来自麻省理工学院斯隆管理学院的约翰·斯特曼（John Sterman）教授花费了职业生涯的大部分时间，利用非线性动态技术来发展关于经济和商业现象的解释。14有一个问题引起了他的特别兴趣：为何许多商品会经历繁荣与萧条的循环？经历周期的行业类型囊括了全部范畴，用斯特曼的话说，“从飞机制造到锌处理”都包括在内（见图5-6）。15这些不同行业的共同之处在于，它们的价格和产业能力的周期震荡比基础需求或经济整体的震荡要激烈得多，因此，即使没有重大的缘由也能产生显著的效果。
图5-6 周期性行业案例
资料来源：斯特曼（2000年）。铜和牲畜的数据来自美国商品研究局发布的《商品年鉴》，飞机数据来自皮尤-罗伯特联合公司、剑桥、MA，电力数据来自爱迪生电力研究所美国部分的统计摘要。
这些循环同样拥有一种有趣的特性，既不是特别规律也不是特别随机。通过观察它们，我们会看到，数据显然不仅是在随机波动，它们拥有有限的周期。但这些循环又不是十分有规律，它们的周期性并不完美。我们可以肯定地说，这些循环是复杂的。从商品贸易商到行业高管，许多人都尝试过对这些循环进行预测，但鲜有成功。斯特曼决定打造一个模型来调查是什么驱动着这种既不非常规律也不特别随机的行为。
传统经济学中最重要的负反馈是供求关系中的价格。假如需求增加，价格就会上涨，从而导致供应增加，这又会导致价格下跌直至供求平衡，就像一台恒温器。然而，正如我们之前讨论的那样，传统经济学通常会假设所有事情都会同时发生，而忽略了时间延迟的作用。16因此，尽管供求平衡存在于经济学教科书中，现实世界里却充满着库存、产能过剩以及缓冲不平衡的其他存量。斯特曼假设各种缓冲存量调整速度的差异或许是商品动态循环背后的终极真相。
斯特曼决定建立一个简单商品市场的电脑模型，来看看是否可以复制这些循环的数据特征，从而验证自己的假设。17与传统经济学模型不同的是，斯特曼的模型（一种“系统动态”模拟）拥有明确的库存和产能存量、积极和负反馈循环、时间延迟和非线性关系。为了弄懂斯特曼的模型是如何工作的，我们可以假设你在一家普通制造企业负责生产小部件（存在于许多经济学入门课程里的一种神秘产品），企业的供应和需求的不平衡中存在着三种关键的缓冲库存。
首先，小部件的库存。库存充当着客户的不确定需求与工厂的生产之间的缓冲器。如果客户的订单量低于产量，你的库存就会增加；如果订单量高于产量，库存就会减少。库存几乎是实时调整的（虽然在接到订单和发货之间会有一点点延迟）。
其次，即刻可用的产能存量。如果在开始时小部件库存很少，你可以要求工厂加大生产。正常情况下，大多数工厂的产能利用率不到100%（通常为80%），这为工厂带来了一些短期的弹性产能。如果你打电话要求增加产能，工厂经理可以增加小部件生产线的工作时长，或增加工人的班次，或启用一条闲置的生产线，或将滞销小部件生产线转变成热销小部件生产线。提升短期产能的时间延迟可能是几小时，也可能是几个月，关键在于不能即时发生。产能回路的调整速度要慢于库存回路的调整速度。
最后，长期产能的总量。一旦所有生产线以最高速度运转，并且利用率达到了100%，那么唯一能够增加产出的办法就是建造新的生产线或新的工厂。增加新的长期产能的速度慢于提高已有产能的利用率的速度。建造新工厂、雇用更多员工等往往需要几个月甚至几年的时间。
斯特曼的模型包含了三个调整速度各不相同的反馈环结构。要想弄清楚这个结构是如何随着时间变化而发挥作用的，你可以想象自己是小部件生产线的经理，每周都会收到一份生产报告。当你坐下开始阅读本周的报告时，你注意到小部件的需求增加了，库存下降了一点。库存会随着需求的随机波动而出现变化，所以你要考虑的第一个问题就是是否要求工厂提高产量。这时往往会出现一个自然的反应，那就是在付出昂贵代价增加产量前（有可能造成产量过剩）再等一等，看看上涨的需求是否会持续下去，或者仅是昙花一现。随后会出现第二个问题：是否应该涨价？这时你希望弄清需求的增长是否真切。涨价需要时间和工作量（新的价格需要在电脑上进行运算，客户合同需要变更，等等），并且永远伴随着客户流失的风险。因此，你会决定再多等一段时间。
