經濟預測革命　從混沌理論到大數據的決策新科學

全書精華

主要主題、論點、核心訊息

• 主要主題：探討如何運用「複雜經濟學」（Complexity Economics）、混沌理論、大數據與電腦模擬技術，取代傳統標準經濟學模型，藉此更精準地預測經濟動態，並解決金融危機、不平等與氣候變遷等全球重大挑戰。
• 核心論點：傳統主流經濟學建構在不切實際的「完全理性」、「效用極大化」與「市場均衡」三大假設上，導致其在面對真實世界的繁複與危機時經常失靈。經濟體系實際上是一個「適應性複雜系統」，唯有透過由下而上、奠基於真實行為數據的「代理人基模型」（Agent-based models），才能有效捕捉經濟體系內生的非線性變化與混沌動態。
• 核心訊息：經濟學正迎來一場如同氣象預報科學化般的革命。我們不應再把經濟變動視為外部隨機衝擊的結果，只要我們擁抱複雜系統思維，並投入資源建立精細的全球經濟模擬實驗室，就能提升文明的「集體自我覺察能力」，在面對綠色能源轉型與經濟動盪時，精準評估政策代價並做出最佳決策。

掌握作者思路必懂的關鍵要點

• 代理人基模型（Agent-Based Models, ABM）：複雜經濟學的核心工具。不使用抽象的數學方程式求解均衡，而是在電腦中建立如同真實世界的「數位孿生」，模擬成千上萬個具備異質性的個體（如家戶、公司、銀行）如何互動，從而由下而上產生整體的經濟湧現現象。
• 有限理性與捷思法（Bounded Rationality & Heuristics）：打破傳統「經濟人」假設。真實人類在面對不確定的繁複環境時，無法進行完美的效用極大化計算，而是依賴「捷思法」（如經驗法則、模仿或反覆試驗）等簡單且生態理性的方式來做出決策。
• 經濟體系如同新陳代謝的生態系：將經濟視為由專業化分工組成的網路。生產網路（供應鏈）宛如龐大文明的「新陳代謝」系統，而金融體系則是協調分配的「腸神經系統」；各產業或交易策略如同生態系中的物種，彼此存在競爭、掠食或互利的演化關係。
• 內生變化與繁複混沌（Endogenous Change & Complex Chaos）：傳統經濟學將景氣循環歸因於外部隨機「衝擊」，但作者指出，由於主體的有限理性、高資金槓桿的運用以及策略互動，經濟體系本身就會由內部自發產生不規則的振盪與崩盤，呈現出非線性的「混沌」動態。
• 市場生態與無效率（Market Ecology & Inefficiency）：駁斥「效率市場假說」。金融市場並非永遠處於完美反映基本價值的均衡狀態；相反地，市場本質上存在無效率。各種交易策略（如趨勢交易與價值投資）為了爭奪利潤而相互作用，這種市場生態的演化往往會放大波動群聚，甚至引發如2008年般的市場失靈。
• 技術進步的可預測性與萊特定律：創新雖難以預料，但技術成本的下降卻遵循高度可預測的量化法則（如摩爾定律與萊特定律）。透過這些實證法則預測技術進步，能證明迅速實現「綠色能源轉型」不僅可行，長期來看還能為全球省下數兆美元。

反主流洞見

經濟決策源於「捷思法」與有限理性，而非完美理性的效用極大化

• 差異點：主流經濟學仰賴「經濟人」假設，認為主體具備完全理性，能處理所有資訊並精確計算預期效用極大化；作者則主張真實人類受限於「有限理性」，依賴簡單的經驗法則（捷思法）來做決策。
• 作者論證：在充滿不確定性與繁複變數的真實世界中，人類心智根本無法應付龐大且複雜的最佳化數學運算。相對地，透過模仿、反覆試驗等「生態理性」方法，人們在不確定環境中往往能更快速、有效地做出「夠好」的決策，這種「少即是多效應」甚至在預測未來時勝過繁複的數學模型。
• 相關案例：棒球外野手接高飛球時，並非像電腦一樣計算牛頓物理定律的軌跡，而是憑直覺運用「凝視捷思法」調整奔跑角度；在探討經濟行為的淺野模型中，家戶不需要計算最佳儲蓄率，只要簡單「模仿消費最多的鄰居」，這套簡單的捷思法就能讓經濟體系接近最佳儲蓄水準，並自發形成景氣循環與貧富差距。

