精华内容
下载资源
问答
  • 理论丰富和发展了经济周期理论,并对凯恩斯主义经济周期理论产生了很大的冲击。主要在经济周期的性质、经济周期的原因及如何减少经济周期稳定经济这些问题上存在着很大的分歧。此外对经济学的未来,真实经济周期...

    20世纪80年代以后,基德兰德和普雷斯科特所开创的真实经济周期理论在宏观经济学中引起了人们极大的关注。这一理论丰富和发展了经济周期理论,并对凯恩 斯主义经济周期理论产生了很大的冲击。主要在经济周期的性质、经济周期的原因及如何减少经济周期稳定经济这些问题上存在着很大的分歧。此外对经济学的未 来,真实经济周期理论的发展方向具有重要的指导意义。
      2004年10月11日,瑞典皇家科学院宣布,将诺贝尔经济学奖授予卡基梅隆大学和加州大学圣巴巴拉分校的芬尼·基德兰德教授和亚利桑那大学的爱德 华·普雷斯科特教授。两人获奖的重要原因是他们在真实经济周期理论方面作出的开创性的贡献。这一理论丰富和发展了经济周期理论,并对凯恩斯主义经济周期理 论产生了很大的冲击,本文在对真实经济周期理论作简要介绍的基础上,重点突出其与凯恩斯主义经济周期理论的异同。

      一、真实经济周期理论
      真实经济周期理论(Real Business Cycle Theory)出现在20世纪80年代,属于自由放任的新古典宏观经济学派,多年来在经 济学中一直风头很健。其主要代表人物是基德兰德和普雷斯科特等新古典主义经济学家。他们的理论之所以称为真实经济周期理论,主要源于他们认为经济周期主要 根源于经济体系之外的真实因素的冲击。近二十多年来,真实经济周期理论研究取得了很好的发展,它不仅改变了人们对经济周期根源和性质的看法,还极大地影响 了当代宏观经济学研究的方向,为宏观经济学的发展作出了许多重要而且持久的贡献。
      真实经济周期理论的核心思想是:导致经济周期的根源主要是以技术冲击为代表的真实因素,经济波动是理性预期经济主体对技术冲击所引起的变动做出最佳反 应来调整劳动供给和消费的帕累托最优调整结果,经济周期的任何时期都处于均衡经济状态,政府没有必要干预经济,而且干预反而会造成人们福利水平的降低。 具 体来说,真实经济周期理论主要包括以下几方面内容:
      第一,以技术冲击为代表的真实因素冲击是经济周期的根源。按照他们的分析,经济周期源于经济体系之外的供给面上的一些无法估计的外部冲击,如技术冲击 等。冲击导致了技术进步率大幅度地随机波动,改变了全要素生产率和工资及利率等经济变量的相对价格,使产出的长期增长路径也呈现出随机的跳跃性。市场机制 本身无法预测这些因素的变动与出现,因而经济中发生周期性波动。
      第二,波动的核心传播机制是劳动供给的跨时替代。当技术冲击引起全要素生产率波动时,理性预期经济主体会根据相对价格的变动来调整劳动供给和消费,从 而会产生一个大的供给反应,导致产量和就业的波动。在跨时劳动替代的作用下,一次性技术冲击能够引起实际产量的持续波动。由于社会生产各部门之间存在着密 切的相互联系,发生于某一个部门的技术冲击也会引起整个宏观经济的波动。
      第三,经济波动在很大程度上表现为经济基本趋势本身的波动,而不是实际经济围绕基本趋势波动,不是对均衡的偏离,而是均衡本身暂时在波动。经济波动不 应被视为对经济增长长期趋势的暂时偏离,经济的短期波动和长期增长趋势是统一的。这就把经济增长理论和经济周期理论整合在了一起,否定了把经济分为长期与 短期的说法。
      第四,政府的反周期政策不起作用,政府没有干预经济的必要。产出和就业的波动是理性经济主体对冲击的最优反应,市场机制本身可以自发地使经济实现充分 就业的均衡,而作为外生力量的经济政策则难以与实际周期达到时间一致,并且还会减少人们的福利水平。基于这些认识,“真实经济周期理论”者将政策及其失误 作为一种不利的外部冲击,主张政府不应试图用稳定政策来消除波动。
      第五,货币中性。真实经济周期理论认为货币供给是内生的,货币数量的变化对经济没有真实影响。在经济扩张期间对货币的需求会扩张并诱导货币供给的调整 反应,货币政策不会影响实际变量,只有资本劳动和生产技术等真实变量的变动才是经济周期的根源。不应当用货币政策去刺激产出,货币政策只能以稳定物价作为 单一目标。

