跳到主要內容

發表文章

目前顯示的是 7月, 2017的文章

0731 Nobel Economist: Milton Friedman

出生於1912年7月31日,Milton Friedman是20世紀最為知名的經濟學家之一,研究興趣廣泛且深入,從總體貨幣到個人消費選擇,另外經濟史和計量方法皆有極大貢獻,因此在1976年獲頒諾貝爾經濟學獎。除此之外,他的經濟思想影響美國和其他西方國家政策,於1988年獲頒總統自由勳章。著有《資本主義與自由》(Capitalism and Freedom) 一書,並且在1980年代已錄製同名節目,暢談他的經濟和政治理念,主張小政府和市場自由的概念,書中也提及有關教育、歧視、企業壟斷等議題。 Friedman著名的理論包含恆常所得假說 (Permanent income Hypothesis),此理論說明人們的消費習慣,不會受到暫時性的收入改變而變化,被應用至許多總體經濟模型。對於菲利浦曲線 (Phillips curve) 提出挑戰,此理論是解釋通膨和失業率的反向關係,也就是高 (低) 通膨常伴隨著低 (高) 失業率,Friedman認為此現象此在短期成立,在長期上人們預期改變後,則此現象不成立。《美國貨幣史》(A Monetary History of the United States, 1867 - 1960) 則是他重要的學術代表作,分析了1929金融大恐慌時期的政策,主張貨幣供給對於經濟運行有很重大的影響。 Friedman大學時就讀Rutgers,一開始主修數學想成為精算師,後來喜歡上經濟學,在老師的鼓勵之下前往芝加哥大學攻讀碩士,緊接著前往哥倫比亞大學攻讀博士,在 Simon Kuznets 的指導之下完成論文。畢業後曾在美國財政部工作,接下來便長年任教於芝加哥大學,指導的學生包含Harry Markowitz, Neil Wallace 等,影響後代經濟學的發展。Friedman於2006年辭世,享壽94歲。 參考資料: Chicago University , 諾貝爾官方網站 , Wikipedia

0731 Nobel Economist: Robert C. Merton

出生於 1944 年 7 月 31 日,Robert C. Merton 是著名的財務經濟學家,主要研究領域在資產定價、衍生性金融商品、金融機構等領域。最為人所知的理論是和 Fischer Black、Myron Scholes 一同發表的 Black-Scholes-Merton 模型,被廣泛應用至衍生性金融商品的定價。由於在財金領域有著重大的貢獻,使得 Merton 與 Scholes 在 1997 年一同獲頒諾貝爾經濟學獎,Merton 獲獎時僅 53 歲,是史上第二年輕的經濟獎得主。Merton 的恩師 Paul Samuelson 曾形容他在財金領域研究的影響,就如同牛頓對於物理學界的貢獻,足見他在財金研究領域的份量。 早期求學過程 Merton 出生於書香世家,父親 Robert K. Merton 是著名的社會學家,長期在哥倫比亞大學任教。儘管從小對學術界並不陌生,Merton 卻不想成為大學教授,更不打算走社會科學相關的研究。年輕時候的 Merton 對於如何打造車子較為有興趣,目標是成為相關領域的工程師,就讀哥倫比亞大學工程學院期間,曾花幾個暑期的時間在福特汽車實習。 從哥倫比亞工程數學系畢業後,Merton 先是前往加州理工大學攻讀應用數學的博士班,完成首年的課業後,Merton 開始思考博士論文的研究方向,發現自己喜歡股票交易跟經濟學的主題,但卻沒上過相關課程。曾任美國總統經濟首席顧問 Walter Heller 表示總體經濟研究已經幫助美國避免大蕭條和高通貨膨脹,受到這番談話的鼓舞,Merton 認為經濟研究可以影響上百萬人的生活,是非常有意義的事情。緊接著 Merton 在書店買了經濟數學的書籍,覺得自己可以在該領域做一些貢獻,便毅然決然決定離開加州理工大學,轉而申請經濟博士班。 然而轉領域申請博士班的道路並非十分順利,Merton 申請九家學校被其中八家拒絕,包含他的母校哥倫比亞大學。但是時任麻省理工大學招生委員會的 Harold Freeman 卻十分賞識 Merton 的數理背景,並建議 Merton 剛入學就可以上博士第二年的經濟數學課程,而授課教授正是 1970 年的諾貝爾經濟學獎得主 Paul Samuelson,日後也成為 Merton 的論文指導教授。由於 Merton 有扎實的數學背景,Samuelso