經濟波動與景氣循環是內生混沌，而非僅受外部隨機衝擊

• 差異點：主流動態隨機一般均衡（DSGE）模型認為經濟體系傾向靜止均衡，所有的繁榮與衰退皆來自外部隨機「衝擊」（如科技變化或天災）；作者則認為經濟體系的變化與波動，多數源自體系內部的複雜互動與混沌動態（內生運動）。
• 作者論證：當經濟體中充滿有限理性且互相競爭的主體時，他們通常無法達成靜態的「均衡」狀態。相反地，主體會在策略空間中不斷追逐與適應對手的行為，這種高度非線性的互動機制會自動產生不規則的振盪。即使沒有任何外部新聞干擾，市場也會自行「製造新聞」並產生波動群聚現象。
• 相關案例：1987年10月的美國股市大崩盤（單日下跌超過20%），當天並沒有發生足以動搖實體經濟的外部真實新聞，其成因是「投資組合保險」與「指數套利」兩種電腦程式交易策略相互作用，產生了無法停止的內部負面回饋循環，導致市場陷入死亡漩渦。

金融市場是演化的生態系，而非絕對的效率市場

• 差異點：效率市場假說認為資產價格會迅速、準確地反映所有公開資訊，任何人都無法持續擊敗市場；作者則提出「市場生態學」，認為市場在本質上是無效率的，並且是由各式各樣專業化的交易策略所構成的生態系。
• 作者論證：完全的效率市場在邏輯上存在矛盾（若市場完全有效率，套利者無利可圖便會退出市場，導致效率消失）。在真實市場中，交易策略宛如生物物種，存在競爭、掠食與互利共生關係，策略的資金量會隨著獲利而擴張並影響價格。當某一策略（如趨勢交易或高資金槓桿）的生態棲位過度擁擠時，便會破壞市場穩定，導致資產價格大幅偏離基本面，引發市場失靈。
• 相關案例：2007年8月的「量化崩盤」（quant meltdown）。當時「統計套利基金」的生態棲位變得過於擁擠，當其中一家大型投資銀行被迫出售資產以彌補房貸抵押證券的虧損時，龐大的市場衝擊拖垮了整個產業，導致其他持有類似部位的基金也被迫平倉，引發了如同生態系中的「大規模滅絕」現象。

迅速的綠色能源轉型將節省數兆美元，而非帶來沉重經濟負擔

• 差異點：主流氣候經濟學的綜合評估模型（如諾德豪斯的模型）認為積極減緩氣候變遷的成本極高，主張應緩慢且溫和地推動轉型；作者的研究卻指出，迅速轉換至再生能源實際上比維持化石燃料現狀還要便宜得多。
• 作者論證：主流模型嚴重低估了技術進步的指數級效應，經常設定武斷的技術成本下限。作者團隊利用「萊特定律」和「摩爾定律」分析歷史資料發現，太陽能、風能和電池技術的成本會隨著累積產量的增加呈指數級下降。推動快速轉型能大幅增加產量，加速走完「學習曲線」，從而更早享受低成本的能源。
• 相關案例：作者的團隊模擬比較了「快速轉型」、「緩慢轉型」與「無轉型」三種方案。研究顯示，若在二十年內由再生能源取代化石燃料的「快速轉型」方案，不僅能有效達成減碳目標，相較於不轉型的方案，在全球能源系統的總成本上還能為人類省下高達十二兆美元的鉅額資金。

內化行動計畫

1. 在高度不確定中使用簡單捷思法

• 行動目標：在面對充滿未知的繁複環境中，避免過度擬合歷史數據，做出更具韌性的決策。
• 記憶鉤子：少即是多效應——當未來難以預測，簡單平均勝過精密計算。
• 故事或例子：法默創辦預測公司時，發現用馬可維茲的精密投資組合公式配置貨幣資產，實戰卻因不確定性而慘敗。他改用最簡單的「等權重分配」（將資金平均投資每種貨幣），降低對未知變數的依賴，結果反而大勝那些需要完美預測才能奏效的精密方程式，長期獲得穩定高報酬。
• 觸發情境：面對充滿未知變數的投資、跨部門資源分配或專案評估決策時。
• 對象與場景：投資人、專案經理、企業主管；資產配置或預算分配會議。
• 具體步驟：
  • 放棄追求能完美擬合歷史數據的數學預測模型。
  • 盤點手中可用的幾個可行選項，過濾掉明顯的高風險標的。
  • 採用「平均分配」（1/N法則）或最簡單的經驗法則直接執行資源配置。
• 可衡量的成果：在極度不確定的專案規畫中，減少 50% 耗費在過度分析上的時間並完成決策。
• 失敗補救機制：若簡單法則導致明顯虧損，檢查是否遺漏了影響全域的關鍵確定性資訊，修正後再小幅微調權重。