      二、真实经济周期与凯恩斯主义经济周期的比较分析
      我们知道,主张国家干预的凯恩斯主义各派和主张自由放任的各派分歧的关键是短期中市场机制的调节是否完善,需不需要国家用宏观经济政策调节经济。他们 争议的中心问题之一是经济周期问题,即经济中繁荣与衰退交替的经济波动。在这一问题上他们的争议围绕三个问题:经济周期的性质是什么?经济周期的原因是什 么?以及如何减少经济周期稳定经济?正是在这些问题上,以基德兰德和普雷斯科特为代表的真实经济周期理论向凯恩斯主义各派发起全面挑战,并取得了开创性成 果。
      1.经济周期的性质
      凯恩斯主义各派把宏观经济分为长期与短期。 他们认为,在长期中决定一个国家经济状况的是长期总供给,即长期中的生产能力,长期总供给取决于一个国家的 制度、资源和技术,长期中的经济增长是一个稳定的趋势,称为潜在的国内生产总值或充分就业的国内生产总值。短期中的经济状况取决于总需求,经济周期是短期 经济围绕这种长期趋势的变动,或者说短期经济与长期趋势的背离。如果把各年的经济状况用实际国内生产总值来表示,长期的趋势用潜在的或充分就业的国内生产 总值来表示,经济周期就是这两种国内生产总值的背离。
      真实经济周期理论否定了把经济分为长期与短期的说法,他们认为,在长期和短期中决定经济的因素是相同的,既有总供给又有总需求。 因此,人为地把经济分 为长期与短期是无意义的。由此出发,经济周期并不是短期经济与长期趋势的背离,即不是实际国内生产总值与潜在的或充分就业的国内生产总值的背离,经济周期 本身就是经济趋势或者潜在的或充分就业的国内生产总值的变动,并不存在与长期趋势不同的短期经济背离。
      在凯恩斯主义经济学中,有经济增长理论与经济周期理论之分,前者研究长期问题,后者研究短期问题 ,但在真实经济周期理论中,经济增长与经济周期是一个 问题 。所以,真实经济周期理论实际上并不仅仅是经济周期理论,它本身就是完整的宏观经济理论。
      2.经济周期的原因
      经济周期的原因一直是经济学家研究的中心,到现在为止已有几十种理论之多。这些理论大体可分为内生论和外生论。内生论认为,经济周期产生于经济体系内 的原因。外生论认为,经济周期产生于经济体系外的原因。凯恩斯主义经济周期理论属于内生论,真实经济周期理论属于外生论。
      凯恩斯主义各派尽管对经济周期原因的解释并不完全相同,但都认为经济周期表明市场调节的不完善性。这就是说,在短期中如果仅仅依靠市场调节,出现周期 性波动就是必然的。因此,经济周期是市场经济本来所固有的,依靠市场机制不可能消除或减缓,或者说,经济周期源于市场机制的不完善性。
      真实经济周期理论认为,市场机制本身是完善的,在长期或短期中都可以自发地使经济实现充分就业的均衡。 经济周期源于经济体系之外的一些真实因素的冲 击,这种冲击称为外部冲击,引起这种冲击的是一些实实在在的真实因素,因此这种理论称为真实经济周期理论。市场经济无法预测这些因素的变动与出现,也无法 自发地迅速作出反应,因而经济中发生周期性波动,这些冲击经济的因素不产生于经济体系之内,与市场机制无关。所以,真实经济周期理论是典型的外因论。
      真实经济周期理论把引起经济周期的外部冲击分为引起总供给变动的“供给冲击”和引起总需求变动的“需求冲击”。这两种冲击又有引起有利作用、刺激经济 繁荣的“正冲击”,又有引起不利作用、导致经济衰退的“负冲击”。有利的冲击比如技术进步,这种冲击刺激了投资需求;不利的冲击比如20世纪70年代的石 油危机,对供给有不利影响。国内外发生的各种事件都可以成为对经济大大小小的外部冲击。但其中最重要的是技术进步,在引起经济波动的外部冲击中,技术进步 占2/3以上。值得注意的是,真实经济周期理论把政府宏观经济政策也作为引起经济波动的外部冲击之一。
      外部冲击如何引起经济周期呢?我们以技术进步来说明,假定一个经济处于正常的运行之中,这时出现了重大的技术突破,如网络的出现,这种技术突破引起对 新技术的投资迅速增加,这就带动了整个经济迅速发展,引起经济繁荣,技术是决定经济的重要因素之一。所以,这种繁荣并不是对经济长期趋势的背离,而是经济 能力本身的提高。但新技术突破不会一个接一个,当这次新技术突破引起的投资热过去之后,经济又趋于平静,这种平静也不是低于长期趋势,而是一种新的长期趋 势。20世纪90年代美国经济繁荣与以后的衰退证明了这种理论。经济中这种大大小小作用不同的外部冲击无时不有,所以,经济的波动也是正常的,并非由市场 机制的不完善性所引起。
      3.稳定经济的政策
      对经济周期原因的不同理论分析得出了不同的稳定经济政策,凯恩斯主义各派在政策上也不无分歧,但都坚持短期宏观经济需要稳定,也可以通过宏观经济政策 来实现稳定。所以,他们都主张国家用财政政策和货币政策来干预经济,国家干预是他们的基本特点。
      真实经济周期理论认为,既然经济周期并不是市场机制的不完善性所引起的,就无须用国家的政策去干预市场机制,只要依靠市场机制经济就可以自发地实现充 分就业的均衡。它们说明了由外部冲击引起的周期性波动不可能由政府政策来稳定,而要依靠市场机制的自发调节作用来稳定。只有市场机制才会对经济波动作出自 发而迅速的反应,使经济恢复均衡。比如,技术突破引起的投资热带动了整个经济繁荣,这时资源紧张会引起价格上升,价格上升就可以抑制过热的经济,使之恢复 正常状态。市场机制的这种调节是反时的,经济不会大起大落。
           相反,政府的宏观经济政策往往是滞后的,由于政府不可能作出正确的经济预测,政策本身的作用有滞后性,加之政府政策难免受利益集团的影响。 决策者信息不充分,对经济运行的了解有限,政策不可能像决策者所预期的那样起到稳定作用。宏观政策的失误往往作为一种不利的外部冲击而加剧了经济的不稳定 性。 而且,政策限制了市场机制正常发挥作用,用政府干预代替市场机制的结果,是破坏了经济稳定和经济本身自发调节的功能。

      三、真实经济周期理论的理论突破与影响
      真实经济周期理论是20世纪80年代以来新自由主义经济学的重大发展,超越了货币主义和理性预期学派,成为与新凯恩斯主义相抗衡的最主要的新自由主义 流派。它完全以正统的微观经济理论来说明宏观经济波动,是对传统经济周期理论的巨大挑战。第一,通过把经济增长理论和经济周期理论整合在一起,真实经济周 期理论在很大程度上改变了当代经济周期研究的方向,并促使宏观经济学家把注意力再次集中在经济的供给面上。第二,真实经济周期理论强调了宏观经济学研究的 跨时间和动态的特点。第三,真实经济周期理论用特定的模型逼真地模拟实际经济的时间序列行为,那些由于费用太高而无法在实际经济中进行实验的政策可以在这 里以非常低的成本进行实验,从而为宏观经济学研究提供了新的工具。
      如前所述,以往人们对经济波动的解释主要基于凯恩斯主义的短期总需求分析,Solow模型中的要素投入和技术进步,只对长期经济增长产生影响,对短期 经济波动则没有任何作用。同时,政府经济政策,主要是对总需求进行“相机抉择”的调控。Lucas通过著名的“卢卡斯批判”和理性预期理论,最早对此提出 了挑战和批判,并进一步提出了“货币经济周期理论”,试图用货币因素来解释经济波动的原因。Finn Kydland 和 Edward Prescott 提出的“真实经济周期理论”,则在“货币经济周期理论”的基础上深入探讨了技术进步和各种供给冲击等真实因素的变动对经 济波动的影响,并将相互割离的“凯恩斯主义”和Solow 模型中的宏观经济变量进行了综合的考虑。论证了技术进步等真实因素不仅会影响长期经济增长,而 且会产生短期经济波动。 改变了人们对经济周期的波动原因的理解,有助于更深入地认识经济周期的规律,进而更全面地认识宏观经济中的决定力量。

    展开全文
  • 人工智能的起源:第一个炒作周期

    千次阅读 2018-03-19 00:00:00
    虽然人工智能(AI)是当今最受欢迎的话题之一,但人们普遍遗忘的一个事实是,它实际上诞生于1950年,并在1956年至1982年期间经历了一个炒作周期。这篇文章的目的是强调在这个周期的繁荣阶段所取得的一些成就,并解释...
        

