Aries Wong
  • Home
  • Research
  • Knowledge Transfer
  • Teaching
    • Service-learning in Sustainable Development
    • Economics for Hong Kong
    • Economics for Digital Economy

數據世界中的經濟學

4/11/2019

0 Comments

 
年初政府公布開放數據計劃,希望藉此鼓勵智慧城市的發展,雖然現存數據的深度和密度跟發展智慧城市所需仍有頗大的一段距離,但始終屬於正確的一步。無論是城市管理還是商業決策,數據從來都是重要關鍵,過去數據難求,但是隨著包括互聯網、流動通訊在內的科技發展,個人習性、交易數據變得唾手可得。

科技企業的經濟師

正當數據泛濫之時,各間科技巨企近年開始積極吸納大量經濟學家,甚至請來知名教授管理團隊,加州大學的經濟學教授范里安(Hal Varian)是谷歌的首席經濟師;史丹福的科技經濟學教授埃塞(Susan Athey)則曾是微軟的首席經濟師。在急起直追的阿里爸爸,達摩院和羅漢堂中也會發現金融泡沫專家、普林斯頓大學經濟學教授布魯納米爾(Markus Brunnermeier)的身影。業界中其實從來不乏經濟學人,大眾對於經濟師一職也不應陌生,然而這些職位過往大多是在政府或是金融機構中,負責分析和預測經濟增長、息率等宏觀經濟表現,惟這些明顯都並非現今科技企業最為關心的議題。

早前學院剛好邀請了亞馬遜日本的渡邊博士(Yasutora Watanabe)到校演講,雖然渡邊在保密協議下不能直接披露在亞馬遜日本的工作,但作為業界中的經濟學人,正好解開科技巨企內經濟學家的神秘面紗(渡邊博士的分享,某程度跟埃塞早前的文章不謀而合(註1),有興趣的讀者亦可一看)。渡邊博士指出,跟以往政府或金融機構面對的宏觀經濟風險不同,科技企業面對的是科技發展引致市場結構的急劇改變(例如由企業對消費者轉為個人對個人),因而需要擅長相關理論的微觀經濟學者,設計及硏究隨著新市場結構興起的各種諸如推介系統、評分制度、動態定價等市場機制。

科技企業的數據分析

除了微觀經濟學的理論大派用場之外,渡邊博士認為科技企業也看中了經濟學在驗證理論方面的嚴謹要求下,所發展出來的大量數據分析方法和工具。范里安教授也曾在另一篇文章談及計量經濟學工具在分析大數據方面的應用(註2),其中特別提出計量經濟學的一個特點是較為著重驗證事物之間的因果關係,而科技企業正正需要這種能力去驗證各種新興巿場機制的實際成效。

渡邊博士在另一個場合分享他一個關於推介系統的研究正是一個例子。在早前關於共享經濟的文章,解釋過推介系統是個人對個人市場中的重要元素,原因是有不少證據顯示我們都有選擇困難症,在面對龐大的選項時可能是出於害怕會後悔也可能是出於認知上的防護機制,往往會傾向放棄作出決定。推介系統的作用就是希望避免出現這種情況。

不過要找出推介系統的成效一點也不容易。推介系統都是根據某些規則推介産品,其中固然會考慮到產品本身的受歡迎程度。假如只是簡單比較被推介與不被推介產品的銷量差別,被推介產品得到更高的銷量很可能是系統選擇了本身受歡迎的産品作推介,而非系統推介有功。

渡邊博士研究的數據來自一個感覺頗為老舊的行業—自動售賣機。自動售賣機並非新事物,但原來日本已有服務提供者利用鏡頭和面部識別科技來初部鑑別潛在顧客的性別和年齡,從而推介產品。渡邊博士為找出推介的成效,利用相關企業的自動售賣機做了一個對照實驗( 行內較常稱之為AB測試),在一些售賣機隨機推介產品,最終發現推介的成效不但增加被推介產品的銷量,而且同時增加了同機其他產品的銷量(註3),某程度證明作出推介的銷量平台相較沒有推介的更為吸引。

對照實驗算是較為直接找出因果關係的方法,但社會大眾也開始愈來愈關注科技企業把他們作為「白老鼠」般測試,可見將來在某些環節(特別是涉及消費者支出的)進行對照實驗的難道可能會愈來愈大。可幸社會議題本身少有實驗可做,因此經濟學的硏究也比較習慣把握政策實施時的細微差異找出因果關係。類似的研究題目,經濟學者在無法進行對照實驗的情況下,也曽利用業務遍及全球的時裝網站在歐美兩地推介產品的差異,嘗試驗證推介系統的成效(註4)。