U.S. Economy Statistics | 美國經濟數據

美國的經濟數據可以至 聖路易Fed 的官方網站查到,發現他們也有提供互動圖表及更新,可以直接放在網頁上,自行點閱想要的時間範圍,並且可以直接查看、下載每年數據,裡面的統計指數包羅萬象,此篇文章引用幾個新聞中常看到的指數作為參考: 經濟體:GDP成長。 勞動市場:失業率、勞動參與率、工資變化。 物價:通貨膨漲指數,包含所有商品,和去掉食品、能源類的核心通膨。 生產:製造業產出、非農 (每小時)。 利率:聯邦基準利率 (聯準會每次開會是否要調升的利率)、10年期公債利率 (經常當成無風險利率)。 消費:消費信心、新屋銷售。 指數:S&P 500, 西德州原油。 Bonus:新台幣兌換美元指數。 Real GDP Growth 失業率 勞動參與率 工資變化 通貨膨漲 生產力 (製造業產出) 生產力 (非農每小時產出) 聯邦基準利率 10年期公債殖利率 消費信心指數 新屋開工 S&P 500股票指數 西德州原油指數 美元兌換新台幣

The Meaning of CEO Speech | CEO講話的奧秘

CEO是公司的領頭羊,每當股東會時,他們對於公司的業績展望是股東們注意的重點,對此許多研究人員開始探討CEO如何描述其公司表現。從芝加哥商學院的 研究報導 指出,根據CEO的用字遣詞可以將他們分成五大類型:有責任感 (conscientiousness)、外向 (extroversion)、親切 (agreeableness)、神經質 (neuroticism)、坦承開放 (openness)。 像是親切型的CEO傾向使用副詞 (ex: about, absolutely),每句話用較少的文字,會使用模糊不清的量詞 (ex: a lot, a bit)。外向型的CEO則喜歡使用焦慮詞 (ex: worried, fearful),而這也反應在他們的公司特性,有較低的現金流量和資產報酬率。 然而當CEO開始使用委婉語,像是逆風 (headwinds)、觀望 (wait-and-see)等,則股東們或許該開始調節該股票,公司的股價和業績,在之後的表現並非理想。另外根據波士頓大學Tarek Hassan等人的研究,如果CEO提及關於政治風險,則該公司會減少投資和聘雇,並且會有較高的政治捐獻和遊說行為。 Reference: Chicago Business Review

0726 Nobel Economist: Edmund S. Phelps

Edmund Phelps出生於1933年7月26日,是著名的總體經濟學家,研究主題包含就業、通膨、薪資、人們的儲蓄消費行為等方面,並且評估經濟成長和政策的短期、長期影響,在2006年獲頒諾貝爾經濟學獎。 菲利浦曲線 (Phillips curve) 是解釋通膨和失業率的反向關係,也就是高 (低) 通膨常伴隨著低 (高) 失業率,然而Phelps在60年代對此理論提出挑戰,他表示通膨並非只和失業率有關聯,也必須考量到人們對於物價和工資的預期。Phelps也提出效率工資 (efficiency wage) 的概念,也就是此工資較一般來得高,因為公司希望吸引或留住人才、降低人員流動率,這可以解釋自然失業率 (nartural rate of unemployment) 的發生原因,描述經濟體在充分就業之下,仍然會發生失業的情形。 Phelps另一大理論貢獻在於資本形成的過程,究竟要多少的儲蓄率,以在維持消費和經濟成長,Phelps提出的黃金律 (golden rule) 是「像他們對你們一樣對待別人」 (do unto others as you would have them do unto you),也就是消費和儲蓄水準應該在每一世代,都維持在類似的水準,以支應所需的經濟成長率。Phelps的研究也強調投資在教育以提升人力資本,以及投資R&D,皆對於經濟成長和生產力有所助益。 Phelps大學是就讀Amherst,在那裡受到人文社會和哲學等學科的影響,最後選擇經濟學作更深入的研究,在耶魯經濟博士班期間,受到James Tobin, Thomas Schelling等人的影響,畢業後在RAND公司、耶魯、賓州大學等地工作,從70年代至今都在哥倫比亞大學任教。Phelps平日喜好音樂,高中時喜歡吹奏小號。 Reference: Phelps Home Page , Nobel website , Wikipedia , 百度百科