    虽然人工智能(AI)是当今最受欢迎的话题之一,但人们普遍遗忘的一个事实是,它实际上诞生于1950年,并在1956年至1982年期间经历了一个炒作周期。这篇文章的目的是强调在这个周期的繁荣阶段所取得的一些成就,并解释导致其萧条期的原因。从这个宣传周期中吸取的教训不应该被忽视——它的成功形成了今天使用的机器学习算法的原型,它的缺点指出了在有前景的研究和开发领域过度热情的危险。


    640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1


    开创性的问题


    虽然第一代计算机是在第二次世界大战期间发展起来的,但似乎真正激发人工智能领域的是艾伦·图灵在1950年提出的一个问题:机器能模仿人类智能吗?在他的重要论文《计算机器与智能》中,他设计了一款名为“模仿游戏”的游戏,其中一个人、一台电脑和一个(人类)审讯者在三个不同的房间里。审讯者的目标是通过问他们一系列问题和阅读他们的打字回答来区分人类和计算机。计算机的目的是让询问者相信它是人。在1952年BBC的一次采访中,图灵建议,到2000年,在5分钟的会议之后,一般的审讯人员只有不到70%的几率能

    正确地识别出人类。

     

    图灵并不是唯一一个询问机器是否能模拟智能生命的人。1951年,马文·明斯基(MarvinMinsky),一名受早期神经科学研究启发的研究生,他指出大脑是由一个神经网络组成的,它的神经网络由全或无脉冲的脉冲组成,试图通过计算模型来模拟老鼠的行为。在与物理系研究生DeanEdmonds的合作下,他建立了第一个神经网络计算机。虽然原始(由大约300个真空管和马达组成),但它成功地模拟了老鼠在小迷宫中寻找食物的行为。


    有可能创造出一台智能机器的想法确实是诱人的,并导致了后来的几项发展。例如,ArthurSamuel在1952年建立了一个象棋程序,这是世界上第一个自学程序。后来,在1955年,Newell,Simon和Shaw建立了逻辑学家,这是第一个模仿人类解决问题能力的程序,并最终证明了在Whitehead和Russell的数学原理中,第一个52个定理中的38个。


    繁荣时期的开始


    在这些成功的鼓舞下,年轻的达特茅斯大学教授约翰·麦卡锡于1956年组织了一次会议,召集了20名先锋研究人员,“探索制造一种能够像人类一样推理的机器,能够抽象思考、解决问题和自我提高”。在他1955年提出的这个会议上,“人工智能”这个词被创造出来,在这个会议上,人工智能获得了它的愿景、使命和宣传。


    研究人员很快就开始大胆地宣称,强大的机器智能已经开始了。许多人预计,像人类一样聪明的机器将不会超过一代人的时间。


    例如:


    1958年,西蒙和纽维尔说,“十年之内,一台数字计算机将成为世界象棋冠军”,“十年之内,一台数字计算机将发现并证明一个重要的新数学定理”。


    在1961年,明斯基写道,“在我们的有生之年,机器可能会在一般智力上超越我们”,1967年,他重申:“我相信,在一代人的时间内,很少有智力的空间会停留在机器的领域之外——创造‘人工智能’的问题将会得到充分的解决”。


    在我们的有生之年,机器可能会超越我们人的智慧——马文·明斯基,1961。


    人工智能甚至引起了好莱坞的注意。1968年,阿瑟·克拉克和斯坦利·库布里克制作了电影《2001:太空漫游》,他的对手是一台人工智能的电脑,HAL9000展示了创造力、幽默感和对威胁生存的人的阴谋。这是基于图灵、明斯基、麦卡锡和其他许多人所持的信念,即这种机器将在2000年以前存在;事实上,明斯基曾担任这部电影的顾问,其中一个角色维克多·卡明斯基(VictorKaminski)以他的名字命名。


    人工智能的子领域诞生了


    1956年至1982年间,人工智能在智能领域的蓬勃发展,催生了人工智能的几个子领域。这一研究的大部分成果,导致了现代人工智能理论的第一个原型。


    基于规则的系统


    基于规则的专家系统试图通过执行一系列“if---else”规则来解决复杂的问题。这种系统的一个优点是,它们的指令(当程序看到“如果”或“else”时应该做什么)是灵活的,可以由编码器、用户或程序本身修改。这类专家系统是由Feigenbaum和他的同事在上世纪70年代创建和使用的,其中许多是当今人工智能系统的基础模块。


    机器学习


    机器学习领域是由ArthurSamuel在1959年创造的,他说:“研究的领域使计算机能够在不被明确编程的情况下学习”。机器学习是一个广阔的领域,它的详细解释超出了本文的范围。本系列的第二篇文章——参见第一页的序言和——将简要讨论它的子字段和应用程序。然而,下面我们给出一个机器学习程序的例子,称为感知器网络。


