編按：氣候變遷惡化、金融市場動盪、社會不平等加劇……，全球持續面臨諸多挑戰！身為複雜科學與混沌理論先驅的多伊恩．法默，運用大數據、強大運算能力，結合物理、生物與社會科學等跨領域方法，打造能模擬複雜經濟行為的動態系統。《經濟預測革命》不僅重現華盛頓特區房市泡沫與2008年金融危機，更回顧其團隊在新冠疫情初期所做的預測，如何遠比主流模型貼近現實。在高房價、通膨與地緣政治風險交織的今日，書中的決策新科學，為政府、企業與關心未來的人，提供應對經濟不確定性的重要行動方針。
《經濟預測革命》透過代理人基模型，重現美國華盛頓特區的房市動態，並揭示買房、貸款與預期心理如何共同推升房價。當貸款政策過於寬鬆、槓桿效應過度放大時，房價上漲的循環最終會反噬，導致泡沫破裂與金融動盪。
由下而上產生的房市泡沫
2008年金融危機爆發後不久，我們就為華盛頓特區的房屋市場建立代理人基模型。房地產市場是代理人基模型的理想環境，原因有幾個。首先，正如我們在金融危機中學到的慘痛經驗，房地產市場對整體經濟而言極為重要。其次，房屋買賣的方式使得房地產市場很難使用標準理論來建立模型（稍後會詳細說明）。相較之下，我們的代理人基模型只需模擬現實世界中買賣房屋的制度結構，並納入人們實際上用來做決策的經驗法則。儘管這個模型必須運用到大量的電腦程式和資料，但對任何買過房子的人來說，模型的運作方式一點都不陌生。
我們的模型，利用房地產交易和抵押貸款的詳細資料，以及美國國稅局和人口普查局的資訊，重現買賣房子的所有步驟。我們模擬家戶租房或買房的決策，以及他們在貸款和買賣房屋時，與銀行和房地產經紀人的互動。儘管這聽起來像是很明顯的作法，卻與任何既有的主流經濟模型截然不同。這項研究成果提供有用的見解，讓我們了解房市泡沫在2006年達到高峰的驅動因素，得知避免發生下一次泡沫的方法。
房市泡沫在隨後的金融危機中扮演重要角色。在1997至2006年期間，按照實際價格計算，美國的房地產價格上漲將近三倍，然後，在接下來的四年內下跌三成。這對經濟造成重大的影響，原因有幾個。
首先，在美國和其他許多國家，房地產是家戶儲蓄的最大來源。當房價下跌時，每個擁有房子的人都會變得更窮，因此人們會減少消費，代表公司將降低生產，失業率因而上升。這代表買房的人愈來愈少，房價將持續下跌，讓人們變得更窮，形成惡性循環。任何房市泡沫破裂時，都會發生這種情況。
本次泡沫的特別之處，以及泡沫破裂時特別痛苦的原因，在於銀行大量投資近年興起的金融創新商品，稱為房貸抵押證券，也就是將抵押貸款打包成金融商品。當房市泡沫破裂時，房貸抵押證券的價值大幅下跌。由於房貸抵押證券被視為安全的投資標的，世界各地的大型金融機構，都持有大量的房貸抵押證券。一旦房貸抵押證券的價值下跌，就造成全球性的信貸危機，金融體系突然從信貸寬鬆，轉變為信貸完許多企業無法借到營運所需的資金，引發失業率上升、消費減少，以及全球經濟產出低落。正如前言所說，紐約聯邦準備銀行在200年針對房價下跌可能造成的影響尋求諮詢建議，而令人遺憾的是，聯邦準備銀行的模型，大大低估房價下跌對經濟的影響。
什麼因素導致房市泡沫？
但究竟，是什麼因素導致房市泡沫？可能的原因包含借貸情形、高利率，以及人口結構的變化。但這些因素各自發揮多大的作用？
