝退的学科，再比如，为何经济学、金融学的高考报名分数直线下滑？因为大家肉眼可见的，这些行业在择业上出现了很大的问题。所以对于经济学为什么从人人追捧，变成人人喊打？我要说经济学面临的不仅仅是就业压力的问题，而是这个学科快要到了行业末期。
经济学的发展归功于数据基础设施的发展
我们探讨经济学的时候，注意力最集中的是经济学思想的变迁，而忽视背后数据基础工作。我们总认为，新凯恩斯主义到新自由主义思想的变迁，是背后经济结构嬗变与政策实践的效果变化。其实还有一条数据的暗线。
从金融周期研究中我们也能明显发现数据驱动研究的现象。金融周期亦或是债务周期是一个并不新鲜的概念，早在20世纪30年代费雪就已经提出了信用-收缩的理论。而在中国广为学习，是在BIS推出了国别杠杆数据库，桥水等海外机构对此类数据进行演绎，引进中国并被学术与商业界广泛引用。
单单金融周期的基础数据，并没有新颖之处，更多的是目前已有的宏观数据的线性组合。比如我们观测M2与社融，基本上可以很大程度上准确的判断下一个时间窗口的杠杆数据，而对于社融与M2，我们似乎专门