カメレオン:ファイナンスや経済学での理論モデルの誤用

という論文をEconomist's ViewでMark Thomaが取り上げクルーグマンやEconospeakのピーター・ドーマンが反応した。原題は「Chameleons: The Misuse of Theoretical Models in Finance and Economics」で、著者はスタンフォード大のPaul Pfleiderer。
以下は論文の結論部の冒頭。

The arguments that I make in this essay are all based on a simple and − I believe − uncontroversial claim: when using economic models to understand the economy we should not ignore or dismiss important background knowledge we have about the real world. Whereas some theoretical models can be immensely useful in developing intuitions, in essence a theoretical model is nothing more than an argument that a set of conclusions follows from a given set of assumptions. Being logically correct may earn a place for a theoretical model on the bookshelf, but when a theoretical model is taken off the shelf and applied to the real world, it is important to question whether the model’s assumptions are in accord with what we know about the world. Is the story behind the model one that captures what is important or is it a fiction that has little connection to what we see in practice? Have important factors been omitted? Are economic agents assumed to be doing things that we have serious doubts they are able to do? These questions and others like them allow us to filter out models that are ill suited to give us genuine insights. To be taken seriously models should pass through the real world filter.
Chameleons are models that are offered up as saying something significant about the real world even though they do not pass through the filter. When the assumptions of a chameleon are challenged, various defenses are made (e.g., one shouldn’t judge a model by its assumptions, any model has equal standing with all other models until the proper empirical tests have been run, etc.). In many cases the chameleon will change colors as necessary, taking on the colors of a bookshelf model when challenged, but reverting back to the colors of a model that claims to apply the real world when not challenged.
(拙訳)
本稿で私が行った議論はすべて単純かつ――私が思うに――異論の余地の無い主張に基づいている。即ち、経済を理解するために経済モデルを使う際は、現実世界について我々が有している重要な背景知識を無視したり棄却したりしてはならない、ということである。理論モデルの中には洞察を展開する上で極めて有用なものもあるが、基本的に理論モデルは、一連の前提から一連の結論が導かれる立論に過ぎない。論理的に正しいことによって理論モデルは本棚の中に場所を得るかもしれないが、理論モデルが本棚から取り出されて現実世界に適用される時には、モデルの前提と我々の世界についての知識が合致しているかどうかを問うことが重要である。モデルの背後の物語は重要な事物を捉えているだろうか、それとも我々が実際に目にすることとあまり関係の無いフィクションに過ぎないだろうか? 重要な要因が除外されていないだろうか? 経済主体がとてもできそうにないと思われることをすることになっていないだろうか? こうした問いやその他の同様の問いによって、純粋な洞察を得るのに適していないモデルを濾過することができる。まともに相手にされるためには、モデルは実世界のフィルターを通り抜けなくてはならないのだ。
カメレオンとは、フィルターを透過できないにも関わらず実世界について何か重要なことを言っているとして提示されるモデルのことである。カメレオンの前提が問題にされると、様々な抗弁が繰り出される(例えば、前提でモデルを判断してはならない、適切な実証テストが行われるまではいかなるモデルも他のすべてのモデルと対等な立ち位置にある、等々)。多くの場合、カメレオンは、必要に応じてその色を変える。疑問を投げ掛けられると本棚のモデルという色を装うが、そうでない時には実世界に適用できるモデルという色に戻る。


フィルターが主観的になるのでは、という点についてPfleidererは次のように述べている。

As I mentioned above, the filters I am discussing can be interpreted as Bayesian priors. Any reasonable person puts an extremely low (essentially zero) prior on the height of male actors in year T-1 determining the U.S. inflation rate in year T. It would take an extraordinary amount of data to the contrary to move these priors in a material way. Ruling out the use of filters on the basis of them being too subjective, means that we are effectively saying that we must evaluate all models based on an agnostic (uniform) Bayesian prior, whatever that might mean. (It is “equally likely” that U.S. inflation is determined by the height of male actors as it is that inflation is determined by actions taken by central banks.) Obviously we don’t in practice conduct our research as if we have these agnostic or uniform priors. We routinely take these priors into account. Now it is true that people don’t have exactly the same priors and “reasonable people can disagree,” but this doesn’t open the door for taking seriously models whose assumptions are severely athwart what we see in the real world and ignore factors we know are of first order importance. A model that claims that “high” leverage is optimal for banks while ignoring almost everything that we know is important is a bookshelf model. It is not a model that can pass through any reasonable real-world filter because it is at odds with all of the background information we have about the world, information that we use to form reasonable priors.
(拙訳)
前述したように、私が論じているフィルターはベイズ推計の事前確率と解釈することができる。合理的な人間なら誰しも、T-1年の[オスカー受賞]男優の身長がT年の米国のインフレ率を決定するという事前確率は極めて低い(事実上ゼロ)と考えるだろう。こうした事前確率を有意に変えるためには、非常に大量の反証データを必要とするだろう。あまりにも主観的だという理由でフィルターの使用を認めないことは、事実上、すべてのモデルを不可知論的な(一様)ベイズ分布に基づいて評価しなくてはならない、と言うのに等しい――それにどんな意味があるのかはともかくとして。(米国のインフレ率が、男優の身長によって決定されるのも、中央銀行の取る行動によって決定されるのも、「同様に確からしい」ということになる。)明らかに我々は、そうした不可知論的ないし一様な事前分布を有しているかのような形で実際の研究を行うことはない。我々は常に自らの事前分布を考慮に入れて研究を進める。確かに人々はまったく同じ事前分布を共有してはいないし、「合理的な人同士でも意見の不一致は起こる」。だが、それによって、我々が実世界で目にすることと大きく食い違う前提に立ち、一次的な重要性を持つと我々が分かっている要因を無視するようなモデルもまともに相手にすべく扉を開くべし、ということにはならない。重要だと分かっている他の要因をほぼすべて無視し、「高い」レバレッジが銀行にとって最適である、と主張するモデルは本棚モデルである。それはどんな合理的な実世界フィルターも透過することはできない。というのは、そのモデルは、我々が世界に関して持っているすべての背景情報、合理的な事前分布を形成するために用いる情報に反しているからである。


ちなみにこうしたPfleidererの論点についてクルーグマンは、以下のようにコメントしている。

So the question isn’t “Is this assumption realistic?” It isn’t even “Is it realistic enough?” It’s, “Is it realistic enough for what I’m trying to do?”
(拙訳)
問題は「この前提は現実的だろうか?」ということではない。「十分に現実的だろうか?」ということでさえない。問題は「自分のやろうとしていることにとって十分に現実的だろうか?」ということなのだ。

これは、ここで紹介したマンキューへの反論の後半部分でも強調されていた点である。