肖仁华 (中山大学岭南学院)

        本文起源于学位论文选题，灵感来自于偶然学术讲座，成型于广泛合作交流。

　　在读博士期间，我曾经有一段时间为学位论文选题收集研究大量资料，但最后都无功而返，十分沮丧，自己就像无头苍蝇找不着方向。当时为了听更前沿的东西，还抱着本不应该有的功利态度到处听讲座，意欲找到自己的研究主题，但一段时间下来，还是没有新发现，可能暂时的无用是以后的大用，不过不能解燃眉之急。

　　直到有一天有幸聆听中国科学院汪寿阳教授关于复杂数据分解的讲座，顿时感觉醍醐灌顶，脑袋被开光一样，对集合经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)技术很着迷。汪教授以研究石油价格为例作介绍，当时我立刻想到同样复杂的房价数据可以做文章，因为EEMD是目前为止分析非线性非平稳时间序列的最好方法，其对数据的分解过程是直接的、自适应的、完备的、有效的，可以描述局部性质，富有经济意义，它不需要对原始序列进行先验的处理，能真正做到让数据自己说话。回去学术搜索发现当时还没有谁用EEMD技术研究过中国房地产问题，彼时激动之情难以言表，遗憾的是当时没有摄影师在侧。记得之前笔者一直对房地产市场研究毫无兴趣，主要原因两个：一是房地产市场受政策干扰太多，眼花缭乱，难以找到切入点;二是当代流行计量技术存在缺陷，找不到影响房价最重要因素，且结论不甚可靠。彼时发现新的分析武器就顾不了这么多了，激情瞬间被点燃。

　　文章写作过程中，我的导师李仲飞教授的作用是第一位的，老师知识渊博，谦虚和蔼，极具学术敏感力和洞察力，总是在关键时候指点迷津，让我豁然开朗。由于社会科学界应用EEMD技术做研究的很少，写计算机程序不是我的专长，为了克服技术操作层面的困难，到处搜索有关信息，发现有2008年“时频分析及其应用国际研讨会”在中山大学召开，其中讨论EEMD是主要议题。之后笔者很快找到了愉快的合作者——数学与计算科学院学院研究时频分析的杨利军博士，之后就有了论文的出炉。

　　文章用相对可靠的方法研究发现影响房价的最重要因素是货币供给，且远远高于其他影响因素的贡献度，这对我博士后续有逻辑成体系的研究太重要了，之后的研究就仅仅围绕货币做文章，追问货币从哪里来，又为何过多流向房地产市场而不是其他商品市场或资产市场，当然这是另外几篇文章的内容了。

　　文章已经发表，博士学位也到手了，现在还对这篇文章的创作过程记忆犹新，我想这种记忆会伴随到生命的终点。掩卷思忖，有两点启示想和大家共勉，一是做学术一定要多听高端学术讲座，那是最前沿最可能产生灵感的宝库;二是要善于合作，优势互补，就像本文如果没有导师的指点和杨利军博士的帮助不可能发表。

　　(《基于集合经验模态分解技术的中国房地产周期识别研究》载于《经济评论》2014年第4期)