В 1951 году я записался на курс математической статистики – прикладной дисциплины, исходящей из того, что внутренние процессы и взаимосвязи в экономике можно изучать, оценивать, моделировать и анализировать с помощью математических методов. Сегодня эта наука называется эконометрика, но в те годы она представляла собой лишь совокупность общих концепций и не имела даже названия, не говоря уже об учебниках. Преподавал ее Джейкоб Вулфовиц, с сыном которого Полом я встречался в годы его работы в администрации Буша-младшего и на посту президента Всемирного банка. На занятиях профессор Вулфовиц часто писал на доске уравнения, а нам раздавал их копии, размноженные на мимеографе. Я сразу понял, каким мощным инструментом является новая наука: если экономические процессы достоверно смоделировать на базе фактов и математического аппарата, то мы получим возможность составления развернутых прогнозов на более надежной основе, чем квазинаучная интуиция многочисленных экспертов-экономистов. Я начал усиленно размышлять о перспективах практического применения новых методов. Но самое главное – в 25 лет я открыл для себя ту пока еще малоизученную сферу, в которой мог добиться успеха.
Позднее я научился выстраивать масштабные эконометрические модели и смог более глубоко понять возможности их применения, а главное – их ограничения. В современных условиях экономические системы развиваются слишком быстро, чтобы уследить за всеми движущими факторами. Когда-то, на заре фотографии, для создания качественного изображения требовалось, чтобы объект длительное время оставался неподвижным, иначе фото получалось размытым. То же самое можно сказать и об эконометрике. Для получения обоснованного прогноза в формальную эконометрическую модель вносят коррективы с учетом субъективных оценочных факторов. На профессиональном языке это называется «экспертная оценка в эконометрическом моделировании». Зачастую правильность экспертной оценки более важна для прогнозирования, чем непосредственные результаты используемых уравнений.
Но если формальные эконометрические модели имеют столь низкую прогностическую достоверность, то зачем вообще они нужны? Самое меньшее, что они позволяют, – это применять к набору допущений национальные стандарты экономического учета. Кроме того, моделирование, безусловно, способствует эффективному использованию той скудной информации, которую можно считать правильной. Чем конкретнее задача, чем больше исходных данных, тем выше эффективность модели. Я всегда говорил, что набор детальных оценок за последний квартал намного ценнее для обеспечения достоверности прогноза, чем самая сложная модель.
Тем не менее разработка модели также имеет большое значение. Нельзя создать абстрактную модель на пустом месте (я, например, не могу сделать этого). Для нее необходимы реальные факты. Любые абстракции должны на что-то опираться,