What does FOMC mean?

除了市井小民、CEO、新聞媒體的談話和文字會影響市場之外,官員的談話更是左右市場的關鍵因子,舉美國聯準會為例,底下的聯邦公開市場委員會(Federal Open Market Committee, 簡稱FOMC),被笑稱應該是Federal Open Mouth Committee (聯邦張嘴委員會) 的縮寫。 根據美國知名財金網站Business Insider的 報導 ,會有此玩笑出現是因為近年來Fed委員的談話次數逐年增加,從1996年平均每人4次左右,到2017年預計此數字將達到14次,顯見其官員在媒體上出現的頻率愈來愈高。 這也反應出Fed認為政策對大眾愈資訊透明,更能達到其貨幣政策的目的,從近來的政策像是量化寬鬆 (QE) 和前瞻指引 (Forward Guidance),都可以看到Ben Bernanke, Janet Yellen歷任主席,在媒體前講解政策實施依據,Bernanke 便說過貨幣政策是百分之98的談話,和百分之2的行動 (Monetary policy is 98% talk and 2% action)。 每當Fed官員關於是否升息的意見時,媒體不但會逐字逐句分析其用字遣詞,分析發表人的個人特質和 成長背景 ,試圖找出一點蛛絲馬跡來預測未來市場走向,因此每次官員談話,也影響該日金融市場的波動變化。 Photo: Federal Reserve Flicker

0719 Nobel Economist: Thomas J. Sargent

Thomas Sargent出生於1943年7月19日,是著名的總體經濟學家,他的研究被廣泛應用至評估總體經濟政策改變,對經濟體的影響,像是美國聯準會的利率決策,會如何影響通膨及失業率。在2011年Sargent和Christopher Sims一同獲頒諾貝爾經濟學獎,兩人是哈佛博士班的同學,並一起在明尼蘇達大學長期擔任教授,教導出另一位諾貝爾獎得主Lars Peter Hansen,三人都在總體和計量方法有著卓越的研究貢獻。 Sargent和Lars Ljungqvist出版的總體經濟學教科書,是國內外博士班的重要參考課本。近來Sargent與John Stachurski合作,投入數量經濟和程式撰寫的工作,他們成立的 Quant Econ 網站,有提供Python和Julia在經濟模型的實際應用。 參考資料: Nobel website , Wikipedia