我和研究伙伴在2010年獲得新經濟思惟研究院的資助後，得以著手解決這些問題。（此處指的，是由索羅斯巨額捐款成立的全球新經濟思惟研究院，而不是兩年後在牛津大學成立的機構。）當時我還在聖塔菲研究院，外聘同事羅伯．艾克斯特爾來院從事訪問研究。艾克斯特爾在喬治梅森大學負責計算社會科學學程（Computational Social Science Program），他是建立代理人基模型的先驅之一，比我更早開始這方面的研究。為了招募專業人士組成專案團隊，我們也邀請先前提到的吉納考普勞斯，他是房貸抵押證券和房地產市場的專家。最後，我們招募到當時在布朗大學任教的彼得．豪伊特（Peter Howitt）教授，他或許是唯一從事代理人基模型研究的著名主流經濟學家。
房地產市場是一種地方現象，因此我們決定以典型美國城市的規模來建立模型。美國各地的房市泡沫並沒有一致的步調，例如拉斯維加斯的房市出現巨大的泡沫，但達拉斯的房市卻幾乎維持平穩。由於華盛頓特區處於中間地帶，看起來是不錯的選擇。
資料蒐集是一大挑戰：我們蒐集1997至2010年間，有關房屋價格、借貸情形、收入、財富，以及人口統計的大量資料庫，包括數個華盛頓的特定資料庫。（因為艾克斯特爾在華盛頓工作，他的人脈協助我們取得難以到手的資料。）我們的目標，是以最接近真實的方式，模擬房屋的買賣過程。這代表我們必須模擬一些細節，像是人們如何從銀行獲得貸款，以及房地產經紀人如何幫助客戶找到合適的房子。我們模型中的主體是家戶，他們可能持有房屋或在外租屋。我們在小規模運算中模擬一萬個家戶的行為，在大規模運算中則模擬多達十萬個家戶的行為；雖然這些數目比華盛頓的實際家戶數還要少，卻足以提供良好的樣本。我們創造的虛擬家戶具有不同的收入和財富水準，能大致反映出華盛頓特區的實際家戶比例。
虛擬家戶面臨的核心問題是：「我應該租房還是買房？」買房可能會導致每月的支出上升，但與租房相比，部分支出會用於償還本金（ 借貸金額）。租房或買房的決定在很大程度上取決於你是否預期房價會上漲。如果鄰居擁有房子而你沒有，當房屋價格上漲時，你可能會後悔當初沒有買房。但如果你預期房價會下跌，那麼買房可能就不是明智的選擇。我們建立潛在買家的決策模型。每個家戶都根據最近的趨勢估計未來的房價；如果目前的房價正在上漲，家戶就會假設房價將持續上漲一段時間。有充分的數據證明，人們會以這種方式做出購買房屋的決策，也就是經濟學家所謂的「回顧式預期」（backward-looking expectation）。
高資金槓桿使投資人陷困境
與此同時，虛擬家戶會思考未來的價格將如何影響他們。至於虛擬的潛在買家模型，則基於資料和常識支持的研究，同時運用前瞻式預期與回顧式預期。
事實上，大多數人在購買房屋時都會申請房貸，這提高了風險。這種槓桿效應會放大收益或損失。如果你支付20%的頭期款，而房價上漲20%，投資就獲得 100%的回報，讓你很滿意這項投資。但如果房價下跌20%，你就損失全部的投資金額。
2007年的房價崩盤之所以讓許多人措手不及，就是因為高資金槓桿使他們陷入困境。
貸款政策會影響有機會取得信貸的是哪些人，我們假設這對房價有很大的影響。為了測試這個假設，我們模擬申請房屋貸款的過程。當虛擬家戶決定購買房屋時，除非有足夠的財力直接購買，否則就會去虛擬銀行申請貸款。銀行會考慮每份貸款申請，評估家戶的收入和財富水準，據此接受或拒絕申請。虛擬銀行提供多種形式的貸款，從簡單又傳統的30年固定利率貸款，到繁複的新型浮動利率和氣球型貸款，應有盡有。在實際的危機爆發前，貸款政策變得更為寬鬆，即貸款變得更加容易，條件也更優惠，往往有更高的資金槓桿和更高比例的繁複貸款。
（轉載自天下文化官網）