2. 運用萊特定律投資技術學習曲線

• 行動目標：準確預估新興技術未來的成本下降空間，把握投資與導入技術的最佳時機。
• 記憶鉤子：技術學習曲線——產量每翻倍，成本就打折；投資努力而非等待時間。
• 故事或例子：2010年專家普遍認為太陽能太貴，但法默團隊利用「萊特定律」（產量翻倍，成本穩定下降）預測十年後太陽能將比燃煤便宜。當時被《經濟學人》等權威嘲笑，但十年後太陽能成本果然暴跌，甚至比他們預測的更便宜。這證明了只要技術循著指數級的產量成長，成本下降是高度可預測的。
• 觸發情境：評估企業是否該導入新科技（如AI、綠能設備）或判斷未來供應鏈成本時。
• 對象與場景：企業策略長、政策制定者、科技投資人；制定長期技術與採購藍圖。
• 具體步驟：
  • 蒐集該新技術過去的全球累積產量與歷史成本數據。
  • 找出其專屬的「產量翻倍時的成本下降比例」（即學習率）。
  • 根據該技術在市場滲透的S曲線，估算未來幾年的產量增長，藉此推算出未來的採購成本。
• 可衡量的成果：針對一項新技術建立專屬的成本下降預測表，並在三年內驗證誤差範圍小於 15%。
• 失敗補救機制：若技術遇上原物料短缺導致價格反彈，先評估是短期供應鏈干擾還是技術物理極限，若為短期則維持長期看跌預測。

3. 用代理人基模型(ABM)推演重大政策

• 行動目標：在推行影響廣泛的變革前，預先發現潛在的崩潰點與非線性連鎖反應。
• 記憶鉤子：數位孿生實驗室——先在電腦裡模擬一萬隻螞蟻，再決定要在哪放糖果。
• 故事或例子：2020年新冠疫情爆發，法默團隊為英國政府建立代理人基模型，模擬數十萬虛擬人口在不同封城策略下的感染率與產業連鎖損失。他們成功找出「開放上游產業、限制面對面服務」的「最不壞」方案，不僅精準預測出英國GDP萎縮21.5%的幅度，更實質協助了政府放寬封城的決策。
• 觸發情境：企業準備推行重大組織變革、全新定價策略，或面臨突發市場危機需要應變時。
• 對象與場景：高階主管、數據分析團隊；重大決策前的沙盤推演。
• 具體步驟：
  • 定義系統中的最小單位（如基層員工、消費者）及其決策的簡單法則（捷思法）。
  • 在電腦中將這些單位依照真實的互動關係（如供應鏈、社群）連結，建立數位孿生。
  • 丟入不同的衝擊變數（如降價、裁員、外部危機），觀察由下而上湧現的集體結果。
• 可衡量的成果：在每次重大變革啟動前，產出至少 3 種不同情境的模擬預測報告，找出並避開 1 個系統性風險。
• 失敗補救機制：若缺乏足夠數據建立複雜的數位孿生，可先從微型規模（小範圍測試）開始，觀察初步湧現行為再逐步擴大。

4. 警惕波動群聚與槓桿循環的陷阱

• 行動目標：避免在市場看似最安全時過度擴張，防範突發的系統性崩盤。
• 記憶鉤子：平靜海面下的暗流——波動率愈低時，愈是主動去槓桿的最佳時機。
• 故事或例子：2007年前市場看似平靜，銀行依據巴塞爾協定的「風險值」模型，因近期低波動而大舉提高資金槓桿，認為這樣很安全。但法默團隊的模型顯示，這種隨波動率調整的槓桿會在市場稍微下跌時，引發連鎖的「追加保證金」拋售潮，導致波動飆升與市場崩盤，這正是引爆2008年金融危機的核心機制。
• 觸發情境：市場長期繁榮、波動率極低，且周遭同業都在鼓勵借錢擴張投資時。
• 對象與場景：個人投資者、企業財務長、風險控管人員；年度財務規畫或借貸擴張會議。
• 具體步驟：
  • 拒絕完全依賴「近期波動率極低」來評估長期風險。
  • 當市場極度平靜且資產價格持續攀升時，逆勢主動調降資金槓桿比率。
  • 預留足以應付「極端黑天鵝事件引發追加保證金」的流動現金水位。
• 可衡量的成果：在市場極度樂觀（低波動）的繁榮期，維持資產負債表的槓桿倍數低於業界平均至少 20%。
• 失敗補救機制：若過早降低槓桿導致短期利潤不如同業，須將「極端存活率」作為首要目標，避免陷入同儕攀比的心理陷阱。

