在研究生修高级宏观经济学(Advanced Macroeconomics)之前,我一直觉得宏观经济研究无非是动态跟踪数据,然后代入基础模型直接得出结论而已。而基础经济学模型,如索洛模型(Solow)等,十分符合直觉且简单易懂,基础的微积分就完全推导出来了,没有太多的难点。基础好一点的本科生完全能够应对。
结果,开课没几周,刚刚复习完索洛模型开始学习拉姆齐模型(Ramsay)时,我突然发现自己的数学基本功跟不上了。一个哈密顿方程(Hamiltonian)自己搞了好几周也没完全理解。各个变量再和各种拉格朗日、欧拉混在一起,每天一看到讲义就觉得头大。浑浑噩噩一个学期下来,才发现Ramsay仅仅是个铺垫,整个高级宏观学完才算DSGE才刚刚入了个门。
然而要知道,DSGE仅仅是美联储这类央行机构每天日常工作中的基础模型。而券商宏观经济研究员很大一部分工作内容,就是去预测和解读包括央行行为在内的大量宏观经济政策。因此我个人感觉,如果不是经济学博士,没有沉下心几年专门研究宏观模型和数据的话,基本上很难完全吃透,更别提去根据数据去预测市场和政策走向的问题了。
另外和 @Luo Patrick 老师说的一样,宏观经济学层面学界业界基本不分家,干的事情重合度很高。因此好的博士背景本身是非常优秀的加分项。发布研报所要求的数学和写作功底,也是大多数博士所具备的。因此宏观研究院在招聘时有所偏好,再正常不过了。
关于哈密尔顿、拉格朗日和欧拉,建议参考:
镜像回答:
相关回答:
如何看待许多适合科研的人最后放弃了这条路? - 知乎 (zhihu.com)
中国采纳 IMF 数据公布特殊标准(SDDS)对宏观经济研究会带来哪些影响?
啊,打字好累啊。