    机器学习是一门研究领域,它使计算机能够在不被明确编程的情况下学习——亚瑟·塞缪尔,1959年。


    单层和多层感知器网络


    根据McCulloch和Pitts在1943年和Hebb在1949年的工作,Rosenblatt在1957年引入了感知器网络作为一个人工神经元的通信模型。这个模型如图5所示,可以简单地描述如下。输入变量被输入的一层顶点连接到一个隐藏的顶点层(也称为感知器),它反过来连接到感知器的输出层。一个信号通过连接从输入顶点到感知机在隐藏层中,通过与该连接相关的“重量”来校准,这个重量是在一个“学习过程”中分配的。从隐藏层感知器到输出层感知器的信号以类似的方式进行校准。就像人类神经元一样,如果所有传入信号的总重量超过指定的电势,感知器就会“触发”。然而,与人类不同,这个模型中的信号只传输到输出层,这就是为什么这些网络通常被称为“前馈”。感知机网络只有一个隐藏的感知机层(即后来又被称为“浅”人工神经网络。尽管浅层网络的能力有限,Rosenblatt成功地创建了一个单层感知器网络,他称之为“创建的Mark1”,能够识别基本的图像。


    如今,人们的兴奋之处在于“深层”(两个或更多隐藏的层)神经网络,这些神经网络在20世纪60年代也被研究过。实际上,深度网络的第一个通用学习算法可以追溯到1965年Ivakhnenko和Lapa的工作。Ivakhnenko在1971年曾考虑过深度为8层的网络,当时他还提供了一项训练他们的技术。


    自然语言处理(NLP)


    1957年,乔姆斯基用通用语法改革了语言学,这是一种基于规则的理解语法的系统[21]。这形成了第一个模型,研究人员可以使用它在20世纪60年代创建成功的NLP系统,包括SHRDLU,一个使用小词汇表的程序,并且能够部分地理解特定领域的文本文档[22]。在20世纪70年代早期,研究人员开始编写概念本体,即允许计算机解释单词、短语和概念之间的关系的数据结构;这些存在论现在广泛应用于。


    语音识别和语音处理


    1952年,美国电话电报公司贝尔实验室的三名研究人员首次提出了一种计算机是否能识别语音的问题,当时他们为单个扬声器建立了一个独立的数字识别系统。这个系统在20世纪60年代后期得到了极大的改进,当时Reddy创建了HearsayI,这个程序的准确性很低,但却是第一个将大量的词汇连续语音转换成文本的程序。1975年,他的学生贝克和贝克创建了“龙”系统,通过使用隐马尔可夫模型(HMM)进一步改进了HearsayI,这是一个统一的概率模型,允许他们组合各种来源,如声学、语言和语法。今天,HMM仍然是一个有效的语音识别框架。


    图像处理和计算机视觉


    在1966年的夏天,明斯基在麻省理工学院雇佣了一名大一的本科生,并要求他解决以下问题:将一台电视摄像机连接到一台电脑上,然后让机器描述它所看到的东西。其目的是从图像中提取出三维结构,从而使机器人的感觉系统能够部分地模仿人类的视觉系统。20世纪70年代早期的计算机视觉研究为今天存在的许多算法奠定了基础,包括从图像中提取边缘,标记线和圆圈,以及在视频中估计运动。


    商业应用


    上述理论的进步导致了一些应用,其中大部分在当时的实践中没有被使用,但为以后的商业应用奠定了基础。下面将讨论其中的一些应用程序。


    聊天机器人


    1964年至1966年间,魏岑鲍姆创造了第一个“查特-波特”(chat-bot),以ELIZADoolittle的名字命名,他在萧伯纳的小说《Pygmalion》(后来改编成电影《窈淑女》(MyFairLady))中被教导正确地说话。ELIZA可以进行对话,有时会欺骗用户,让他们相信他们是在和一个人交流,但是,碰巧的是,ELIZA只给出了通常无意义的标准回答。1972年晚些时候,医学研究者Colby创造了一个“偏执的”聊天机器人PARRY,它也是一个无意识的程序。然而,在简短的模仿游戏中,精神科医生无法区分帕里和偏执的人类的漫谈。


    机器人


    1954年,Devol建立了第一个可编程机器人Unimate,这是当时为数不多的商业化的人工智能发明之一;它是通用汽车公司在1961年购买的。1972年,美国早稻田大学的研究人员在Unimate上取得了显著的进步。1972年,他们建造了世界上第一个全尺寸智能仿人机器人。虽然它几乎是一个玩具,但它的肢体系统让它可以行走和握着,以及用手运送物品;它的视觉系统(由它的人工眼睛和耳朵组成)允许它测量物体的距离和方向;而它的人工口腔使它可以用日语进行交谈。这逐渐导致了机器视觉的创新性工作,包括创造可以叠加积木的机器人。


    640?wx_fmt=png


    萧条期和人工智能冬季


    尽管取得了一些成功,但到1975年,人工智能项目基本上限于解决基本问题。事后来看,研究人员发现了两种基本问题。


    有限且昂贵的计算能力


    1976年,世界上最快的超级计算机(它的成本超过了500万美元)只能每秒执行大约1亿次指令[34]。相比之下,Moravec1976年的研究表明,即使是人类视网膜上的边缘匹配和运动检测能力,也需要一台计算机以10倍的速度执行这样的指令。同样地,人类有大约860亿个神经元和1万亿突触;使用中提供的数据进行的基本计算表明,创建一个这种规模的感知器网络将花费1.6万亿美元,在1974年消耗整个美国的GDP。


    人类思想背后的秘密


    科学家不了解人类大脑的功能,尤其不知道创造力、推理和幽默背后的神经机制。对于机器学习程序究竟应该试图模仿什么,缺乏理解,这对推动人工智能理论的发展构成了重大障碍。事实上,在20世纪70年代,其他领域的科学家甚至开始质疑人工智能研究人员提出的“模仿人类大脑”的概念。例如,一些人认为,如果符号对机器没有“意义”,那么机器就不能被描述为“思考”。


    最终,先驱者们发现,他们严重低估了制造一台能够赢得模仿游戏的人工智能电脑的难度。例如,1969年,Minsky和Papert出版了这本书,感知机,它们指出了Rosenblatt的一个隐藏的层感知器的严重局限性。这本书是人工智能的创始人之一,同时也证明了感知器的不足,这本书在近十年的时间里对神经网络的研究起到了严重的阻碍作用。


    在接下来的几年里,其他研究人员开始分享明斯基对强大人工智能初期的怀疑。例如,在1977年的一次会议上,一位更加谨慎的约翰·麦卡锡(JohnMcCarthy)指出,创建这样一台机器需要“概念上的突破”,因为“你想要的是1.7个爱因斯坦和0.3个曼哈顿计划,而你首先要的是爱因斯坦。”我相信这需要5到500年的时间。


