这样，得出如下结论就是水到渠成的：如果近些年计量经济建模在本质上得到了长足发展，而商业人士和投资者发现，在最近几个经济周期中计量经济模型的确比过去更能准确地预测经济走势和拐点，那么他们一定会依靠这些计量经济方法去预测，然而现实并非如此。
此时，我想到了经济学家保罗・萨缪尔森―一位诺贝尔经济学奖得主说过的一席话：回想多年前，那时我20岁，我已经感觉到计量经济方法所取得的巨大进步。
即使没有预见到计算机时代的到来及其引起的计算成本大幅度下降，我也希望计量经济学的兴起能够帮助我们降低经济理论中的不确定性……不过我承认，我的这个想法并没有实现。
虽然我们可以考察数以千计的月度或者季度时间序列，这些序列的时间长度最少能达到几十年甚至上百年，但是研究表明，仍然不能让所得的近似结论与客观事实十分接近。
我从没有忽视过计量经济学的研究，但失败的经验告诉我，不能完全相信计量经济分析的结论。
这导致一些经济学家发展新的计量经济分析来修改现有的模型……但是客观地说，我们不应过分关注计量经济学的研究发现，而应关注可验证的事实。
2简言之，近几十年来，经济预测（包括不断涌现的大量计量经济学研究成果）遇到的挫折有增无减。
但正如计算机没能创造出更美妙的音乐、设计出更受欢迎的汽车、给出更专业的投资建议，计算机同样没有证明其具有预测经济走势的能力。
正是由于上述原因，我着手开展一项工作，即设计一种简明的图表，以追踪我希望得到的、关键经济数据序列间清晰的因果关系。
这样做的目的是弄清楚，能否确定A领先B而B又领先C，如果是这样，能否把监测A作为预测C的基础。
这也就是经济中谁领先谁的问题。
我很高兴发现这实际上是可行的。
即将推广使用的有效方法通过将经济数据序列间的关键关系绘制成图表，我们能够发现：这些关系不仅是导致过去50年美国经济周期的基本诱因，而且仍然继续主导着今天的经济周期。
若要理解经济周期和股票市场的波动，并预测未来6～18个月的经济走势，用图表描绘经济关系不失为一种简单明了、行之有效的方法。
读者也许会问：难道经济学家以及一些对此感兴趣的机构没有用图表描述这些经济关系吗？如果他们这样做了，为什么我们还没有得到正确答案呢？问得好！其实多年来，经济学家、分析师以及其他相关人士已经使用图表来评价经济中那些可预测的关系。
然而这项工作在如何测量数据以及设计图表等方面存在重要缺陷，这些缺陷妨碍了人们从所追踪的数据中挖掘出已存在的重要基本事实。
第4章和第5章探讨并阐述如何纠正这些缺陷，使用新的ROCET（rate of change in economic tracking）方法，代替当前普遍使用的对经济数据绝对上升与绝对下降的分析。
改变组织和追踪数据的方式是有必要的，因为这是为接下来各章分析经济关系作准备。
本书阐述的许多因果关系，不仅对商业人士和投资界的读者大有裨益，而且在某些情况下对经济学家也有所帮助。
这种简单的方法有助于人们更清晰地、更有说服力地揭示经济中有价值的、可预测的经济关系，即使是受过经济学高等教育的人也会受益匪浅。
因此，从每天与经济周期打交道的预测人员，到只接受过中等经济学培训、作为经济学门外汉的商业人士以及从事投资的读者等，无论所受的经济学教育是高还是低，都适合阅读本书。
本书旨在提供一种基本的实用方法，使人们既能掌握大量的日常经济信息，也能将各种经济信息联系起来。
这就意味着要在脑海里辨别和区分领先指标和滞后指标的不同作用：掌握领先指标来进行预测，同时忽略滞后指标。
当阅读到失业急剧增加的报道时，人们通常认为这是经济走势开始变坏的先兆。
然而这种假设是错误的，并且潜在地妨碍了观察者对经济的理解。
事实上，就业是一个滞后指标，经济有可能在就业还未增加之前就已经开始复苏。
如果人们有一张图表（如一张反映经济因果关系的图表）表明，消费支出和经济增长驱动并领先于就业，而不是就业领先于消费支出，那么他们就能正确地看待失业上升这则报道，并将其与其他经济数据进行必要的关联后做出判断。
把关于经济数据的正面报道和负面报道，置于长期的、连贯的背景中分析，这样做不仅是必要的，也是至关重要的。
因为在经济周期中，如果把任何一条信息从其过去连贯的序列中提取出来单独考虑，一定会误导。
出版机构并没有责任为我们提供这样一个框架，记者也很少有时间和空间也没有义务来做这项工作。
因此，投资者和企业领导只能自己收集和保存这些背景资料以便更好地理解各种信息，并将其运用到自己的公司经营和投资组合中。
没有比这更重要的了，而本书的主旨就是提供这样一种基本方法。