记者 刘军

刘军 | 文

2026年诺贝尔经济学奖将于10月12日公布。根据预测市场（Polymarket等）截至2026年10月8日的最新交易数据与学术界的关注热度，今年市场认可度最高、胜率锁定在前三位的学者分别是：阿里尔·帕克斯（Ariel Pakes）胜率约 18.5%，高居市场第一热门；迈克尔·伍德福德（Michael Woodford）胜率约 12.0%，位列第二热门；苏珊·艾希（Susan C. Athey）胜率约 10.5%，位列第三热门。

这三位学者分别代表了现代经济学的三个核心方向：实证产业组织与结构估计、新凯恩斯主义宏观预期管理与规则设计，以及数字平台机制与因果机器学习。我们在此概述这三位领跑候选学者的学术贡献，并探讨其理论在全球政治经济局势下的现实意义。

一、 阿里尔·帕克斯

阿里尔·帕克斯是当代实证产业组织（Empirical Industrial Organization, Empirical IO）学派的代表学者。他1980年在哈佛大学获得经济学博士学位，师从著名计量经济学家与生产率研究大师扎维·格里里切斯（Zvi Griliches）。博士毕业后，帕克斯曾先后执教于耶路撒冷希伯来大学、加拿大麦吉尔大学、威斯康星大学麦迪逊分校以及耶鲁大学。1999年，他重返哈佛大学任教，现任哈佛大学经济系讲席教授。

帕克斯如果获奖，可能的获奖理由是“对实证产业组织经济学的奠基性贡献，特别是开发了差异化产品市场结构估计的需求模型（BLP模型）、动态产业演化的分析框架（EP模型）以及生产函数估计的半参数方法”。

1、 帕克斯的学术贡献

帕克斯改变了经济学界研究不完全竞争市场、企业战略行为与产业结构演化的方式。在帕克斯之前，产业组织理论（IO）主要分为两大阵营：传统的哈佛学派（依赖SCP范式，进行回归分析但缺乏微观博弈基础）与新产业组织理论（IO理论，高度依赖抽象博弈论模型，但“黑板博弈经济学”往往难以与复杂的真实市场数据对接）。帕克斯的贡献，在于建立了微观结构估计方法，把博弈论模型转化为能够利用真实市场观测数据进行参数估计和反事实模拟的科学工具。

帕克斯主要的学术贡献集中于以下几个方面。

（1）BLP需求与供给估计框架（Berry-Levinsohn-Pakes Framework，BLP）

在1995年发表的《汽车工业的价格与市场均衡》（与Steven Berry、James Levinsohn合著）中，帕克斯与合作者创立了著名的BLP模型。

在具有数百种差异化属性的产品市场（如汽车、计算机、手机或零售超市）中，传统的需求估计面临严重的“维度灾难”，且无法处理产品属性未被观察到的内生性问题。BLP 模型可以将产品特征空间、消费者偏好异质性以及企业的非合作博弈定价行为无缝结合。BLP框架的精妙之处在于，研究者只需观察到市场层面的汇总数据（如不同车型的价格、销量和产品特征），就能精确恢复出消费者在复杂特征空间中的替代模式、真实的交叉价格弹性以及企业的边际成本与加价率。这一突破奠定了现代反垄断与竞争政策的实证计量基础。

（2）EP动态产业演化框架（Ericson-Pakes Framework，EP）。

在1995年与埃里克森（Richard Ericson）合作发表的论文《马尔可夫完美产业动态学：实证研究框架》中，帕克斯建立了EP动态产业演化模型。

传统的IO分析多停留在静态均衡或比较静态分析。然而，企业的现实决策具有强烈的跨期性质：企业今天进行几百亿美元的R&D投资或固定资产积累，其收益取决于未来的市场结构，而失败的企业会选择退出，新的企业会选择进入。