在下一份报告中，你看到需求持续增加，至此你开始相信确实存在这样一个趋势。现在库存已经下降到一个危险的低点，你不得不针对部分客户采取延期交货的措施。你开始采取行动，并提出增加产量的要求。集团总部需要突破官僚制度，工厂需要一些时间来进行调整，真正提高产量要到几周之后。与此同时，需求仍在持续增加，但由于客户用掉了库存，于是发生了缺货和积压订单。考虑到旺盛的需求和隐约出现的产能不足（你还注意到竞争对手也正在经历相同的状况），你决定是时候涨价了。
价格的上涨不会立刻对需求产生影响。由于货物短缺，客户的库存已经耗尽，他们无法马上找到替代品或其他资源，因此他们愿意（至少在短期内愿意）支付更高的价格。有了不断增加的需求和更高的价格，你的损益表看起来漂亮极了，你成了首席执行官眼中的英雄。你唯一面临的挑战在于必须生产出足够的产品。工厂的运行效率接近100%，与此同时，你的订单和市场份额流失给了拥有更高产能的竞争对手。于是，你会向管理委员会提出投资建立新厂的提议。鉴于你在业务上的英雄表现，他们会批准你的提议。新厂址破土动工，开始建厂。
在距离新厂建成投产还有半年左右的时候，你注意到一个令人担忧的趋势，需求的增长趋势开始放缓，数个月的价格上涨和产品短缺开始产生影响，客户找到了你们产品的替代品以及减少用量的办法。此外，在你加紧生产以满足需求的时候，你的竞争对手们也在这么做，此时便会出现很多库存。由于需求的放缓以及竞争对手增加了现货，你从销售队伍那里听到了降价的呼吁，再次感受到了压力。你同意了销售队伍的建议，批准打折。
到了新工厂举办开业典礼的那一天，正当首席执行官剪彩完毕，你就收到了一份让你的热血变凉的报告。需求在进一步放缓，更糟糕的是，价格正在发生自由落体式下滑。行业里的所有人都有一大堆库存，都在大幅度打折以便维持运转。尽管面临着价格下跌和越来越难看的损益表，你还得继续前进，激发新工厂的产能。毕竟，工厂已经建成——大部分都是沉没成本，也没有什么别的用途。即便产品价格很低，至少还能覆盖用工成本和材料成本。
几个月之后，你参加了一次行业展销会，与其他高管坐在吧台上，一起哀叹行业的不景气。结果发现，在景气的时候，他们的所作所为跟你一样，现在他们也有崭新的工厂即将投产。你曾怀疑过竞争对手们在建新的工厂，但由于行业保密性，当时你并不知道到底有几座工厂在筹备中，但你认为不断增加的需求可以消化这些增长，你还假定人们不会疯狂到过度投资建厂。
到了第二年，行业产能泛滥，价格崩溃，整个循环开始往反方向运转。一段时间之后，随着亏损不断增加，行业开始关闭生产线，减少班次，从而降低产能。随着“流血事件”的进一步恶化，同行业的公司都开始采取下一步行动，即关闭整个工厂，解雇大部分员工。通常情况下，这需要数年时间才能将过剩的产能从系统中挤出去，但这已不再需要你的担忧，因为你已经在某一轮的裁员中被解雇了。
几年之后，一位年轻的经理坐到了你昔日的位子上。在上一个周期的时候，她还只是一个大学生，根本不记得有过这回事。有一天，她坐在座位上，收到了最新的小部件生产报告，她很激动地看到需求出现了良好的增长势头……
这个动态故事就是斯特曼模型的本质。在运行模型的时候，斯特曼发现模型会产生商品周期，从统计上说，这与现实世界中的周期有着许多重要的相似之处。18模型表明，反馈环的不同时间尺度以及人为误差会使得这样的周期几乎不可避免。斯特曼及其同事马克·帕奇（Mark Paich）还进行了另外一项实验：让真人扮演经理的角色并尝试使周期最小化。19然而，研究者发现，在处理复杂反馈和不同时长延迟的系统时，人们在心理上会经历一段难熬的时间，会遭遇一段非常困难的时间（就像反应很慢的淋浴喷头一样）。斯特曼的模型和实验给我们的一个启示在于，缩短周期的唯一办法是改变系统本身的结构。比如，我们可以减少系统的时间延迟，例如增加新产能的时间；降低产能的沉重程度，例如建造“迷你工坊”而非大型工厂；对客户订单获得更多前瞻性预见，或者增加行业实际已有的以及正在建设的产能的透明度。
-----------
斯特曼的工作有意思的一个方面是，它强调对我们的心智模型来说，要想理解和发展关于非线性动态系统的直觉非常困难。20问题不在于人类的愚笨，而在于我们的大脑没有被设计成按照这种方式进行思考。经理和政策制定者已经尽其所能，但他们的行为通常会产生无法预测的结果，甚至会让情况更糟。在下一章，我们将较为一般性地讨论人类的认知缺陷。在后续章节中，我们将进一步研究协调人类行为和经济的动态结构如何有助于解释复杂现象，这些现象包括从经济系统的增长、衰退循环到股票市场的易变性。
