Domenico Giannone从经济数据中不断学习的驱动力

某中心供应链优化技术机构的首席经济学家如何运用其时间序列计量经济学专业知识来预测总体需求。

当Domenico Giannone在1990年代初决定在罗马大学攻读统计学本科时，他并未完全理解这门学科——涉及数据收集、分析、解释和呈现——的全部内涵。“我在校园里随意浏览时看到了关于统计学的信息。我开始向人们询问，他们告诉我这涉及大量数学和一些社会科学，我当时想’这可能适合我’，“他回忆道。

考虑到他是同代经济学家中在多个经济研究领域被引用最多的学者之一，“可能"这个词最终被证明是轻描淡写的。

“我喜欢统计学能够提供强大的工具来理解人们的行为和社会经济趋势，并帮助改善社会福利，“他说。“我与统计概率理论和经济学的相遇是一次启示。我无法停止深入探索。”

大学毕业后，Giannone在意大利反洗钱机构工作，随后在比利时布鲁塞尔自由大学攻读统计学和经济学博士学位。在那里，他的研究专注于高维数据的计量经济学。

在人们刚开始谈论大数据的时代，他决定专注于大型动态预测模型。通过这样做，他帮助开发了至今仍在塑造他研究的理论。

将诅咒变为祝福

“在统计学中，有个称为维度诅咒的概念，“Giannone解释道。虽然更多数据应该带来更好的预测，但也意味着更多噪音，这需要更复杂的模型来从噪音中筛选出有价值的数据。

“随着复杂性增加，更容易迷失方向，因为存在过多的统计不确定性，“他补充道。

他研究的目标是通过消除高方差和不确定性，同时从数据中提取正确信号，将维度诅咒变为祝福。

Giannone将通过模型理解大数据与使用地图学习如何在新城市中导航进行了类比。

“完美的地图将是1:1比例的地图，但这完全不实用，“他指出。“在某种意义上，处理大数据和高维模型就是试图理解什么是地图的正确比例，让你获得所需信息而不会迷失在细节中。有统计方法可以让我们基本上处理复杂性和不确定性之间的权衡。”

在攻读博士学位期间，他对即时预测产生了兴趣，这个术语是他从气象学借用的，指的是对当前状态的预测。

“即时预测的真正起源”

像国内生产总值这样的官方经济指标是按季度发布的——而且经常被修订，这意味着依赖这些指标做出实时政策决策的官员们正在使用不完整的数据。

Giannone寻求一种方法，可以利用更频繁发布的数据——如汇率、股票价格、意见调查和劳动力市场指标——来提供更准确、更及时的经济现状图景。

“我开发了一个因子模型来不断消化每天可用的大量信息，以预测我们现在的位置——对当前的预测，“他解释道。

Giannone和几位合作者开始开发即时预测方法，作为美国联邦储备系统理事会项目的一部分。

首批结果发表在2005年的工作论文《即时预测GDP和通胀：宏观经济数据发布的实时信息内容》中。该论文"形式化了随着新数据发布而更新产出和通胀即时预测与预测的过程”。

“这篇论文是即时预测的真正起源，“Giannone解释道。“该方法是从更广泛的研究中发展而来的，在这些研究中，我开发了动态机器学习方法，以实时从大数据中提取信息。”

这现在是一个蓬勃发展的学术领域，世界上几乎每个中央银行都为其经济开发了即时预测模型。

研究与实践之间

2009年，在担任欧元区商业周期网络科学协调员和欧洲中央银行经济学家六年之后，他对正式研究的兴趣将他吸引回学术界。

作为索尔维布鲁塞尔经济与管理学院的教授，他在各个层次——从本科到博士——教授计量经济学。

“我从实际问题中获得灵感，这是我研究的动力。但我也对纯粹的研究和分析严谨地处理问题非常感兴趣。这就是为什么我一直处于研究与实践之间，“他说。

在教书期间，他创立了Now-Casting Economics——一项为世界最大经济体提供实时短期预测的在线服务。该公司仍然活跃，其主要客户是对冲基金和其他投资机构。Giannone目前是被动股东。

2014年，他移居美国，在纽约联邦储备银行担任研究经济学家，在那里创立并领导一个专注于宏观计量经济学和预测的团队。他的目标是：使用时间序列统计方法对宏观经济趋势进行预测和解释。每周，他的团队会根据新获得的数据发布经济状况的更新评估，这一产品受到金融市场和媒体的密切关注。

Giannone指出，中央银行研究部门在经济分析所需的严谨性方面与大学非常相似。然而，他承认，他曾认为对于像某中心这样的公司来说情况不会如此。

“我一直认为企业环境是一个必须放弃严谨性的地方，因为你必须快速提供答案，“他解释道。

他在某中心做的一次演讲改变了他的想法——以及他的职业道路。

在某中心应用他的研究

2017年，Giannone应前同事、时任某中心高级经济学家的George Monokroussos邀请，就即时预测做演讲。在那里，他了解到科学家们在该公司正在应对的有趣预测挑战——以及他最初的假设是无效的。

“我看到人们在处理重要的实际问题，但没有放弃深入探索的可能性，“他说。“我还意识到，我正在做的那种研究，我开发并喜欢使用的那些工具，在某中心可能发挥重要作用。我看到了很多机会。”

活动结束后，他与某中心的人力资源代表就他的经验和兴趣以及公司的一般文化进行了交谈。这些对话最终导致他于2019年11月加入某中心，担任供应链优化技术组织的高级首席经济学家。

今天，Giannone主要通过开发和部署可解释的动态机器学习方法，专注于预测和理解某中心的总体需求。这些预测不关注特定产品销售，而是关注公司随时间推移的总销售额。

“这与我的专业知识非常相似，因为作为宏观经济学家，我不预测详细部门或特定产品，而是预测整体行为。”

Giannone和他的同事制作的预测用于在各个层面做出规划决策。

“预测对于确保我们的客户以最快的方式获得他们想要的东西非常重要，“他解释道。

这些模型查看过去趋势来预测未来需求，还使用检查经济状况的宏观经济信息来理解消费者行为的周期性和长期变化。

“当COVID到来时，理解宏观经济趋势变得比以往任何时候都更加重要，“Giannone说。

他表示，在行业内做研究与他以前工作环境的主要区别在于，他可以与来自不同背景的人合作，包括工程师、计算机科学家、应用数学家和微观经济学家。

“这是我一直喜欢的事情，因为我能从其他领域获得灵感。我在学术界有过这种经历，但机会有限。在这里，我每天都体验到这一点。”