    20世纪50年代的大肆宣传使人们对这种大胆的高度产生了预期,当1973年的结果没有实现时,美国和英国政府撤回了对AI的研究经费。虽然日本政府在1980年暂时提供了额外的资金,但在1980年代后期,它很快就幻灭了,并再次收回投资。这个半衰期(特别是在1974年到1982年之间)通常被称为“人工智能冬季”,因为当时人工智能的研究几乎完全停止了。事实上,在这段时间和随后的几年里,“一些计算机科学家和软件工程师会避免使用人工智能这一术语,因为他们害怕被视为狂热的梦想家”。


    因为你想要的是1.7个爱因斯坦和0.3个曼哈顿计划,你首先要的是爱因斯坦。我相信这需要五到五百年的时间——约翰麦卡锡,1977年。


    在1974-1982年期间,普遍的态度是非常不幸的,因为在这一期间发生的少数重大进展基本上没有引起注意,并作出了重大努力来重新创造它们。以下是两项这样的进展:


    第一个是反向传播技术,它通常用于有效地训练神经网络,在它们的边缘分配接近最优的权重。虽然它是由几个独立的研究人员(如Kelley,Bryson,Dreyfus,Ho)在20世纪60年代引入的,并在1970年由Linnainmaa实施,但它主要被忽略了。类似的,1974年的Werbos论文提出,这种技术可以有效地用于训练神经网络,直到1982年,当萧条期接近尾声的时候才出版。1986年,Rumelhart、Hinton和Williams重新发现了这项技术,通过展示其实际意义使之普及。


    第二种是递归神经网络(RNN),它类似于Rosenblatt的感知器网络,它没有前馈,因为它允许连接同时指向输入和输出层。在1974年,这种网络被认为是一种生物学上更精确的大脑模型。遗憾的是,直到1982年Hopfield普及了RNNs之后,RNNs才被发现,并进一步完善了它们。


    结论


    炒作周期的定义特征是繁荣阶段,当研究人员、开发商和投资者变得过于乐观和巨大的增长发生时,当投资被收回时,经济增长就会大幅下降。从本文介绍的故事中,我们可以看到人工智能在1956年和1982年经历了这样的一个周期。


    从图灵和明斯基的想象中诞生出一台机器可以模仿智能生命,艾艾则从1956年麦卡锡在达特茅斯大学组织的会议上获得了它的名字、使命和宣传。这标志着人工智能炒作周期的开始阶段。从1956年到1973年,在人工智能领域,包括基于规则的系统,发现了许多具有穿透性的理论和实际进展;浅层和深层神经网络;自然语言处理;语音处理;和图像识别。在此期间所取得的成就形成了当前人工智能系统的初始原型。


    在繁荣时期也发生了“非理性繁荣”。人工智能的先驱们很快就对人工智能机器的未来做出了夸张的预测。到1974年,这些预测没有应验,研究人员意识到他们的承诺被夸大了。到目前为止,投资者也开始怀疑并撤出资金。这导致了一个半衰期,也被称为人工智能冬季,当时人工智能的研究进展缓慢,甚至“人工智能”这个词也被拒绝了。在这一时期的大多数发明,如反向传播和反复的神经网络,在很大程度上被忽视了,在随后的几十年里花费了大量的精力去重新发现它们。


    一般来说,炒作周期是双刃剑,而AI在1956年到1982年之间的表现也不例外。必须注意的是:它的繁荣阶段的成功应该被铭记和感激,但它的过度热情至少应该被一些怀疑的眼光看待,以避免对萧条阶段的全面惩罚。然而,像大多数的炒作周期一样,“萌芽”在上世纪80年代中期再次出现,在1983年和2010年,人工智能研究逐渐复苏;我们将在下一篇文章中讨论这些和相关的发展,“1983-2010年人工智能的复苏”。


    640

    大数据周刊

    邮箱:tougao@bigdatamag.cn

    电话:010-57524293


    640

    众论大数据 引领大时代

    长按二维码关注


    展开全文
  • 经济时间序列的分析通常需要提取其周期性成分。这篇文章介绍了一些方法,可用于将时间序列分解为它们的不同部分。它基于《宏观经济学手册》中Stock和Watson(1999)关于商业周期的章节,但也介绍了一些较新的方法,...

    原文链接:http://tecdat.cn/?p=9350

    原文出处:拓端数据部落公众号


    经济时间序列的分析通常需要提取其周期性成分。这篇文章介绍了一些方法,可用于将时间序列分解为它们的不同部分。它基于《宏观经济学手册》中Stock和Watson(1999)关于商业周期的章节,但也介绍了一些较新的方法,例如汉密尔顿(2018)替代HP滤波器,小波滤波和经验模态分解

    数据

    我使用从1970Q1到2016Q4的美国对数实际GDP的季度数据来说明不同的方法。时间序列是通过  Quandl  及其相应的R包获得的。

    #加载用于数据下载和转换的软件包
    library(dplyr)
    library(Quandl)
    library(tidyr)
    
    #下载数据
    data <- Quandl("FRED/GDPC1", order = "asc",
                   start_date = "1970-01-01", end_date = "2016-10-01")  %>%
      rename(date = Date,
             gdp = Value) %>%
      mutate(lgdp = log(gdp)) # 获取对数

    library(ggplot2)
    
    ggplot(data, aes(x = date, y = lgdp)) +
      geom_line() +
      theme_classic() 

    数据有明显的增长趋势,到现在似乎逐渐变小。此外,似乎或多或少有规律地围绕这一趋势波动。与趋势之间存在相对较长的持久偏差,可以将其视为周期性波动。  

    与线性趋势的偏差

    从系列中提取趋势的第一种方法是在常数和趋势项上回归目标变量并获得拟合值。在下图中绘制。

    # 添加趋势
    data <- data %>%
      mutate(trend = 1:n())
    
    # 用常数和趋势估算模型
    time_detrend <- fitted(lm(lgdp ~ trend, data = data))
    names(time_detrend) <- NULL
    
    # 将系列添加到主数据框
    data <- data %>%
      mutate(lin_trend = time_detrend)
    
    # 为图创建数据框
    temp <- data %>%
      select(date, lgdp, lin_trend) %>%
      gather(key = "Variable", value = "value", -date)
    