EP模型引入了马尔可夫完美均衡概念，把每个企业在特定时点的状态（如技术水平、生产能力、资本积累）作为状态变量。企业在观察自身及竞争对手的状态后，自主做出当期投资、定价以及是否退出的最优决策。EP模型成功地将企业不确定性下的动态投资、技术创新、进入与退出整合在一个统一的动态一般均衡模型中，使经济学能够模拟产业结构（如市场集中度、企业规模分布）在长期内如何随着技术冲击和政策变化而动态演化。

（3）生产函数估计与半参数计量方法（Olley-Pakes Estimator，OP）。

在1996年与奥利（G. Steven Olley）合作发表的论文中，帕克斯提出了著名的 Olley-Pakes(OP)估计量。

在利用企业面板数据估计生产函数时，由于企业会根据自身可观察到但计量经济学家观察不到的生产率冲击来调整中间投入（如劳动、资本）甚至决定是否停业，传统OLS估计存在严重的内生性偏差与选择性偏差。OP方法创新性地利用企业的投资行为作为未观察到的生产率冲击的控制变量，通过非参数步骤解决了生产函数估计中的同时性与选择偏差，成为宏观经济学、国际贸易与企业生产率研究的标准工具。

2、 帕克斯理论思想的现实意义

在科技巨头垄断争议升温、全球反垄断监管重塑以及生成式AI算力竞赛白热化的今天，帕克斯的理论工具提供了极高的现实应用价值。

（1）反垄断执法与并购审查的反事实模拟：过去的司法反垄断往往依赖定性的垄断猜想或简单的HHI指数（赫芬达尔—赫希曼指数）。今天，美国联邦贸易委员会（FTC）、司法部反垄断局（DOJ）以及欧盟委员会等在评估大型平台或企业合并时，普遍应用基于BLP框架的“并购模拟”。监管机构可以精确计算出合并后企业可能溢价的幅度、竞争对手的回应以及对消费者福利的净损害，为司法判决提供严密的科学证据。

（2）AI算力军备竞赛与数字平台演化分析：当前微软、谷歌、Meta、OpenAI等巨头在生成式AI上展开的数百亿美元算力与模型投资，是典型的EP模型演化过程。企业的巨额当期R&D投入并非单纯为了当期回报，更为了改变未来的市场集中度并建立动态壁垒。EP动态模型为政策制定者评估AI产业的动态竞争性、防止技术垄断提供了具有微观基础的实证框架。

二、 迈克尔·伍德福德

迈克尔·伍德福德是现代新凯恩斯主义宏观经济学的代表学者。他于1983年获得麻省理工学院经济学博士学位，师从诺贝尔经济学奖得主老罗伯特·索洛（Robert Solow）与前美联储副主席斯坦利·费希尔（Stanley Fischer）。

伍德福德早年曾任教于哥伦比亚大学与芝加哥大学，1995年至2004年任普林斯顿大学经济学教授。2004年至今，他担任哥伦比亚大学经济学讲席教授。

伍德福德如果获奖，理由可能是“对货币政策理论与实践的开创性贡献，特别是在无货币经济框架下建立新凯恩斯主义宏观经济学微观基础，以及对预期管理、前瞻性指引与零利率下限政策承诺的奠基性分析”。

1、伍德福德的学术贡献

伍德福德在“理性预期革命”之后，完成了现代宏观经济学的重大理论重建。他将新古典宏观经济学的微观基础（个体效用最大化、跨期替代）、理性预期与凯恩斯主义的名义刚性严密结合起来，构建了现代新凯恩斯主义动态随机一般均衡（DSGE）框架。

他的核心理论贡献集中于以下几个方面。

（1）无货币经济中的利率规则与价格水平决定。

2003年，伍德福德的《利息与价格：货币政策理论基础》出版。该著是现代新凯恩斯主义宏观经济学与货币政策分析的经典力作，奠定了全球央行“通胀目标制” （Inflation Targeting）与“前瞻指引” （Forward Guidance，FG）的理论基石。