Robert Shiller's Speech in Taiwan

今天的大師論壇在台北國際會議廳舉行,吸引了各個年齡層的聽眾,包含阿公阿嬤到學生都熱情參與,Robert Shiller今天的演講內容相比昨天政大場,反而更加學術,像極了給財金/經濟所碩博士生的初階課程內容,和他在2013年獲頒諾貝爾獎給的課程演說十分類似。從最簡單的現值PV公式,推導未來營收和股利折現回來相對應的股價表現。 到著名的猜測選美優勝者議題,人們應該猜測誰是大眾最喜歡的女性臉孔,而非自己最喜歡的臉孔長什麼樣子。就像選股票一樣,要預測誰是大眾的最愛,而非只考量自己的偏好。中間也提到他不贊同Fama的理由、行為財金的演進、equilty premium puzzle (股市的報酬為何比美國國債等無風險資產高如此多) 甚至連variance bound test都出現在演講內容。Shiller笑稱很多聽眾看到PV這種公式就暈了,所以報紙中的專欄都不會提到任何數學式。 大師演講的第二段請到劉遵義院士,他長期在史丹佛經濟系擔任教授,並且擔任過香港中文大學校長,著名的研究包含亞洲四小龍的經濟成長和發展。在今天的演講中,他也回顧了台灣在二戰後,是如何克服高通膨、出口轉型等議題。 論壇的下半場是由周行一教授主持,由Shiller、劉院士、和外資分析師楊應超對談Narrative Economics,Shiller先談到這主題的起源和未來可能應用,然而劉院士隨後提出一些研究執行上的困難,像是很難分別語氣情緒 (sentiment)、很多noise和甚至假新聞 (Fake news)等問題。Shiller也說到fake news只是新名詞,但並非新現象,早在19世紀末的美西戰爭就有很多報紙出現假新聞。 座談的過程中也提到像是Trump上台、科技產業的日新月異,像是AI應用、自動化會不會取代人工等議題,都是Narrative economics的可能現象。Shiller也提到股市的變化性很大,就連同校Yale的大老Irving Fisher,也曾在20年代底的金融大恐慌前9天發表“股市達到永恆的高原”(reached what looks like a permanently high plateau),結果之後不但賠掉自己的房子和財富,學術名聲也留下污點,十分可惜。 在演講中間休息時,有剛好抓到一個空檔,和Prof. Shiller簡短交談,請

Robert Shiller's Speech in NCCU

2013年的諾貝爾經濟學獎得主Robert Shiller這週應邀來到台灣演講,主題是關於股市和房市的資產價格,以及他近來在美國AEA年會主講關於Narrative Economics的主題。 Shiller除了學術研究做得好之外,他也撰寫許多經濟財金的大眾書籍,著有<非理性繁榮> (Irrational Exuberance), <動物本能> (Animal Spirits), <金融的美好社會> (Finance and The Good Society), <釣愚> (Phishing the Phools)等經典財金書籍。 首先Shiller相比美國的股票指數 (經通膨調整),和實質薪資做比較,在90年代末期有大幅上升的情況,2008年金融海嘯時,大盤指數和薪資都出現下降的現象。 Shiller也有準備台灣股市的資料,一樣是有經過通膨調整,所以指數看起來沒那麼高。指數在80年代末期迅速飆漲,但在短短一兩年之間便快速滑落,Shiller說這種漲跌幅度,在世界的資本市場歷史中,都算十分罕見。 接下來進到今天的另一個重要主題,Narrative Economics的議題探討,Shiller表示歷史上很多股市的飆升和大跌,都跟人們敘說的故事相關。且故事會代代相傳,就像是20年代末的大蕭條,在場觀眾或多或少都有聽過那個時代的故事。但有的故事內容未必能反映真實的情況,像是在金融恐慌時期過後,道瓊成分股的30檔股票,沒有一檔是下跌的,但人們只會記得那段恐慌的時代。 Shiller也收集關於台灣股市那幾年大幅上揚的故事,他用美式英文腔提到當時風行的「大家樂」,十分有趣。 然而經濟財金學界對於Narrative,十分不熱衷,認為我們的研究議題,不會受到這種故事影響。接著他用Laffer curve做舉例,經濟學家Art Laffer在70年代時,相傳與一位記者在吃飯時,畫了這個著名的曲線在餐巾紙上,提出這個理論。結果這條著名的曲線在80年代於英美政府採用,新聞也頻頻使用這個詞彙,結果Laffer curve這個專有名詞的名聲,遠超過Laffer本人。Shiller也開玩笑說,很多經濟重要發現,都是在發表10年之後才流行於世人口中。 此外,房市的漲幅也和人們的搜尋有關,像是‘flip