    # 画图
    ggplot(temp, aes(x = date, y = value, colour = Variable)) +
       

    此方法相对有争议,因为它假定存在恒定的线性时间趋势。正如我们在上面看到的,鉴于趋势的增长率随着时间的推移持续下降,这不太可能。但是,仍然可以采用时间趋势的其他函数形式(例如二次项)来说明趋势的特殊性。该方法的另一个缺点是,它仅排除趋势,而不排除噪声,即序列中很小的波动。

    Hodrick-Prescott过滤器

    Hodrick和Prescott(1981)开发了一个过滤器,将时间序列分为趋势和周期性分量。与线性趋势相反,所谓的  HP过滤器可  估算趋势,该趋势会随时间变化。研究人员手动确定允许这种趋势改变的程度,即平滑参数λλ。

    文献表明季度数据的值为1600。但是,也可以选择更高的值。下图绘制了由HP过滤器获得的实际GDP周期性成分的值,并将其与线性趋势下的序列的值进行比较。

    尽管HP过滤器在经济学中得到了广泛的应用,但它们的某些功能也受到了广泛的批评。

    基于回归的HP过滤器

    汉密尔顿(2018)还提出了另一种HP过滤器的方法。它可以归结为一个简单的回归模型,其中 时间序列的 h 前导根据时间序列的最新p值进行回归。

    Baxter King过滤器

    Baxter和King(1994,1999)提出了一种过滤器,其产生的结果与HP过滤器非常相似。另外,它从时间序列中去除了噪声,因此可以对周期分量进行平滑估计。该方法的一个相对严重的缺点是,平滑因子导致序列开始和结束时观测值的损失。当样本量较小且当前经济状况令人关注时,这可能是一个问题。

    小波滤波器

    Yogo(2008)提出使用小波滤波器从时间序列数据中提取业务周期。该方法的优点是该函数不仅允许提取序列的趋势,周期和噪声,而且还可以更明确地了解周期发生的时间段。

    R中的方法实现也很简洁,但是在使用之前需要进行一些其他的数据转换。

     
    
    # 计算对数GDP的一阶差分
    data <- data %>%
      mutate(dlgdp = lgdp - lag(lgdp, 1))
    
    #获取数据
    y <- na.omit(data$dlgdp)
    
    #运行过滤器
    wave_gdp <- mra(y, J = 5)
    
    # 创建用于绘制的数据框
    temp <- wave_gdp %>%
      gather(key = "imf", 
    
    # 绘制mra输出
    ggplot(temp, aes(x = date, y = value)) +
      geom_line() +

    data <- data %>%
      select(date, bk, wave) %>%
      gather(key = "Variabl
    
    ggplot(temp, aes(x = date, y = value, colour = Variable)) +
      geom_hlin

    经验模态分解(EMD)

    Kozic和Sever(2014)提出了经验模态分解作为商业周期提取的另一种方法,正如Huang等人(2014年)提出的那样。(1998)。 emd 函数可以在EMD  包中找到,  并且需要一个不同的时间序列,一个边界条件和一个指定的规则,在该点上迭代算法可以停止。滤波方法的结果与HP,BK和小波滤波相对不同。

    Chan(2017)

    初始值

    # X_gamma
    x_gamma <- cbind(2:(tt +
    
    
    # H_2
    h2 <- diag(1, tt)
    diag(h2[-1,  
    t)]) <- 1
    h2h2 <- crossprod(h2)
    
    # H_phi
    h_phi <- diag(1, tt)
    phi <- matrix(
    
    
    # sigma tau的逆
    s_tau_i <- 1 / .001
    
    #  sigma c的逆
    s_c_i <- 1 / .5
    
    # gamma
    gamma <- t(rep(y[1], 2)) # 应该接近该序列的第一个值

    Gibbs 采样


    最受欢迎的见解

    1.在python中使用lstm和pytorch进行时间序列预测

    2.python中利用长短期记忆模型lstm进行时间序列预测分析

    3.使用r语言进行时间序列(arima,指数平滑)分析

    4.r语言多元copula-garch-模型时间序列预测

    5.r语言copulas和金融时间序列案例

    6.使用r语言随机波动模型sv处理时间序列中的随机波动

    7.r语言时间序列tar阈值自回归模型

    8.r语言k-shape时间序列聚类方法对股票价格时间序列聚类

    9.python3用arima模型进行时间序列预测

    展开全文
  • 从1947年的第15高峰期到2008年的第23高峰期,航运市场共经历了9周期,历时61年。纵观66年的市场走势,总共经历了10高峰期。与前二时代相比,高峰期的时间明显缩短了。据马丁统计,在1947-2007年期间,...

    首先需要声明,本文纯属一个毫无远见和真才实学的小小散户的愚昧见解,仅供参考。

    这里写图片描述

    从1947年的第15个高峰期到2008年的第23个高峰期,市场共经历了9个短周期,历时61年。纵观66年的市场走势,总共经历了10个高峰期。与前二个时代相比,高峰期的时间明显缩短了。据马丁统计,在1947-2007年期间,平均高峰期为2.4年,平均谷底期为3.2年,整个周期平均为5.6年,但是高峰和低谷期的形态还是有很大差异。高峰期多数为期2年,但第21和22次高峰维持了较长时间;低谷期一般在5-6年,上世纪50年代末至60年代末以及1982-1987市场经历了两次大衰退。