在该著中，伍德福德回答了一个根本性问题：在布雷顿森林体系瓦解、货币与实物黄金脱钩，且电子支付导致纸币需求趋近于零的法定货币体系下，中央银行究竟靠什么来稳定价格水平与通货膨胀？

传统货币主义（如弗里德曼）认为央行必须控制货币供应量（M0/M1/M2）。伍德福德证明：央行不需要控制货币数量，甚至在纸币消失的无现金经济中，只要央行通过调整短期名义利率来实施适当的政策规则（如符合“泰勒原则”的利率规则），就能唯一地锚定名义价格水平和通胀轨迹。这一理论为全球主要央行放弃货币供应量目标、转向“通胀目标制”提供了最为坚实的理论根基。

（2）政策承诺、时间一致性与前瞻性指引（Forward Guidance，FG）。

伍德福德与合作者一起揭示了前瞻性宏观经济学中最重要的机制：由于家庭和企业是前瞻性的，今天决定消费和投资的不是当下的短期利率，而是对未来长期利率和宏观环境的预期。因此，货币政策的本质是预期管理。特别是在零利率下限（Zero Lower Bound, ZLB）约束下，当央行无法继续降低当期政策利率时，伍德福德与艾格森（Gauti Eggertsson）证明：央行可以通过发出带有“历史依赖性”的可信政策承诺——即明确承诺在经济开始复苏后，仍将在未来一段时期内维持低利率——来降低长期的实际利率，从而在当下直接刺激总需求。这成为了后金融危机时代美联储、欧洲央行等全球央行实施“前瞻性指引”与非传统货币政策的核心理论依据。

（3）灵活通胀目标制与宏观金融稳定。

伍德福德将金融市场摩擦与资产价格不稳定性引入新凯恩斯主义福利评估函数。他证明，中央银行的沟通本身就是极其强大的宏观调控工具。央行无需对金融资产价格进行微观干预，只需建立透明、可信的政策响应函数，就能在稳定通胀的同时避免经济波动。“政策可信度”是央行最稀缺的宏观资产。

2、伍德福德理论思想的现实意义

在地缘政治供给侧冲击频发、全球公共债务高企、通胀黏性增强以及中央银行数字货币（CBDC）蓬勃发展的今天，伍德福德的理论可以构成现代宏观调控的指南针。

（1）数字货币与无现金社会的名义锚：随着加密货币与央行数字货币（CBDC）的发展，实体纸币的使用率急剧下降。伍德福德的理论早在20年前就证明了央行的终极控制权在于对“名义记账单位（Unit of Account）”的利率定价权，而非对纸币印钞机的垄断。

（2）高频算力市场与央行沟通的可信度：现代金融市场被高频交易模型与算法文本解析所主导，算法对美联储声明（FOMC Statement）的语义解析可在毫秒级转化为全球资产价格重估。伍德福德将“预期管理”数学化、规则化，为中央银行建立清晰、透明、可预测的政策框架提供了科学指南。

三、苏珊·艾希

苏珊·艾希是当今世界最具影响力的女性经济学家，也是将经济学与计算机科学、机器学习深度融合的先驱。她于1991年获得杜克大学经济学、计算机科学与数学三个学士学位；1995年（年仅24岁）在斯坦福大学商学院获得经济学博士学位，创下了该院最年轻博士得主纪录之一。

博士毕业后，艾希任教于麻省理工学院，后升任哈佛大学经济系教授。2013年重返斯坦福大学，现任斯坦福大学商学院讲席教授。

此外，艾希在理论与产业实务之间构建了独特的桥梁：2007年至2014年，她曾长期兼任微软公司的首席咨询经济学家，深度参与了Bing搜索引擎的在线广告竞价算法设计与商业模式构建；2022年至2024年，她休假出任美国司法部反垄断局的首席经济学家。

