本文完整版刊登于《北大金融评论》第18期。

失业率越低越好？

失业率并不是越低越好，尽管这在直觉上很难令人信服。伦敦政治经济学院经济学教授克里斯托弗·皮萨里德斯（Christopher Pissarides）是这一领域的先驱研究者之一，他的研究为理解经典劳动力市场提供了一个全新的框架。

皮萨里德斯的主要研究领域为劳动力市场经济学。他在专业期刊和报纸上发表了大量关于劳动力市场理论与政策、经济增长与结构的文章，他的著作《均衡失业理论》是失业经济学中颇具影响力的参考书，已被翻译成多种语言。
 

此前，在关于失业的理论和经验研究中，人们常常假设所有工人都相同、所有岗位都相同、所有工人和工作岗位的地点信息都是完全的。失业问题被简化为：给定一个经济体的总需求，那么便需要相应数量的劳动力来产出，当劳动力供给大于生产需要时，产生的这个差额就是失业的总人数。供给与需求并不总是恰好一致，人们好奇：“为什么我们会失业？为什么我们在找到工作之前失业了这么久？让我们把它减少到零吧。”因此，对于政府而言，解决失业问题，最好的途径就是扩大经济生产。

但皮萨里德斯指出，过低的失业率对劳动力市场来说并不总是一件好事，因为一些类型的失业是好的，“由于匹配（matching）的问题”。

不妨设想这样一个场景：一个刚失业/毕业的人进入劳动力市场，力图找到一份工作。那么接受求职第一天找到的第一份工作并不是一个好主意，因为这份工作可能并不能激发这个人的最佳生产力，这份工作也可能不是该工人最想要从事的工作。因此，有一些失业是件好事，因为通过适当的搜寻（search）工作，它可以提高人和工作的匹配度，以及提高工作的质量。

皮萨里德斯认为，费尽心思将失业分为摩擦性、周期性、自愿性、非自愿性失业等多种类型并无多大助益。他将失业工人划分为两部分：一部分工人之所以失业是因为继续就业对其(以及对其雇主)而言不再有利；另一部分工人则在一段时间之后才能找到工作,这取决于总量事件、制度约束以及劳动力市场交易主体的行为。

“如果市场交易各方不具有同质性，并且获取信息是有成本的,那么企业和工人就会发现,为了达成有效的岗位匹配,就必须消耗资源。”皮萨里德斯指出，这里的异质性可能体现在工作技能上：各个工人所掌握的技能可能各不相同，各个企业要求工人掌握的技能也可能各不相同；也可能体现在工作岗位与工人所处的位置，以及在不同地区岗位创造的时间上。“在这种情形下,寻职者能否找到好的工作、雇主能否招聘到好员工都是不确定的，从而使得企业和工人都必须决定：是接受当前可用选择,还是等待未来更佳选择，又或者通过耗费资源获取信息、对雇员进行再培训或改变地点等方式来影响岗位匹配过程本身。”

这一研究也为政府解决失业难题打开了思路：失业保险政策会影响人们如何寻找工作的激励，税收政策会影响公司的招聘决策，等等。

当然，上述分析框架并非皮萨里德斯独创。皮萨里德斯及另外两位杰出的经济学家从不同角度把“搜寻理论”扩展应用于劳动力市场分析，共同构筑了DMP（Diamond-Mortensen-Pissarides）模型，“P”即皮萨里德斯，“D”“M”分别指的是美国经济学家彼得·戴蒙德和戴尔·莫滕森。他们基于DMP模型考察了两类代表性主体——企业和工人如何在岗位空缺和岗位招满、失业和就业两种状态之间变动,由此推导出整个经济的均衡失业率，并对“经济政策如何影响失业率”进行了深入的理论分析。

其中，皮萨里德斯另一项被广为人知的学术成就便是推动了工作匹配函数概念的确立。在理性预期、给定在失业和寻找新的职业的随机变化过程等条件下，企业和工人都在最大化自身的收益，工作匹配函数给出了交易过程中企业和工人资源投入的结果,即任意时点所形成的工作岗位数量。

2010年，在全球受金融危机影响后的百废待兴阶段，皮萨里德斯和戴蒙德、莫滕森共同获得了当年的诺贝尔经济学奖。而在获得诺贝尔经济学之前，2005年，他是全球首批获得IZA劳动经济学奖的经济学家之一（与莫滕森联合）。他曾获得全球多所大学和政府的荣誉，并在2013年被英国女王伊丽莎白二世封为爵士。

被刺绣启蒙的诺奖研究

皮萨里德斯是劳动力经济学领域的专家，但有意思的是，纵观他的职业生涯，他并没有做很多工作来改变自己：他曾在埃塞克斯大学和伦敦政治经济学院接受教育，此后的大部分职业生涯都在伦敦政治经济学院度过。