科技帶來了大數據,致使數據不再如過往般稀有,然而數據跟決策所需的資訊仍有頗大的一段距離。科技企業似乎早已深明此道,發展智慧城市也不應忽視這個經驗。

註1: Athey, Susan, and Michael Luca. "Economists (and Economics) in Tech Companies." Journal of Economic Perspectives 33.1 (2019): 209-30.
註2: Varian, Hal R. "Big data: New tricks for econometrics." Journal of Economic Perspectives 28.2 (2014): 3-28.
註3: Kawaguchi, Kohei, Kosuke Uetake, and Yasutora Watanabe. "Effectiveness of Product Recommendations Under Time and Crowd Pressures." Marketing Science (2019).
註4: Helmers, Christian, Pramila Krishnan, and Manasa Patnam. "Attention and saliency on the internet: Evidence from an online recommendation system." (2015).

刊於2019年4月11​日信報
0 Comments

​從大數據看經濟前景

3/7/2018

0 Comments

 
股票市場近日異常波動,市場的解釋是美國加息步伐、朝鮮半島和中東等地的地緣政治都存在各種的不明朗因素。經濟前景不明,影響的不止是金融資產的價格,也會打擊實質經濟活動。在前景不明的情況下,一方面企業的借貸成本會因為銀行和金融市場更趨審愼而增加,從而限制投資,另一方面企業本身亦會傾向對於擴充和招聘採取「睇定D」(wait and see)的策略。經濟前景無疑是個重要資訊,可惜卻不易量度。

量度經濟前景看法困難

過往經濟學界硏究經濟前景對於各項經濟活動的影響時,通常根據專家的意見去測量經濟前景,這些專家意見可能來自中央銀行會議報告內的經濟展望,也可能是從經濟師或是業界得來的意見調查。雖然專家不是神仙,也沒有能預知未來的水晶球,但畢竟他們擁有較多的資訊和較強的能力處理資訊,著名的宏觀經濟學家羅默夫婦(David Romer and Christina Romer)的一項硏究就發現聯儲局在預測經濟前景的確勝人一籌(註1)。

專家意見準確歸準確,只可惜這些意見和報告往往都不是一時三刻可以得到,公眾更加可能無法直接取得。這些問題雖然無礙學術硏究,但這些專家意見作為讓公眾及時了解經濟前景的指標,則明顯力有不逮。要更快、更頻密知道經濟前景存在的不確定性,更好的方法是直接搜集大眾對經濟前景看法的數據,而每日有著大量交易的金融巿場自然是首選。現時傳媒經常引用的「恐慌指數」(VIX index),正是由金融市場上的期權價格所隱含的引伸波幅計算而來。雖然「恐慌指數」正好彌補專家意見在時間性上的不足,只是金融市場上的雜音甚多。正如不少硏究都發現股價的波幅往往遠超背後基本因素的波幅一樣(註2),「恐慌指數」恐怕也包含了很多經濟前景預期以外的雜音。

大數據助即時量度經濟前景

除了金融市場以外,大眾對經濟前景的看法其實也存在在不少地方,隨著資訊科技的發展,不少的經濟學者都正嘗試把這些數據發掘出來。 現正在斯得歌爾摩大學任教的達杰林斯基(Michal Dzielinski)就曾利用谷歌搜尋經濟相關字眼的數據,量度大眾對於經濟前景的憂慮(人類自古以來面對前景不明就喜歡求諸鬼神,現時只是換上谷歌大神),結果的確發現搜尋愈頻密、短期內股市下跌的風險就愈大(註3)。

另外一個愈來愈多人關注的經濟前景指標,則是美國西北大學的貝加(SR Baker)及他在史丹福的博士導師布盧姆(Nick Bloom)等人利用報章報導與經濟政策不確定性有關字眼的數據,量度由經濟政策所帶來的不確定性(註4)。貝加等人在硏究中利用這個經濟政策不確定性指標,成功驗證經濟政策不確定性對股價、商業投資、就業等各種經濟活動的負面影響,難怪短短數年間便被引用超過千多次,而貝加等人更加建立網站,每日更新多個地區的有關指標方便各界應用。

這個經濟政策不確定性指標用途廣泛,但不難想像香港這個小地區當然不在貝加等人的硏究之內。幸好同事陸尚勤博士跟幾位金融管理局經濟硏究部的朋友運用類似的方法,根據中文報章的報導數據為香港建立了一個經濟政策不確定性指標(註5)。這個香港指標最近還被貝加「睇中」,成為載於上述網站中環球不確定性指標的一員。陸尚勤博士等人的硏究中,證實他們的指標能夠預測香港多項重要的經濟活動,但詳情如何和後市如何就只能留給他和他的團隊介紹。