艾希于2007年被美国经济学会授予约翰·贝茨·克拉克奖（John Bates Clark Medal），成为该奖项设立60年来的首位女性得主。

艾希如果获奖，理由可能是“对信息技术经济学、平台机制设计以及将机器学习与因果推断相结合的开创性贡献”。

1.艾希的学术贡献

艾希的研究领域跨越博弈论微观经济学、计量经济学与计算机科学。她是“科技经济学”与“因果机器学习”（Causal ML）领域的领军人物。

艾希的理论贡献集中于以下几个方面。

（1）在线广告位置拍卖与数字平台机制设计。

早年艾希在极值博弈和动态拍卖理论上做出了重大突破。在互联网流量商业化爆发时期，艾希与哈尔·范里安（Hal Varian，谷歌首席经济学家）建立了搜索广告位置拍卖的机制设计理论。

她证明了算法如何在信息不对称与海量高频出价的动态环境中，构建满足激励兼容与均衡稳定性的拍卖规则（如GSP拍卖机制）。这不仅解决了谷歌、微软等互联网巨头流量变现的计价法则，更标志着经济学从“被动观察均衡”向“实时微观机制设计”的范式飞跃。

（2）因果机器学习与条件平均处理效应。

传统机器学习极擅长关联拟合与预测，但“预测”不等于“因果推断”。在现实政策与商业决策中，人们更关心的是处理效应：如果对某个特定个体实施干预，能产生多大的异质性净收益？

艾希与瓦格尔（Stefan Wager）、因本斯（Guido Imbens，2021年诺奖得主）等合作开创了因果树（Causal Trees）与因果森林（Causal Forests）方法。她将机器学习在高维复杂数据中的强大拟合能力，与计量经济学反事实的逻辑严密结合，使得研究者能够在大规模异质性数据中精确估计出政策干预对不同特征群体的因果效应。

2.艾希理论思想的现实意义

在生成式AI、大模型平台垄断争端以及公共政策精密化的今天，艾希的理论构成了连接技术变革与公共治理的理论桥梁。

（1）精密公共政策的“瞄准”问题：在扶贫、职业培训、医疗补贴或教育资源分配中，传统方法往往只挑选“最容易成功的人”。利用艾希等人的CATE理论（条件平均处理效应理论），政府可以识别出“谁是因为接受了政策干预才获得最大净收益”，将有限的公共资源精准投向增量边际收益最大的群体，实现公共治理效能的革命。

（2）算法反垄断与数据要素产权：在担任美国司法部首席经济学家期间，艾希将她的平台机制设计与算法博弈理论应用于算法反垄断执法。她的理论揭示了科技巨头如何通过推荐算法偏向、数据壁垒与默认设置榨取“算法地租”，为解决数字平台的垄断难题提供了科学依据。

结语

纵览现代经济学的演进脉络，学术前沿的突破往往并非源于抽象概念的凭空堆砌，而源于对真实世界复杂性与制度痛点的深刻回应。

帕克斯以结构估计方法破开了企业战略行为与市场演化的“黑箱”，让微观博弈论真正拥有了对接实证数据的科学骨架；伍德福德在新凯恩斯主义框架下重构了货币政策的微观基础，证明了在名义锚与预期管理的规则约束下，政策可信度才是宏观调控最为稀缺的资产；艾希则站在计算机科学与经济学的交汇点上，将高维数据的预测能力转化为反事实因果推断的精密工具，为算法市场设计与数字平台治理奠定了新范式。

无论斯德哥尔摩的电话最终响在谁的案头，这三位领跑候选者的学术成果，都超越了单纯的学术荣誉。在国际政治经济局势巨变、全球供给侧冲击频发、超级智能（SI）算法垄断升温与全球公共治理面临困局的当前，他们对微观结构的严密解构、对宏观规则的精密锚定，以及对数字工具的因果审视，共同构成了现代经济学最为坚硬也最具有现实穿透力的理论基石。

（作者系社会文化学者）