出生和成长于塞浦路斯（后移居英国），皮萨里德斯对劳动力市场的兴趣萌芽于他的童年。

刺绣是塞浦路斯最为重要的传统工艺之一，有着数百年的历史。其中最知名的莱夫卡拉花边于2009年被列入联合国教科文组织《人类非物质文化遗产代表性名录》。童年时的皮萨里德斯时常会被这些手工制作的手帕上朴素而优雅的刺绣图案迷住。他注意到从这些妇女取走简单的丝线，到带着成品回到他父亲的服装店，工人从原料中不仅创造出了新的物品，而且通过自己的生产行为赋予了新物品以价值。

大学期间，皮萨里德斯开始注意到社会失业率上升的问题。他说：“二战后，我们习惯了非常低的失业率，大约2%。到了1960年代后期，情况仍然差不多，尽管美国的有点高。但进入70年代，突然间你看到失业率飙升，从2%上升到4%，再到5%，人们真的不知道为什么会这样。”彼时的经济学家或认为这是供给方面存在冲击，或认为这是需求不足问题，认为让政府借钱和支出，失业率高的现象就会消失。

在皮萨里德斯看来，失业是一个非常有趣且重要的研究对象。“政府应该始终致力于处理这个问题。这是贫困、被剥夺劳动力市场权利和苦难的根源。它就在那里。我进入了它，它仍然是我一直在思考、写作和谈论的问题。”

对失业的研究越深，一种社会意识在他心中苏醒，激发着他的好奇心，驱使他寻找解决方案。带着这种意识，皮萨里德斯曾短暂地进入政府等公共部门工作。2000年至2007年期间，他是塞浦路斯中央银行货币政策委员会的外部成员，该委员会将欧元带到了塞浦路斯。2011年，他担任欧洲经济协会主席。此外，他曾为欧盟委员会、世界银行和经合组织提供与就业和宏观经济政策相关的咨询项目。

不过皮萨里德斯也坦言，为政治家提供建议时，“你永远不应该期待他们会按照你说的去做，因为这将令人非常沮丧”。尽管如此，皮萨里德斯仍是一个坚定的乐观主义者，“我不会仅仅因为有人不听而放弃，坚持下去，说不定有一天，他们可能就会听进去了”。

今天，人工智能的快速发展引发了人们对许多工作岗位将消失的担忧。2018年，皮萨里德斯和同事们成立了未来工作研究所（Institute for the Future of Work），旨在探索新技术如何改变工作和生活。皮萨里德斯认为仍有理由保持乐观：“处理新技术的需求将带来新的工作。我们不应执着于在生命的早期学习一项技能，然后能够在余生中将同样的技能应用到工作中去，因为当你到了65岁左右时，回头看，你会发现你并没有花一辈子的时间去应用同样的技能。你总是在学习。你对学习越开放，你就会越快乐，越有用。”

至于AI带给劳动力市场的冲击，皮萨里德斯认为最应该担心的是——不平等。“当出现一些新技术、新灾难等时，受到打击最严重的总是社会中最贫穷的群体，”他说，“我不停地告诉现在来伦敦政治经济学院或塞浦路斯大学的学生，只要有动力去理解不平等，你总有一天会成名。”

对话皮萨里德斯

《北大金融评论》：“搜索-匹配理论”被广泛认为是对劳动力市场摩擦的最好描述，然而，中美两国的劳动力市场出现了一些前所未有的特征，比如“倦怠”，中美分别称之为“躺平”和“quiet quitting”。基于您的理论，该如何理解现今劳动力市场的这种摩擦？

皮萨里德斯：首先，我们必须明白，理论本身并不能直接提供答案，它仅是一个分析问题的框架。我们也不会直接套用理论来解释劳动力市场（的新情况）。比如当你看到一些新现象时，你不会马上说：“哦，是的，就是这样的。”你需要得到更好的数据，并仔细地去研究它。

我们之所以引入“摩擦”这一概念，是因为传统的劳动力市场供需分析是在无摩擦条件下进行的。我和后来的其他研究者研究发现，（“搜索-匹配理论”）是一个帮助你有效理解劳动力市场的框架。首先，它指出了传统的无摩擦假设不能解释我们在劳动力市场中看到的许多事实，然后证明了这一新框架可以解释业已存在的许多客观数据。这一理论研究花了很多年的时间，也仍然有一些事情没有得到完美的解释，理论的研究还在持续推进中。

所以，为什么现在有更多的人选择“躺平”？基于我们的模型，一个可能的解释是，由于某种原因，某个时间段市场摩擦变得很强，然后（随着某种原因）这种摩擦放松了，更多的人可以离开他们的工作。这是因为当人们辞职或躺平时，若市场存在高摩擦，人们更有可能固守原地。一旦你找到了可能的解释，下一步就是进行数据测试，寻找过去和现在之间可能被放松了的摩擦。如果你找到了，以我们对躺平行为影响的了解，你可以测试这种“缓和”是否可以解释我们所看到的躺平行为。至少在这个阶段，我是这么做的。