5. 繪製企業生產網路的營養級地圖

• 行動目標：定位企業在產業鏈中的位置，並制定吸收技術創新紅利的最優擴張策略。
• 記憶鉤子：產業食物鏈定位——站得愈下游，能吃到的上游創新紅利愈多。
• 故事或例子：法默團隊將生態學的「食物網營養級」引入經濟體系，發現製造筆電等高營養級（供應鏈極長）的產業，能享受上游各種礦物、晶片的技術進步疊加效應。數據證實，1995年產業平均營養級越高的國家，後續十四年的經濟成長率越快（如偏重製造業的中國勝過偏重服務業的美國）。
• 觸發情境：企業尋找高成長性的合作夥伴、思考轉型方向，或國家規畫產業政策時。
• 對象與場景：企業決策者、投資分析師、商業開發(BD)；產業生態分析與供應鏈擴張規畫。
• 具體步驟：
  • 畫出自家產品的供應鏈網路，從最源頭的原物料一路追蹤到最終產品。
  • 計算自身所處的「營養級」（前方有多少層供應商為你提供技術與材料）。
  • 尋求向營養級更高的複雜產品轉型，以吸收更多來自上游產業的創新外溢效應。
• 可衡量的成果：每年審視一次供應鏈地圖，辨識出至少 2 個上游技術突破點，並將其轉化為自身的成本降低優勢。
• 失敗補救機制：若企業處於低營養級的純服務業（缺乏上游），則應全力專注於內部流程的自動化技術以彌補缺乏外溢紅利的劣勢。

6. 利用零智慧模型進行制度壓力測試

• 行動目標：檢驗市場機制或企業內部流程的防呆與抗壓能力，找出純粹因「結構」產生的漏洞。
• 記憶鉤子：傻瓜壓力測試——若連隨機亂走的醉漢都能讓系統崩潰，代表規則結構有破洞。
• 故事或例子：為了理解股市的限價訂單簿機制，法默團隊故意在模型中放入「零智慧」交易員，讓他們完全隨機下單（像對著飛鏢靶亂射）。出乎意料的是，即便交易員是隨機亂下的「傻瓜」，市場依然精準呈現出真實市場的買賣價差特徵。這證明了許多市場動態其實是「制度結構」本身必然造成的結果，而非人類智慧的產物。
• 觸發情境：設計新制度、新產品定價機制或內部新流程，準備正式上線前。
• 對象與場景：產品經理、系統架構師、制度設計者；系統發布前或機制改版時的壓力測試。
• 具體步驟：
  • 建立該制度或流程的基礎數位模型與互動規則。
  • 輸入完全隨機的「零智慧」行為（如隨機點擊、隨機定價、隨機申請）。
  • 觀察系統是否會因此當機、出現極端的資源錯置或不合理的套利空間。
• 可衡量的成果：在新產品或新機制上線前，抓出至少 1 個因為「隨機錯誤操作」而導致的系統結構漏洞並加以修復。
• 失敗補救機制：若系統在零智慧測試中表現良好，再逐步加入「有限理性」（如跟風趨勢、避險心理）的行為法則來進行進階的動態測試。

整體執行建議

• 搭配方式：以【數位孿生實驗室】與【傻瓜壓力測試】作為企業底層的制度檢驗工具；在戰略擴張時運用【產業食物鏈定位】與【技術學習曲線】尋找高勝率賽道；在日常決策與風險控管上，嚴格落實【少即是多效應】與【平靜海面下的暗流】。
• 執行週期：每季進行一次供應鏈與技術趨勢盤點；每年針對市場波動率與自身資金槓桿進行一次深度的反向風險壓力測試。
• 防棄機制：
  1. 限制複雜度：在建立決策模型或數位孿生時，嚴格限制初始變數的數量，先求模型能跑出結果，再追求擬真度，避免陷入過度繁雜而放棄。
  2. 設立反向指標：在團隊中設立「烏鴉嘴」角色，當市場一片看好、波動率極低時，強制要求該角色提出去槓桿或系統崩潰的模擬報告，將防禦機制常態化。

記憶卡片總表