    1. 1945年二战结束后,百废待兴,海运需求高涨,而运力供应紧张,这就造就了战后第1个高峰(总第15个高峰)的出现,但好景仅维持2年,随着越来越多的二战军用运输船舶退役进入民用市场,加上美国造船能力的惯性,市场很快发现运力并不紧张,于是运价下跌,在1949年跌倒了谷底。1950年朝鲜战争爆发,恐慌和焦虑情绪令商家开始大量囤积货物,导致1951年海运量大幅度增长,海运业间接受益。但投机造就的好景不长,1952年运价大跌70%,一直到1954年秋市场才有所好转,1956年苏伊士运河第一次关闭,进一步推高了运价,这就是第16、17次高峰期形成的基本缘由。
    2. 50年代末直至60年后期,市场基本在低位徘徊,其中1961-1962被形容为“比30年代还差”的年代。一开始经济不景气是主要原因,加上苏伊士运河在1957年重开令运力需求减少,以及上一个高峰期导致了大量新船订单恰恰就在此时入市。但是,在经历了1958年的衰退后,1959年世界贸易海运量就开始恢复到9.9亿吨,到1966年已经增加到17.9亿吨。照理说,市场应该很快摆脱不景气,但由于造船产能成倍地增长,令运力过剩成为一个长期问题。直到1967年苏伊士运河再次关闭、阿拉伯湾产油国至地中海的输油管道关闭等事件导致矿油兼用船回归油运市场,但更重要的是世界贸易海运量在60年代末到70年代初继续大幅增长,这才给市场带来一些转机。
    3. 70年代的市场动荡加剧,市场经历了两次显著的高峰期:第19次(1973-1974)和第20次(1979-1981)。前者受益于油轮市场,但当油轮市场崩溃后,继续借助经济增长的刺激得意延续高峰至1974年,中小型船舶的好景甚至延长到1975年。随后市场进入了一个3年的低谷期。至1978年秋,市场开始复苏,迎来了1979-1981年第20个高峰期。主要原因除了经济增长外,还有两个特别的原因:一是为了对抗高油价,原来烧油的电厂改烧煤炭,导致货运量激增;二是由于突然运煤船的增加造成港口拥挤,进一步消耗了可用运力。更加重要的原因是,由于上一个较长的萧条期,船东缺乏订造新船的意欲和魄力,运力仅有微弱的增长。

    4. 两次高峰过后,市场出现了1982-1986低谷期,尽管中途也有微弱的反弹,但很快陷入更深的低谷。令人匪夷所思的是,就在这么一个大熊市,新船订单出现了大幅度的增加。日本三光汽船率先订购了120艘,随后希腊和挪威船东纷纷跟进。对此反周期投资行为的解释是,上两次高峰期其实相隔仅三年,有些船东在第19次高峰期时把船期租了出去,安然度过了中间的萧条期,又迎来了第20次高峰期。两次高峰令船东手里积累了大量现金。第二,银行手里大量的石油美元需要尽快放出去。第三,造船产业的产能依然过剩,在油轮订单缺乏的情况下,纷纷跌价争取散货船订单。第四,1983年下单造船的船东认为市场将和上个周期一样,预计1985年市场就将复苏,届时新船正好交付使用。这种投机行为的结果是明显的,船东非但没有迎来1985年的市场复苏,而是继续在向下滑落的恶市场,直至1986年底。

    5. 1987年起市场开始企稳,随着世界经济周期的复苏,市场逐步向上攀升,并在将近10年的时间内(1988-1997)保持高位震荡的态势,并没有明显的上升或下降轨迹,这就是第21个高峰期。起初,船东饱尝了吨位过剩的苦头,投资意欲骤减,1992年的新船交付量下降到400万吨。但是,市场5年在高位运行还是把船东的投资意欲再次吊起,1993-1995的3年内新船订单增加了5500万载重吨。1997年的亚洲金融危机,造成了市场的恐慌,而这时新船已开始逐步交付使用,市场再次掉头向下,悲观情绪再度笼罩。有趣的是,市场总是和人们的意愿开玩笑,亚洲金融危机持续的时间不长,尤其对海上贸易的危害不大,到2000年春世界工业生产出现了前所未有的11%的年增长率,市场又出现了小幅回升。

    6. 中国的改革开放经过20多年的持续发展,到了新世纪逐步开始影响世界干散货海运市场的格局,尤其是本世纪初兴起的全国范围内的大规模基础建设,进一步带动了原材料进口。这就是第22个高峰期(2003-2004)的原动力,中国因素首次成为世界航运市场的影响因素,二战以后出现了罕有的运力短缺。BDI指数从2001年11月23日的861点一路攀升至2004年1月30日5551点,尽管2004年中又回落到2742点,但到2004年底又攀上了6092点的新高峰。

    7. 尽管到2005年市场开始出现短暂的下跌,至2005年夏又跌到2000点以下,但随后市场又暴涨至BDI发布以来的历史新高11689点。我们将此定义为第23个高峰(2007-2008)。这也是二战后罕有的运力短缺年代,运费屡创新高,船东和造船业从以往人们眼中的夕阳工业一下子成了一个仅次于房地产的盈利行业。于是,新船订单暴增,全国突然新增了了数百个新造船厂。而在2008年市场突然出现了巨幅的暴跌,BDI指数从6月5日11689点急挫至12月5日的663点,短短半年跌幅94%,创历史记录。

    8. 然而,随后不久指数却反复向上,到2009年中重新站到4000点以上,其间虽有大幅波动,但到2010年中指数又超越了4000点整数关口。人们以为市场恢复了原本的秩序,把指数大起大落归因于投机资本对FFA的炒作,实体市场供求关系并无恶化。尤其是高潮过后许多市场人士主观上盼望新的高潮再现,很容易被2009年反弹所造成的假象蒙蔽,以为抄底的时候到了,而实际上是在一个大势向下的市场周期下入场被套。

    本文仅用于表达本人经常错误的观点,不构成任何建议。

    展开全文
  • 基于传统行业生命周期理论以及“S曲线”理论,长江交运团队提出“中国快递生命周期”这理论假设:中国快递将依次经历完全竞争、龙头竞争以及寡头 竞争共三轮生命周期。完全竞争阶段拼网络覆盖和产能扩张,龙头竞争...
  • 最近看了本投资大佬霍华德 马克思写的书《周期》,又发现了本值得写读后感的书籍,也是本只恨自己没有早点看过的书。同时阅读方式也采取了思维导图拆解阅读的方式,这里把自己总结的思维导图贴出来,希望对...
  • 供应链单级多周期库存补货模型

    千次阅读 2018-03-11 22:01:59
    EOQ,即 经济订购批量模型,是库存模型的理论基础,也是库存理论的基础模型,其核心是:在订货成本与库存成本之间寻找一个平衡,使得订货能够满足市场预估需求,而且成本最小化。可以用下面的一幅图来表示,订货成本...
  • 林毅夫1.7万字长文:我的13个经济学新见解