《北大金融评论》：最近您提到像ChatGPT这样的人工智能技术可能会使一周工作4天成为可能，它可以带走我们在工作中做的许多无聊的事情，只留下有趣的事情给人类。但对于那些不太懂技术的人来说，他们被解雇的风险可能更高。您如何看待这种情况呢？

皮萨里德斯：我和你的想法不同。工作岗位即使不是以技术为导向的，在未来也会继续存在，而且可能会进一步增长。无可否认，它们不会是市场上收入最高的工作，但请记住，作为人类，我们并不只是需要技术性工作。我们还有许多的情感需要、关怀需要，而这些都无法机械化。例如，人有疾病，除了需要医生诊治外，还需要有经验的人来照顾。医疗部分仅是护理的一小部分，而未来包括护理在内的这些工作将保留并持续增长，因为社会在不断变富，人们对服务的需要也会更多。

ChatGPT等类似技术确实是技术应用的进步，对我们处理数据等工作带来了很大的影响。今天，许多人受雇处理数据、撰写报告、查阅卷宗等。例如，当你同时向ChatGPT和一个律师问出一个关于某种犯罪的问题——“过去有过类似事件的案例吗？法院是怎么裁决的？”这时ChatGPT会迅速给出答案，而律师们还在做查询工作。他们会雇用刚毕业的年轻人，让这些年轻的律师助理花数个小时在档案室、图书馆阅读那些记载过去发生事件的大部头图书。当然，今天他们也会使用谷歌、百度等搜索引擎来搜索信息。

这些工作是最危险的。这时你可能会非常悲观地认为，“哦，我们会失去很多工作”，就像这些柜员、律师、公共服务人员一样。或者你会认为，他们做的是机械化的、无聊的工作，如果我们利用这些技术（ChatGPT）来做他们正在做的事情，效率就会提高。生产力的提高带给了我们更多的时间和金钱，人们得以少工作，多享受生活。

那么接下来的问题是，谁可以获得这样一份工作？我认为这是当今劳动力市场最难解决的问题。因此，劳动力结构调整（the restructuring）是必需的。

如果市场不需要某一部分的人，比如律师助理、公共服务人员等，那么要如何对待那些已经在那里工作的人？此时，培训（the training）就变得更加重要。要确保大学生知道哪些工作可能会受到技术的影响，并相应地调整他们的学习内容。

《北大金融评论》：我之所以提出这个问题，是因为我们来自北京大学汇丰商学院，每年毕业时，许多同学将来会成为金融分析师或投资顾问。但现在有些人认为，也许未来ChatGPT或机器人顾问将取代他们来做金融分析师或投资顾问的工作。您如何看待人工智能对金融领域的具体影响？

皮萨里德斯：别担心，一切都会好起来的，尽管从规模来看，金融行业就业的最佳时期可能已经过去了。

今天，技术应用在金融部门早已有很大进展了。事实上，金融领域正是技术起步较早的领域之一。不妨想一想我们日常生活中所使用的自动取款机、在线支付，比如手机上的支付宝、微信支付、ApplePay等。

金融部门也因此失去了很多相关的工作岗位。据估计，在我所居住的伦敦，包括柜员在内的银行一线员工的人数可能减少了20%左右。他们的工作被自动取款机接管了。其中一些人已经调整了他们在组织中的角色，例如成为客户经理。这样金融消费者也可以得到更好的服务。一个账户有盈余但又不太多的人，得以直接从客户经理那里获得更专业信任的服务，而不是像过去一样只能和一线柜员沟通。

因此，劳动力结构调整正在进行。我认为金融部门不太可能持续扩张，这将导致找到剩下的（未被新技术取代的）工作岗位更加困难。这些工作岗位有的需要有交易资产的能力，有的则涉及管理能力。当然也有乐观的一面。例如，可以接受一些培训，学习如何处理数据，如何做量化分析，等等。

总之，二三十年前，你或许可以通过打很多电话、阅读新闻和与人交谈，来确定有可能达成的好的交易，但现在这种情况已经很少见了。如果我去念商学院，相比较于金融（finance），我会倾向于选择商科（business），因为无论技术如何发展，建立新的业务以及在业务中诞生新的想法，永远都有新的空间。事实上，有很多东西是人们想要的，但至今仍没有人考虑过，这对首先考虑这些事情的人来说是非常有益的。

例如，20多年前，一些人有了平台零售的构想，尝试借助互联网收集个人行为数据，进而为消费者推荐他们想要的好产品，为他们提供线上化、便捷化的消费方式。回忆一下，如果你在他们的平台搜索引擎中键入内容，它可以很快识别出你想要的内容，知道要给你看什么。这就是阿里巴巴、亚马逊等公司取得成功的原因。

现在你认为这是一个显而易见的想法，但这在20多年前并不是一个显而易见的想法，所以核心是要有创造力。

······

本文完整版刊登于《北大金融评论》第18期

现在征订全年刊和三年刊，

即享超值优惠

快扫码订阅吧～