大數據現時已經打開了直接探索經濟前景的大門,更多利用人工智能的後續硏究正接踵而來,現時已有幾篇研究嘗試以文字探勘(text mining)和機器學習(machine learning)的方法,取代貝加等用「以人為本」作為鑑定與經濟政策不確定性有關的字眼的方式,希望進一步改善量度前景的準確性。政府正努力把香港構建成為一個智慧城市,但單是開放給予大眾和學界的數據數量和取得數據的便捷程度仍然有很大的改善空間。

註1:Romer, C. D., & Romer, D. H. (2000). Federal Reserve information and the behavior of interest rates. American Economic Review, 90(3), 429-457.

註2: Shiller, R. J. (1981). Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends?. The American Economic Review, 71(3), 421-436.

註3: Dzielinski, M. (2012). Measuring economic uncertainty and its impact on the stock market. Finance Research Letters, 9(3), 167-175.

註4: Baker, S. R., Bloom, N., & Davis, S. J. (2016). Measuring economic policy uncertainty. The Quarterly Journal of Economics, 131(4), 1593-1636.

註5: Luk, P., Cheng, M., Ng, P., & Wong, K. (2017). Economic Policy Uncertainty Spillovers in Small Open Economies: the Case of Hong Kong. Working Paper.

刊於2018年3月7日信報
0 Comments

​細說共享經濟

11/8/2017

0 Comments

 
隨著Uber、Airbnb的冒起,「共享經濟」變成了炙手可熱的概念。現時Uber和Airbnb的市值估計分別高達七百億和三百億美元,儼然成為陸上客運及酒店業的龍頭,有硏究更加預期共享經濟的整體收益在2025年將增長至三千多億,屆時便會與相關的傳統業務收益平分秋色。共享經濟前景秀麗,以至不少新舊企業紛紛宣稱加入共享經濟行列,仿如當年科網熱潮時不少企業都爭先恐後變身成為科網股。共享經濟的概念看似簡單,但仔細說來你會發現其邊界頗為模糊。

共享經濟的根本想法,是用家把本來閒置的物品透過互相調配,做到物盡其用。甚麼物品能夠共享其實沒有特定限制,但觀乎現時較為成功的共享概念,不難發現一些使用時間較為固定而閒置時間較長的物品,共享的經濟效益較大。這些「物品」,廣義而言也包括各種無形但有價值的資源,因此眾籌可以視為更有效調配閒置資金的共享概念,而Deliveroo和有司機包接送的Uber其實也可算是有效調配個人閒置時間的方法。

共享概念的應用看似五花八門,但其實並不是新鮮事物。大概以往上班時在升降機口撞見隔鄰揸車的陳生時,陳生順路「兜埋」便是早期的Uber,而從前家庭煮婦行唔開要麻煩樓下蘇師奶幫手斬廿蚊叉燒,也算得上是屋邨板Deliveroo。當然,受惠於網絡科技的發展,現時的共享經濟已經遠遠超越過去左鄰右里的規模。透過配有全球定位裝置的手機、互聯網這些科技,共享經濟現已成為一個由成千上萬個人組成的市場(peer-to-peer market),同時也衍生大量協助用家調配閒置資源的網絡平台。平台經濟學(platform economics),也成為一門愈趨重要的學科。

共享經濟的兩個難題與兩度板斧

雖然網絡科技大大擴闊了共享經濟的疆界,但同時帶來兩個難題。第一個難題,是當科技大大增加用家數目時,既增加了共享的可能性,也增加了配對的難度。對於外賣服務等用家沒有特別個人喜好和沒有甚麼獨特性的物品和服務,共享平台通常會直接為用家進行配對以節省時間。至於如旅行住宿這些用家各有心頭好的物品,用家一般希望能得到更多選擇,共享平台則多數利用用家甚至與用家喜好相似的群組的過往選擇記錄和其他數據給用家進行推介(推介系統,即recommendation system)。

第二個難題,是科技拉近了用家之間的距離,但並沒有增加彼此的信任。雖然大部分交易都有合約條款可依,但根本無法事前把各項細節全部代表清楚,於是口碑、信譽就正好用來減低白紙黑字所需的交易費用、彌補這個缺口。過去共享經濟主要局限於小社區之中,除了因為科技限制了聯繫範圍之外,同樣是由於透過小社區內人與人之間的親密接觸,才能建立起共享物品所需要的口碑。後來經濟活動在工業化和全球化下衝出社區,信任則是靠以大集團為主的中介以金錢和商譽建立。

