学术研究中，有了一个不错的研究创意后该怎么办？ 第1页

从事实证（empirical）金融学或经济学研究有很多环节。研究创意（idea）是学术研究的出发点，也是灵魂。记得一次开会时，一位美国的学术大牛讲做研究，他说idea绝对是最重要的。

但是后面的步骤也很多，实施好后面的步骤也非常重要。否则，研究失败的可能性还是很大，特别是研究的主要目标是发表在那些竞争相当激烈的顶级期刊上（你可是在与全世界最聪明最用功的人竞争啊！）。

因此，今天要讨论的问题就是，当有了一个不错的研究创意后该怎么办？

当有了一个不错的研究创意后，有人会急于看数据，看有没有预期的结果。我原来也有这种急躁心理，老是想知道数据是否支持自己的创意。因为担心如果数据不支持自己的研究创意，这个idea就没有价值了，在这个idea上花的时间就浪费了。

其实这是一种错误的心理。在研究初期，数据支持的自己的创意并不是特别重要。因为，即使数据支持的自己的创意，研究距离成功还是很远。这至少有三个原因。首先，一个idea的重要方面是本身的逻辑和道理，如果idea的逻辑有问题，idea本身缺乏合理性，还是没有人买你的故事（story）。一个夸张的例子就是，冰激凌的销量与游泳池里淹死的人成正相关，并不能说明冰激凌杀人。

其次，一个idea是否好关键在于它的学术贡献，即使数据支持的自己的创意，如果贡献不够大，很难发在好的，更不用说顶级期刊上了。但是，绝大多数的idea的贡献都不足以发表在顶级期刊上，这是因为，你是在与全世界最聪明最用功的人竞争，世界金融三大期刊一年只发表280篇论文。记得一位金融顶级期刊主编级别的大牛说，他非常会想好的idea，也花了大量的时间去想好idea，但是大部分idea还是不够好，因为竞争太激烈了。记得，现剑桥的金融学正教授Ragu Rau一次在FMA会议上演讲（https://www.youtube.com/watch?v=LlL11crhkFE ），他说他都是挖空心思想idea，但是大部分项目还是失败，五篇论文最后只有一篇能够发表顶级期刊。

最后，顶级期刊也要求顶级的研究设计。这里研究设计是指实证研究设计，比如数据，变量构造，回归设计等。好的研究设计通常需要对问题本身有深入的理解（比如制度背景，行业习惯，数据，文献等）。急于看数据，通常难以做出顶级的研究设计。因此，如果研究设计很差，即使数据支持的自己的创意也没有什么意义。

既然急于看数据不是好方法，那么该怎么办？

下面谈谈我个人在这方面的认识的提高。我一直认为研究方法是学术成功的关键，方法对了，可以事半功倍，方法不对努力也白搭，我在多个博文中谈到这一点（http://blog.sina.cn/dpool/blog/u/1280708337#type=2）。因此，我一直也在思考“有了一个不错的研究创意后该怎么办？”。我大概9年前曾与一位青年学者合作。她的导师是位学术牛人，在金融三大期刊上发表了近20篇论文。她提到她的导师的工作方法时，她就说，她的导师不着急看数据，不担心实证结果，而是在idea的构思和贡献上花很多时间。

我觉得她的导师的方法很有道理。我现在有了一个不错的idea后，会花费大量时间去批判性的评估（critical evaluation）。首先，我会对这个idea的背景进行分析（比如5W, 1H）。故事里有哪些players，每个player的目标和策略是什么。分析故事的逻辑有没有问题，在现实中是否行得通，结果是否足够强。

其次，再看学术文献（看早了不好）。

然后，会花很长时间写一个三、四页的详细的研究提案（research proposal）。这个proposal包括论文的背景、motivation、 研究设计、潜在贡献，缺点，优点等。就有点像是一个缩写版的论文前言(mock introduction)。毕竟论文前言是论文最重要的部分，也是阅读率最高的部分。

之后，如果还没有枪毙这个idea，我会与很多人讨论这个idea，特别是该领域的专家。比如，我2015后开始从事机构投资者的研究，我与至少5个资深的学者讨论过相关的idea，其中两位都是金融三大期刊之一的编委。我是通过在巴黎和瑞士的牛校参加seminar（我们学校距离瑞士很近）或学术会议来与他们讨论我的idea的。与人讨论非常重要，因为一个人的角度难以全面，容易忽略一些问题。网上有MIT经济系的大牛，克拉克奖得主Amy Finkelstein讲她做研究的诀窍的PPT“An unofficial guide to trying to do empirical work”。在里面她的最大诀窍之一就是要不断与人讨论idea，“Talk continuously with people about what you are doing”。毕竟，站在巨人的肩膀上是看得更远的。

最后，都一切比较满意之后，我才会才开始看数据

为此我还专门搞了些评估的方法，比如我试图归纳好idea的常见的特征，坏idea常见的特征。我也经常思考如何量化一个idea的学术贡献。

这样花大量的时间做批判性评估有几个好处。首先，这可以把很多不好的idea给过滤掉，要知道大部分的idea都是有问题的，提前发现问题而枪毙掉idea可以节约大量的时间；其次，评估时可以想到其他更好的idea，因为你在评估的时候你对相关问题进行了深入的研究；再次，批判性评估的时候可以认真的考虑研究设计，这样做出的研究设计才可能是一流的；最后，可以不用浪费时间在数据分析上，有些数据分析还是很费时间的。