Endogeneity Problems in Corporate Finance

在應用個體和公司金融的研究,經常我們會遇到模型有內生性的問題,也就是當變數與error term有相關性時,則而一般內生性問題分成以下幾類: Omitted variables 評斷CEO的薪酬需考量其能力,但能力該如何量化,是一個難題。另外遺漏變數也可能出現在error term裡,像是公司規模大小是考量CEO薪酬的變數,然而公司愈大,隱含CEO的能力要愈好才能管理。由於管理能力是不可觀察,被隱含在error term內,並且與企業規模產生相關,因此企業規模有內生性的問題。 Simultaneity x可能影響y,也可能是y影響x,像是反併購(anti-takeover)和低公司價值的關聯,有可能是因為反併購的紛擾發生,讓市場出現疑慮,導致企業價值的損失,形成低市價;但也有可能是因為經理人,採取讓公司變得低價值的策略,來鞏固自己的地位,不讓公司成為被併購的目標。 Measurement error 由於我們無法取得真實質,因此在實證上的測量會與實際值產生差距,所以造成測量誤差,此現象不僅出現在x,也會出現在y。例如股權 (equity) 的公司價值容易估計,然而債權不容易評估,使用帳面成本會無法完全評估正確而產生誤差。另外像是CEO的薪資條件也不易估算,使用股權轉換選擇權定價方式,也不能完全估計正確。 -------- 所以經濟學家想出一些方式,想要來解決此內生性問題,方式如下: Instrumental variable (IV) 由於大部分的經濟研究無法像自然科學一樣,可以透過實驗控制,工具變量的想法就是找一個硬幣,可以隨機正面或反面,不受人為選擇干擾,達到隨機的效果。如果以數學來說,IV要和x有相關性 (cov != 0),但要與error term無關,因此工具變量是外生,僅透過x,來和y產生關係。 好的IV常來自生理/身體 (biological/physical)、制度改變等,並且要和其探討的經濟因子問題無相關: CEO從外人改成家族繼承對公司表現(y)的影響,由於可能有遺漏變數同時影響換管理階層更換 (x) 和公司表現 (y)。取頭生的小孩性別為IV,由於生理上的差異並不影響公司表現 (經濟因子),且和家族繼承有高的關聯性 (x),因此適合作為IV。 在著名的越戰研究案例中,服役是否影響到未來收入,由於能

U.S. Job Reports | 美國就業數據

通常每個月的第一個週五,美國勞工統計局 (Bureau of Labor Statistics) 會發表就業相關的數據,而最常被新聞媒體引用的數據就是失業率,這項數據經常作為政策指標,像是聯準會在評估是否要升 (降) 息時,此項數據是必定會參考的指標。然而除了失業率之外,其他幾項數據也需要搭配一起看,才能比較看清楚就業實際情況: 工資變化 (wage):當勞動市場逐漸飽和時,也就是僧多粥少的情況發生,則雇主如果想聘雇到員工,則會調高工資吸引勞工。因此在低失業率的情況之下,如果工資未能上漲,決策者就需要更細部探究其原因。 勞動參與率 (participation rate):由於不是每個人都會被納入失業率計算,像是學生或者料理家務者,在當下都沒有就業意願,因此不會被納入失業率計算。當我們只看到失業率降低時,很直覺地會認為大家都能找到工作,實際上可能是許多人失業過久而放棄就業,而放棄就業者並不會被納入失業率的計算。 全職 (full-time) /兼職 (part-time):失業率低的另一個可能假象,勞工雖然都找到工作,然而若是兼職型,一方面就業較沒有保障,另一方面工資調整性不大,且流動率高、被替代性高。 新增就業數:如果整體企業都在增聘員工,也就代表經濟環境處在良好狀態。而新增的產業背景也是另一個考量重點,像是農業較容易受到季節性影響,因此非農就業是另一重要數據。從各產業聘雇狀況也可以看出該產業的經濟現況。 此外,就業/非就業人口的背景也值得參考: 年齡、性別、種族、教育程度 失業多久、找尋工作的時間長度 Reference: WSJ ( Interactive Charts , Job Reports in 10 Charts ) Photo and Data: FRED

