计量经济学是金融人士的一门必修课，有着深厚的理论基础，但同时也在不断推陈出新。目前，计量经济学的发展出现了5个新内容。社科院：作为金融人士，必须要及时更新自己的知识体系，否则学了用不上就等于白学。

动态一般均衡模型的宏观计量经济学

动态一般均衡模型是从宏观经济的微观基础出发，从消费者、生产者、中间厂商和政府部门等的动态最优化决策过程来推导一般均衡结果产生的宏观经济变量。用动态随机一般均衡模型可以增强模型的解释力和经济学含义，并使得过去宏观经济学和微观经济学的两分法问题得到了解决。通过计量经济模型的估计和推断使我们加深了对宏观变量随机过程的了解，并对模型本身的有效性进行评估。近年来动态随机一般均衡模型在计算和引入新的冲击、放宽模型假设——例如允许厂商和消费者的异质性等方面——有很多进展。进一步放宽模型的假设，减少模型校准和更好地估计高阶非线性模型从而提高模型的预测能力，是该方法未来需要解决的问题。

社科院：我国计量经济学的研究在近几年中取得了长足的进步。计量经济模型与计量经济方法被越来越多地运用到经济学各分支学科的研究之中，并且极大地促进了各分支学科的研究水平。从时间节点上看，现代计量经济分析方法比较系统的引入肇始于计量经济学颐和园讲习班。1980年，克莱因、邹至庄、刘遵义、萧政、粟庆雄、安德森和安藤等7位在美国任教的著名计量经济学家和统计学家利用7周时间对100余位学员集中讲授了计量经济学的基础与前沿课程。这批学员后来大多成为中国计量经济学教育与研究的元老与骨干。进入新世纪后，随着对科学分析与量化分析重视度的不断提高，计量经济学的教学、研究与应用也取得了长足的发展。

金融高频率计量经济学

在现代金融产品的研究中，数据的可得性和数据存储的功能得到快速提升，分钟数据和秒数据处理弥补了原有风险研究所用的月度数据的不足。投资机构的高频交易日渐成为资本市场活动的主力军，由此产生的数据为研究金融市场的行为提供了可能。高频计量经济学更多地关注某些随机过程在时间间隔趋于零的理论性质：例如大数定律和中心极限定律，更多的是采用广义模型，甚至不要求具体模型，多用非参数的方法进行估计。在时间序列计量经济学的研究中，高频数据的特点使我们可以更加细致地观察经济活动。这方面的研究对随机过程研究中的平稳性假设提出了挑战。此外，厚尾性研究、非平稳数据研究等已经成为新的研究热点。除了高频计量经济学以外，从微观层面研究金融危机也是一个新的发展方向。

大数据（高维）计量经济学

在目前的大数据时代，数据的可得性和多样性导致样本量无限增大，同时变量个数无限增多，这对分析大数据的计量经济学方法有了新的要求。数据可得性增加，以及现代高性能计算机群（HPC）的计算性能和存储功能使处理这些大数据成为可能。由此催生了以巨大经济变量为研究对象的高维度计量经济学。计量经济理论在处理高维度数据时，所面临的问题主要有两个，一是如何选择重要的变量，使模型的预测性能更强，二是如何对变量进行选择，使得对模型的估计有更好的性质。高维度计量经济学包括经典的线性和非线性非参数模型，一般假设真实模型只包括一部分有限的变量。高维度计量经济学方法的优势是可以用数据来探究其重要性，从而进行变量选择。套索估计量、高维度方法、SCAD估计量、Dantzig估计量、弹性网估计量等不断涌现。套索方法有很多吸引人的性质，其中一个就是可以用来处理变量个数超过样本量的情况，并且能够选择变量。高维度计量经济学的一个重要应用就是处理多工具变量。好的工具变量需满足两个性质：一是工具变量要和结构方程中的随机误差项不相关，否则该工具变量本身也成为内生变量；二是工具变量要能够解释内生性变量。在现实中，如何寻找合适的工具变量是一个非常困难的问题，那么，通过引入大量的外生变量，从中选择能够解释内生性变量的工具变量，可以为如何寻找工具变量这一困扰实证研究的顽疾提供解决思路。国际上有学者对套索方法选择工具变量进行了改进并提供了理论依据。也有学者用主成分分析、可适性套索方法进行工具变量的估计和选择。大数据计量经济学是一个方兴未艾的研究方向，统计学、计算机科学等其他学科也在大数据的分析上面有了长足的进展，将原先不具备的分析方法推上了一个新的“靶场”。社科院：当然，高维度计量经济学还需在增强经济现象解释、处理海量数据的因果机制等方面进一步提高模型的解释力。

微观计量经济学与政策评估

因果分析与政策效应评估是经济分析最为关注的核心问题，其主要难点在于经济事件与经济政策的内生性问题。巨大的社会成本与社会经济政策无法使用类似于自然科学中常用的模拟实验方法。最近十年中，计量经济学家更加关注工具变量的外生性问题，讨论在工具变量严格外生性条件无法满足的情况下对统计检验的影响，目前较有影响力的做法是采用再抽样或贝叶斯的方法校正近似外生性的影响。随着大数据时代的到来，计量经济学家也开始关注在存在大量工具变量的情况下工具变量的选择问题。目前主要的做法分为两类：一类是在工具变量中加入稀疏性假设，采用LASSO等变量选择的方法在第一阶段选择有效的工具变量；其二是不采取稀疏性假设，通过主成分分析或岭回归等降维的正则化方法处理估计中的问题。

当工具变量仅是简单的二元变量时，工具变量法就和政策处理效应的一系列估计方法建立了联系，这部分是近几年来发展最为迅速的研究领域之一。倍差法、半参数倍差法、匹配法、匹配得分法等应运而生，成为学者们关注的焦点。断点回归成为近年来非常热门的估计“准实验”政策处理效应的方法。局部平均处理效应、边际处理效应和分位数处理效应等问题也是近几年来学者们关注的热点。

面板数据计量经济学

面板数据是将截面数据和时间序列数据综合起来的一种新的数据类型。面板数据能够提供不同个体在同一时点的横截面信息，又能够提供同一个体在不同时间点的动态变化。因此，与传统的横截面模型和时间序列模型相比，面板数据模型在模型估计、假设检验和管理科学应用等方面具有明显的优势。国内外高质量面板数据的出现极大地推动了面板数据计量经济学的发展，在宏观经济学和应用微观计量经济学等各个领域都有非常重要的应用。面板数据计量经济学的最新发展主要集中在三个部分，其一是非线性面板数据建模的发展，包括各类非参数半参数条件均值模型、条件分位数模型和离散数据模型等；其二是非平稳面板数据模型的发展，包括面板数据单位根检验与协整分析，以及包含非平稳变量和未知时间趋势的估计与检验等；其三是包含横截面相关的面板数据建模。2009年国际计量经济学会会刊Econometrica连续发表两篇关于处理面板数据建模过程中横截面相关性的论文，并引发了一系列高水平论文的发表，成为面板数据领域最为活跃的研究方向之一。社科院：最近几年，这一领域的发展主要集中在将横截面相关性与半参数或非参数模型相结合，研究模型的估计与检验方法，也是目前最为活跃的研究领域之一。