因此，花大量的时间做批判性评估一点也不浪费时间，反而能大大提高成功的概率。我认识一位金融学术大牛（担任金融三大期刊主编和编委），她说她自己的研究项目一直都很少，一般就4，5篇工作论文，但是都是精挑细选的创意，在挑选idea时非常挑剔。最后这些论文当然几乎都发表在顶级期刊上​​。​而且她没有成名前也是采用这样的思路。

不急于看数据，而是花大量的时间做批判性评估的好处还在于社会科学研究的本质。

社会科学研究的本质是讲故事，而不是展示统计。记得以色列的博弈论大师Ariel Rubinstein在Econometrica 2006年的一篇论文 “DILEMMAS OF AN ECONOMIC THEORIST” 里就说过，经济模型的实质是寓言（fable），通过讲故事来影响社会。芝加哥的著名金融学教授John Cochrane在他的著名教材《Asset Pricing》的第16章里说，计量方面都是次要的，关键是要使人相信你的故事，觉得你的故事有道理(reasonable)。他还举了一个例子，著名的Fama 和French 三因子模型在统计上被GRS检验所拒绝，但是还是被广泛的应用。因为，它很make sense。网上有个香港科大一著名金融学教授JW谈做研究的ppt。其中两个观点印象深刻：故事(story)非常重要，故事优先，实证其次；对自己的idea要非常批评，非常挑剔，不要轻易下手，否则容易浪费时间在不好的idea上。 ​​​​最后，畅销书《人类简史》就指出，人类之所以成为地球的主宰，就在于人类能创造并且相信 “虚构的故事。

前些天偶然看到一个文件，是2009年AFA（美国金融年会）年会组织一些大牛对博士生讲研究经验（链接 https://kelley.iu.edu/cholden/2009%20AFA%20Notesv2%20_2_.pdf ）。其中有些看法也是提倡这种批判性评估的方法。他们都提倡不要轻易去看数据。比如，一位牛人说“不容易真正搞懂自己的idea的贡献，写作introduction可以强迫你去把贡献想清楚，因此在做数据前要开始写个初步的introduction。”

“Write the introduction before you do all of the empirics. Likely this will make you realize that you do not know what your main point is; writing the intro will force you to articulate this main point.”

另外一位牛人说“You do not understand your idea until you write it. Do not let regression come ahead of writing.”

在此我还想多说几句。正如前面指出的，急于看数据，不做批判性评估确实有很多问题，但是现实中为什么不少人喜欢这么做呢？除了上面提到的“担心数据不支持自己的研究创意”之外，可能还有两个原因。第一，批判性评估非常累。没有教科书或论文或导师教你怎么做批判性评估，需要自己去辛苦摸索和创造性的归纳总结。就拿量化一个论文的贡献来说，这是个非常困难的事情，需要对相关领域有大量的深入思考，对读者、审稿人和主编的品味有清晰的了解。相反，实施一个idea却比较常规(routine)，比如写文献综述、收集数据、跑跑回归，都可以从相关文献中直接学到。总之，创造性（creative）的思考太累，常规性（routine）的事情容易，人的本性是倾向于做容易的事情（比如这样容易有成就感）。经济学诺奖得主丹尼尔· 卡尼曼的畅销书《思考，快与慢》也讲了这个道理。几年前，我在网上看到斯坦福经济学正教授Charles Jones写的研究建议。他指出深入思考的重要性。他说“要在一些时间里，只与一支笔和几张纸在一起，强迫自己去思考。思维是艰苦的工作，因此很容易分心。” ​​​​

第二，侥幸心理。发表中运气占有不少成分，因此有人想去碰碰运气。比如，一位刚入门的朋友就对我说，“赵本山老师（哈哈），贡献是主观的，情人眼里出西施嘛。所以，对贡献也不要想得太清楚了。”我认为这个观点还是有问题。对于学术水平不高的入门者，或者思考不够的人，确实很难看出论文质量的差异。就像武侠小说里那些新手看不出高手的功夫一样。他们应该不停的提高自己的思维水平，而不是浪费时间在碰运气上。那些学术水平很高的学者，他们真的是目光敏锐。比如，我见过很多金融或经济学学术大牛，他们几乎每篇文章质量都是很精彩的，令人激动；而不是碰运气。这就证明了贡献是可以想得清楚的，在一定程度上可以进行量化的。确实，这些大牛不是牛在能写点文献综述，跑跑回归，因为很多人都能做这些比较简单的事情；他们牛在他们敏锐的眼光，他们能够想到和筛选出最好的idea。

如果有时间， 我想下次详细聊聊如何进行批判性评估。

结论:

这个不错的idea 很可能是错的，更批判性一点（be more critical）。不要急于看数据，花费大量时间去批判性的评估吧。

我的个人博客和微博里有些学术研究方法和技巧的讨论，欢迎大家访问。

博客网址：赵山_公司金融的博客

微博网址： Sina Visitor System