CEO Visits White House | CEO拜訪白宮的好處

總統和政府官員接見工商業大老,聽取其產業和經濟諫言是常見的事情,然而從另一方面來說,如果一位大老闆愈常拜訪官員辦公室,也可以視為他們的關係甚為良好。在Jeffrey Brown和Jiekun Huang近期發表在美國經濟研究學會NBER的文章,他們總結2009-2015年期間2000多次白宮拜訪紀錄,如果公司高層愈常拜訪白宮,則該公司的股價表現則是異常的好。 這可以歸因於他們較有可能拿到政府的合約,並且其投資較不會受到政治紛爭和不確定性的影響,監管法案在企業拜訪之後,也會獲得較為正面的答案。然而根據美國財金新聞CNBC的 報導 ,新上任的Trump政府將不會延續Obama政府在任時,公布類似的拜訪紀錄。 Reference: Brown, J. R., & Huang, J. (2017). All the President’s Friends: Political Access and Firm Value (No. w23356). National Bureau of Economic Research.

Narrative Economics

每年的1月份,美國經濟學會 (AEA) 和財金學會 (AFA) 等研究單位都會舉辦聯合研討會,今年的年會於主席演講 (Presidential Address),正是由耶魯大學教授Robert Shiller演講敘事經濟學 (Narrative Economics) 為主題,分析人們經常討論的經濟話題,會如何影響市場波動。 Shiller在 文章 中舉例,像是美國的道瓊指數在日前在2萬點附近徘徊,台灣股市則是1萬點上下震盪,但熟悉股票的人一定知道,指數只不過是根據基期決定,像台股就是以1966年的100點為基準,如果當初的基準設在120點,那現在的股票老早就突破1萬點,來到12000點大關。如果經濟、產業基本面有良好發展,則指數理當輕鬆上漲,不會在特定點數遇到障礙。 但如果像是1萬點,人們有心理關卡,則投資人和市場會出現焦躁不安的現象。像這種人們不討論經濟、產業基本面是否改變影響金融指數,而是純粹關心在指數的數字是否影響漲跌的情形,就是一種敘事經濟學的現象。 Shiller指出我們若想了解經濟大蕭條,就必須重視此方面的研究,像是了解為何人們突然減少消費,這種現象常開始於人們開始聽到不好的風聲開始,「好事不出門,壞事傳千里」,壞消息總是透過人們的言語之間、新聞媒體的文字、影像而傳播快速。 而Shiller舉1920年代初期的美國為例,西方正經歷完一次世界大戰、俄國剛爆發完革命,美國人從報紙中看到戰爭、革命的無情,輿論討厭那些從戰爭中牟取利潤的掮客、企業,於是開始抵制他們的產品,商品價格開始滑落,民眾更沒意願在物價下滑時購買東西,進而延遲消費,於是價格繼續下降,導致經濟衰退。 另外一則看法,從當時像是《大亨小傳》(The Great Gatsby) 等書中描述20年代的美國是一個繁榮的時代,而女生在此時有很高的自主權,和過去不同,她們穿短裙、可以不用男士的陪伴上酒吧。然而20年代末期股市突然的崩盤,美國人開始回歸教會,懺悔過去幾年對金錢的貪婪,而造成當時的金融恐慌。女生的裙擺再度變長,不再追求時尚流行,連帶著大眾的其他消費也跟著減少,使得經濟開始負成長。或許想探討經濟大蕭條的緣由,我們可以從當時人們的故事來找出蛛絲馬跡。 Reference: Shiller, R. J. (2017). Narrative economics. The