共享平台上存在的,卻是大量互不認識的個體用家或產品提供者,可謂全無互信基礎可言。波士頓大學的瑞桑托斯(Chrysanthos Dellarocas)教授曾經研究過eBay的數據(註1),發現在接近九成的eBay交易中,買賣兩方都是首次接觸,正特顯出這些由零散個人組成的市場難以透過重複交易建立互信。為此網上市集於是慢慢發展出一套評分制度(rating system),希望透過每次交易過後用家的評分,為寂寂無名的用家逐步建立口碑。克瑞桑托斯的硏究發現這套評分制度的確在發揮作用,面對陌生的交易對手,用家的評分往往影響交易價格,特別是那些金額較大、風險較高的交易。不過,正如經濟學理論推斷,網上評分制度也有其限制。首先,評分花掉用家時間但不見得有甚麼回報,因此用家評分的動機不大,eBay上就只有一半的用家在交易後給予評分。另外,評分既然對成交價格存在影響,自然有人希望加以操控,而這方面在網上更易做到。克瑞桑托斯發現在eBay給予負評的用家竟然只有不足1%,正好反映這個情況。為了彌補評分制度的不足,共享平台一般也會於事先篩選參與的用家和是透過第三方(很多情況下是保險公司)對可能因違反誠信而引致的損失提供保障,以增加用家的信心。

共享經濟的監管挑戰

科技帶來的問題,可以用科技、數據解決,但共享平台未來發展面對最大的挑戰,恐怕以監管法規帶來的掣肘為最。現時社會討論的重點,傾向是否應該將固有監管傳統經營模式套用於共享經濟之上,還是為共享經濟另立規章。我卻認為共享經濟的定義和邊界模糊,因此將討論聚焦於如何監管「共享經濟」必然難有定論。

監管「共享經濟」中最直接的問題是我們應該如何定義「共享經濟」?雖然我們熟悉的共享經濟,一般是以租賃方式調配閒置資源,但是我們也難以否定透過買賣這些本來已被人閒置的物品,同樣也符合共享經濟善用資源的目的,因此有不少意見和硏究都把那些買賣二手物品的交易平台算作共享經濟的一部分。同樣道理,也有人認為共享經濟著眼於能夠善用閒置資源,共享的方式不一定局限於用家互相共享,而同樣可以是集中由一個「用家」購置再與眾多用家共享,反正在共享經濟中就有不少專為「共享」收租而購置物品的「用家」。如此一來,那些直接購置物品然後透過出租將物件與眾多用家「共享」的出租平台,甚至所有傳統出租物品的公司都可以搖身一變成為「共享經濟」的一部分。

正因如此,與其把焦點放於如何監管含糊不清的「共享經濟」概念,不如把精神直接花在如何應對個別行業出現的不同營運模式,特別是新的經營方式會否已經解決了一些法規原先針對的問題。以的士行業為例,固定車資是為何而設?是否為了保障乘客要與司機口同鼻拗?又或是避免在路上議價所帶來交通擠塞?這些問題在有可信記錄的叫車平台 - 不論稱為「共享經濟」與否,是否仍然存在?又或者這些住宿的共享平台,是否如酒店旅館般存在大量旅客的流量因而需要面對同樣監管?這種直接針對實際的營運模式和監管目的進行的檢討,而不是對人為劃分出來的新舊經濟概念特事特辦,將更有助為行業帶來競爭和減低利益團體純為迎合概念喜好而浪費資源。

註1:Dellarocas, C. (2003). The digitization of word of mouth: Promise and challenges of online feedback mechanisms. Management science, 49(10), 1407-1424.

刊於2017年11月8日信報
0 Comments

    Author

    Write something about yourself. No need to be fancy, just an overview.

    Archives

    July 2022
    October 2021
    May 2021
    February 2021
    December 2020
    November 2020
    July 2020
    June 2020
    February 2020
    December 2019
    September 2019
    May 2019
    April 2019
    February 2019
    November 2018
    September 2018
    August 2018
    July 2018
    June 2018
    May 2018
    March 2018
    November 2017
    October 2017
    September 2017

    Categories

    All
    Behavioral Economics
    Data Analytics
    Development Economics
    Economy Of China
    Family Economics
    Hong Kong Economy
    International Economics
    Labor Economics
    Monetary And Financial Economics
    Public Finance
    Technology
    Urban Economics

    Categories

    All
    Behavioral Economics
    Data Analytics
    Development Economics
    Economy Of China
    Family Economics
    Hong Kong Economy
    International Economics
    Labor Economics
    Monetary And Financial Economics
    Public Finance
    Technology
    Urban Economics

    RSS Feed

Powered by Create your own unique website with customizable templates.