论到20世纪最伟大的数学家，格林斯潘的名字恐怕无缘排行榜，但毫无疑问，他是经济学家中对数字超级敏感的天才。

在纽约大学商学院就读时，格林斯潘选修的主要课程是金融和会计。在他的自传中，他提到在学校的几年中曾经到美国商业机构参加实习。这家机构就是在华尔街大名鼎鼎的布朗兄弟公司。

格林斯潘在布朗兄弟公司做的第一项工作，就是把美联储公布的一些数据资料，特别是连锁大超市的统计数据按周进行整理和调整。此项工作貌似简单，却非常繁琐和艰苦。由于当时没有计算机，纯手工操作起来实属不易。大量的手工计算，不断使用铅笔画图做表，再一笔一划地做出一整套数据的调整流程。这个超级枯燥乏味的工作，格林斯潘做起来却兴趣盎然。他似乎天生就对数字具备高度的敏感性，面对呆板无趣的数字，他能看见别人眼睛里没有的东西。通过这个工作，格林斯潘掌握了数据统计方面的扎实基本功。最重要的是，他对数据的超级敏感在科学方法的指导下，达到了“让数据自己出来讲故事”的境界。

大学毕业之后的格林斯潘在纽约国家产业会议委员会（即会议委员会，The Conference Board，纽约的一家智库）从事统计数据方面的工作，[2]这一机构服务的对象正是纽约美联储银行。国家工业统计研究所藏书浩瀚的图书馆，成了格林斯潘生活中最重要的部分。通过查阅这些书籍和统计报告，格林斯潘开始了解美国经济的运转机制，[3]明了了各类工业行业如何组成整体的国家经济体系。在格林斯潘的脑海中，日渐呈现出自工业革命开始以来工业系统的进化景象，从蒸汽机到纺织，从铁路到冶金，从航运到造船，从机械到军工，从电报到电话，从煤炭到石油，从汽车到飞机……无数颗社会经济的螺丝钉在他的脑海中拧在一起构成了国家经济的巨大机器。

国家工业统计研究所的图书馆还向格林斯潘呈现了海量的各类统计数据。这其中多数统计数据都属“高龄”，有不少是从1861年南北战争前后开始统计的资料，该研究所完整齐备地收集着美国几乎所有重要工业和行业的详细统计数据。格林斯潘在国家工业统计研究所的图书馆里，就像老鼠掉进米缸，对这些统计数据简直着了魔。如果他钻进棉花行业，就成天研究各种各样的棉花，从成分、档次到类别、生产工艺，包括不同棉种在工业中将会如何使用，怎样加工，需用哪些棉花加工机器以及整套生产流程，直至市场销售，这些数据在格林斯潘眼里，是一个五彩缤纷的世界。美国举足轻重的重工业，如全国铁路运输、美国橡胶业、1890年美国人口统计、美国铁路运载量等数据，更吸引着格林斯潘的关注。[4]这些无边无际的数字和资料会把别人看困，却让格林斯潘读得津津有味，不忍释卷。沉浸在数据的海洋里，格林斯潘很快对美国各行各业统计数据有了深厚而全面的了解。

几年下来，格林斯潘对经济机器运转的整体机制一目了然，加上他对各行业历史数据的苦读钻研，此时年轻的格林斯潘已成为一名经济机器领域的熟练“技术工人”。他对机器原理烂熟于胸，对各种运转参数了如指掌，对每个零部件的动态数据及其联动效应积累了相当多的“历史经验”。

他的大脑就如同装备了一个快速分析美国整体工业现状和发展趋势的软件，从数据中就能准确把握经济活动规律和脉搏。通过经年累月大量密集地阅读和积累数据，“格氏模型”成功创建起一个独到而准确分析整体经济机器和局部行业部件运行状态的数据流和数据模型。如果将企业一系列经济活动的基本参数输入，在格林斯潘的大脑中立刻能够生成一份预测宏观经济周期的报告，并自动附带完整的柱状图和线态图。

就像其他行业的工程师一样，格林斯潘对于经济学理论并没有太大的兴趣，因为工程师感兴趣的是如何解决实践中出现的各种问题，而不是抽象的理论探讨。在自传中格林斯潘也提到对凯恩斯的宏观研究并不十分感兴趣，他的兴奋点在技术层面特别是数据和数字。格林斯潘更关注经济机器实际上怎样运作，而不太理会经济学理论如何解说。

在理论学习中，唯一给格林斯潘留下深刻印象的就是1951年他曾选修的贾科伯·沃尔夫兹（Jacob Wolfowitz）教授的数据统计与经济理论相结合的课程。[5]这位教授就是后来小布什时代担任美国国防部副部长的沃尔夫兹的父亲。小沃尔夫兹是伊拉克战争的主要策划者之一，从国防部退下来之后，是新保守主义的主要代表人物，后来担任世界银行的行长。

在沃尔夫兹教授的课程中，格林斯潘第一次接受了用数理统计的方法，把经济结构之间的变量进行构建的全新理念。在接触现在被称为经济计量学的理论之前，格林斯潘已经装备了“格氏模型”，形成对整体经济发展状况和动态趋势的完整而成熟的分析思路，只不过没有形成一个相对清晰的理论体系，并缺乏数学工具进行准确表述。

格林斯潘乍一听到沃尔夫兹教授的经济计量学概念，顿觉眼前豁然开朗，如获至宝，并预感自己在此领域中一定能脱颖而出。“格氏模型”已经具备了超级数据库，存储着从矿山、冶金、钢铁、铁路运输、汽车工业到轻重工业各行各业全方位的历史数据，一旦这些数据被导入经济计量学数学模型，立刻能够输出未来经济发展趋势的预测。由于格林斯潘掌握的数据来源于生产实践第一线，而且有着跨度极大的年代积累，所以“格氏模型”的数学模板和他大脑中的超级数据库相结合所产生的结果，要远比基于纯理论的经济学模型更加准确和切合实际。

格林斯潘大脑中的数据库除了储量丰富，包罗万象，还有一个独到之处是涵盖了海量的历史数据。在漫长的历史过程中，各行各业都经历着不停的发展和变化，各种数据也随着经济体系的演变而形成动态的数据流路径。“格氏模型”的理论框架和模型体系并不是静止和孤立的，而是带有相当程度的可自我演变和可自我学习的特性。当他获得了数学工具的支持之后，对经济运作规律的把握获得了本质性的提高。

格林斯潘的大脑中呈现出明晰的宏观图像，仿佛牛顿所看到的自然界和天体的运作规律。在他的想法中，这个世界可以完全被构建成一个复杂的数学模型，只要数据积累的时间足够长，通过此模型来预测未来的经济趋势，在逻辑上是行得通的。只要输入适当的初始变量，“格氏模型”输出的未来经济发展趋势将非常接近于现实。

此时格林斯潘心中已攀上经济领域的珠穆朗玛峰，油然升起一种能够纵览世界经济，高瞻远瞩，尽在把握的豪迈和气魄。他试图用自己的模型来理解这个世界，用他的数据来验证这种推测。