衝突的經濟代價: Basque省

巴斯克位於西班牙北部,與法國南部接壤,有著屬於自己獨立的語言—巴斯克語,在二戰前後,西班牙發生內戰,當時的統治者佛朗哥 (Francisco Franco),曾多次想要鎮壓該地區,但當地出現一個名為「巴斯克祖國與自由黨」(ETA) 的組織,想要建立屬於自己的國家,在1960-90年代多次使用武裝抗爭,甚至採取暗殺、炸彈襲擊等手段,因此被歐美等政府列為恐怖組織。 半世紀至今,ETA勢力雖已不如以往,多次也和西班牙當局達成和平協議,但後來又終止協議。然而這些政治不穩定性和軍事衝突,都使得巴斯克地區的經濟表現不如其他西班牙地區,在政治紛擾之前,巴斯克地區和加泰隆尼亞 (巴賽隆納所在地)、馬德里的經濟表現相去不遠,但長年的衝突究竟讓當地經濟付出多少代價呢? 於是巴斯克當地出身的經濟學家Alberto Abadie和Javier Gardeazabal,在2003年發表他們的研究,便是使用Synthetic Control Method (SCM) 的方法來評估軍事和政治衝突,對於巴斯克的經濟有多大的損失和衝擊。他們得出的結果指出巴斯克損失10%的GDP經濟成長,相比於如果未發生衝突的情況。然而這個方法是如何運作的呢? 作者使用其他西班牙省份來模擬巴斯克,他們複製出和巴斯克有著類似的人口、產業、教育以及投資規模,得出巴斯克相比於合成版的虛擬巴斯克,在1975~2000年這段時期左右,損失約10%的GDP經濟成長,顯見當地的政治不安定性和衝突,對於經濟成長的影響十分巨大。 Reference: Abadie, A., & Gardeazabal, J. (2003). The economic costs of conflict: A case study of the Basque Country. The American Economic Review , 93 (1), 113-132. Photo: Wiki

0701 Nobel Economist: Robert Fogel

Robet Fogel出生於1926年7月1日,是著名的經濟史專家,他是將數量方法導入歷史研究的先驅者之一,讓計量經濟史 (Cliometrics) 成為重要的研究領域。Fogel在1993年與Douglass North一同獲頒諾貝爾經濟學獎,表彰他們將經濟史與數理模型結合,並且解釋經濟體和制度的演變。 Fogel著名的研究包含美國鐵路發展史和黑人奴隸的研究,前者的研究他從四大農產品 (小麥、玉米、豬肉、牛肉) 的資料後發現,主張即使沒有鐵路的情況之下,使用其他交通工具,像是國內水運,也會使得美國的經濟能成長,顛覆前人對於鐵路扮演在美國在南北戰爭之後,經濟成長舉足輕重的角色。 而在黑人奴隸的研究部分,Fogel主張此制度從經濟角度來看,是有利潤且並非是無效率的事情,此研究結果引起大眾譁然。雖然受到眾多人批評,Fogel依舊捍衛他從棉花產量的歷史資料,來佐證他的研究論點,奴隸制的農場生產力,並不輸北方的勞工。若不是南北戰爭發生,奴隸制度並不會停止。然而Fogel也強調奴隸被運用的方式,的確無法完全從統計資料呈現。 Fogel大學時就讀康乃爾,原先興趣是在物理、化學,但他對於二戰後的經濟變化感到有興趣,因此選擇在哥倫比亞大學攻讀經濟研究所,受到George Stigler和Carter Goodrich的影響,投入對美國經濟史的研究。Fogel之後在約翰霍普金斯大學攻讀博士,在Simon Kuznets和劉大中院士等人的指導之下,將經濟史逐漸導入數理模型。畢業後長期在芝加哥大學任教,影響經濟史研究的發展。Fogel於2013年過世,享壽86歲。 Photo: 芝加哥大學 Reference: 紐約時報 , 諾貝爾官網

0701 Nobel Economist: Myron Scholes

Myron Scholes出生於1941年7月1日,是著名的加拿大財務經濟學家,最為人所知的理論便是Fischer Black, Robert Merton一同發表的Black-Scholes-Merton Model,被廣泛應用至衍生性金融商品的定價。在財金領域的貢獻,使得Scholes在1997年與Merton一同獲頒諾貝爾經濟學獎。 Scholes的求學路並非一路順遂,小時候的視力受損,因此無法長時間閱讀,直到26歲時才透過手術解決此問題。受到父母的影響,Scholes年輕時就對財金經濟很感興趣,大學時受到George Stigler, Milton Friedman的書籍影響,更加確定要往這條路邁進。 博士班時進入芝加哥大學,與Michael Jensen, Richard Roll等日後著名財務經濟學家成為同學,並且受到Eugene Fama, Merton Miller這兩位諾獎得主的指導之下,完成博士學位。畢業後分別在麻省理工、芝加哥、史丹佛等地任教,影響當代的財務經濟研究發展。 參考資料: Nobel Website