    千次阅读 多人点赞 2019-08-29 13:31:22
    由北京大学新结构经济学研究院主办的“2019年新结构经济学优秀学子夏令营”于7月5日-8日于北京大学朗润园举行。林毅夫教授做了题为《新结构经济学:新古典经济学的...在这种状况下,我们为什么还要提出一个新的发...
  • 自2005年以来,在城市化和工业化的国际比较以及经济周期理论两重点研究领域取得明显成果,并在此基础上建立了一套完整的结构主义经济学分析框架,成为市场独立的宏观策略分析流派,并引领了市场的研究趋势。...
  • 根据业界权威的CIMDATA的定义,PLM是种应用于在单一地点的企业内部、分散在多个地点的企业内部,以及在产品研发领域具有协作关系的企业之间的,支持产品全生命周期的信息的创建、管理、分发和应用的系列应用解决...
  • 对商业周期的分析需要提取时间序列的周期性成分,该时间序列通常也受到诸如潜在趋势或噪声等其他因素的影响。本文介绍了一些在最近的文献中用于从给定系列中提取商业周期的方法。它基于Stock and Watson(1999)在...
  • 软件生存周期

    千次阅读 2013-05-01 17:59:51
    软件生存周期  软件生存周期是软件工程学最基本的概念之一。各种各样的开发方法都不同程度地承认这个基本概念。 一、含义  软件生存周期是指:从构思软件产品开始到产品不能再使用时为止的时间... 相关的一个概念
  • 周期天王”20大预言,针针见血,看完整个人通透了 东方财富网、投行大师兄  2017-05-09 14:07 近期,股市个股乏力、债市毫无起色、商品跌跌不休。一行三会大力推进金融去杠杆,再叠加地产调控持续加码与...
  • 浅谈软件以及软件的生命周期 自1946年第台计算机发明以来,对人类的生产活动和社会活动产生了极其重要的影响,并以强大的生命力飞速发展。计算机硬件、软件、操作系统等纷纷应运而生,并发展壮大,时至今日,...
  • 项目生命周期与组织

    千次阅读 2012-02-20 10:35:49
    理解这大环境,有助于确保执行符合企业目标,项目的管理符合组织实践方法论。本章将介绍项目的基本结构和其他重要的宏观事项,包括项目如何影响持续性的运营,直接项目团队以外的干系人如何影响项目,以及组织结构...
  • YoungGC 停顿超长时间

    千次阅读 2018-03-30 14:26:08
    原文发表于Linkedin Engineering,作者 Zhenyun Zhuang是Linkedin的名Staff Software Engineer,联合作者Cuong Tran是Linkedin的名Sr. Staff Engineer。在我们的生产环境中,我们不断发现一些运行在J...
  • IT巨头们刚刚发布的财报布满愁云。即使是当初坐拥近千亿美元市值的... 标普500指数显示,过去一个季度,十大行业板块中,信息技术(IT)板块表现倒数第三,仅好于金融板块和医疗保健板块。科技股权重较大的纳斯达
  • 这是当初刚进公司时,leader给的一个独立练手小项目,关于时间序列预测,情景比较简单,整个过程实现下来代码也仅100多行,但完成过程中踩了很坑,觉的有必要分(tu)享(cao)一下。完整代码和样例数据放到了我的...
  • 最近一段时间,我一直在谈一个问题,就是通证经济的适用条件。精炼又精炼之后,我将这个条件描述为“边际效率递增”。具体地说,如果有一群人通过互联网建立协作网络,做某一件能够创...
  • 智豆团队开发的区块链+在线教育社区——知了TV已于半个多月前上线。那么外界都是如何看待区块链+教育应用的呢?国内政府早在2016年10月,工信部颁布《中国区块链技术和应用发展白皮书》就指出“区块链系统...
  • 作者简介:孟岩,CSDN 副总裁,负责 CSDN 内容、社区和区块链业务。本文大概7200字读完共需10分钟简介:...然而,本文作者从一个一般人不太注意的方面来阐述了般若链设计当中独居匠心的一面——通证经济(Token Economy
  • 时间序列相关问题:ARMA模型有用到差分吗?时间序列分解法的过程?季节差分如何选择周期步长?X-11过程?季节与周期的区别与联系?AR模型的残差序列?GARCH模型?
  • 在过去的20多年中,CAD技术的普及和推广使建筑师、工程师们甩掉图板,从传统的手工绘图、设计和计算中解放出来,可以说是工程设计领域的第次数字革命。而现在,建筑信息模型(BIM)的出现将引发整个工程建设领域的...
  • 任泽平:站在中国金融周期的顶部

    千次阅读 2018-07-02 10:41:11
    中国目前处于本轮金融周期的顶峰,由于表外收缩和影子银行业务收缩,社融大幅下滑,广义货币供应量增速处于历史低位,应高度重视企业信用风险...产能新周期底部:经济L型韧性;中美贸易战:具有长期性和日益严峻性。...
  • 数据挖掘模型生命周期管理

    千次阅读 2014-09-25 17:32:12
    模型生命周期管理是由以下阶段组成的高效交替过程:  • 确定业务目标  • 访问和管理数据  • 开发模型  • 验证模型  • 部署模型  • 监控模型 确定业务目标 第步确定所需...
  • 产品生命周期管理——高效的全生命周期的产品管理方法 & 课程背景无论是研发、生产拟或贸易型的企业,管理的核心都是围绕如何在产品的...l 为什么在同样的一个行业中,有的企业收获颇丰,有的企业却只能略有盈余;
  • 本文旨在研究台湾商业周期的持续时间依赖特征。修改恒定马尔可夫切换模型以考虑持续时间相关...然而,大约在1990年以后的经济扩张存在持续时间依赖性,并且对于大约1990年后的时期,持续时间依赖于收缩。此外,...
  • 周期》书中的精髓:如何利用周期,掌握世界的发展趋势,实现财富...不过,这世上还真有这么一个人,他就是著名投资人霍华德·马克斯,他是与巴菲特齐名的投资大师。为什么霍华德会这么厉害呢?最大的原因在于他非常
  • 这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、...
  • 研判产品生命周期

    千次阅读 2011-03-04 09:40:00
    理解产品设计的生命周期,是交互设计必不可少一门课程

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 40,129
精华内容 16,051
关键字:

一个经济周期多长时间