محتوای فنی این پست برای عده کمی از خوانندگان موضوع مرتبطی است ولی پیام عمومی‌ترش این است که چه طور می‌توان به صورت خلاقانه از داده‌هایی که به نظر ارزشی ندارند یا ربطی به مساله ندارند شاخص‌هایی قوی‌تر برای تحلیل مسایل اقتصادی و اجتماعی ایجاد کرد. خلاقیت در این‌جا در استفاده از داده‌های تولید زباله برای حل یک پازل قدیمی اقتصادی است.

مساله ارتباط بین تغییرات قیمت دارایی‌ها (شاخص بازار سهام)، مصرف و ضریب ریسک‌گریزی یکی از مهم‌ترین و قدیمی‌ترین پازل‌های اقتصاد مالی است. روی‌کرد قیمت‌گذاری دارایی‌ها بر پایه مصرف (CCAPM) قیمت و بازده یک دارایی را به میزان هم‌بستگی پرداخت‌های آن با تغییرات اقتصاد کلان و سطح مصرف مربوط می‌کند ولی در عمل این تئوری برای تطبیق با مشاهدات آماری دچار برخی معضلات است که یکی از آن‌ها ضریب ریسک‌گریزی بسیار بزرگی است که از کالیبره کردن مدل‌ها به دست می‌آید و با شهود اقتصادی نمی‌خواند یا پیامدهای عجیبی دارد. مثلن این‌که اگر این ضریب درست باشد افراد حاضرند پول خیلی خیلی زیادی برای بیمه ماشین و خانه‌شان بدهند یا به خاطر یک خطر کوچک از زندگی در مناطق پرخطر خودداری کنند. چیزی که در عمل این طور نیست.

حالا این آقای جوان که هنوز دانش‌جوی دکترا است مقاله‌ای در ژورنال آو فاینانس چاپ کرده و راه‌حلی برای تخفیف پازل‌های قبلی پیش‌نهاد کرده است. مشکل تحقیقات قبلی این بود که واریانس مصرفی که بر مبنای شاخص‌های استاندارد گزارش می‌کردند به اندازه کافی بالا نبود و لذا ضریب ریسک‌گریزی باید آن را جبران می‌کرد تا به سطح بالایی از سود روی دارایی ریسکی (سهام) برسیم. ایده نویسنده این است که به جای اتکا به گزارش‌های فصلی درآمد و مصرف از یک شاخص به‌تر استفاده کنیم و آن هم سطح تولید زباله در شهر نیویورک است! حجم زباله رابطه مستقیمی با سطح مصرف فوری فرد دارد. شهر نیویورک هم انتخاب درستی است چون بسیاری از سرمایه‌گذاران مالی در این شهر زندگی می‌کنند و مصرف آن‌ها برای مدل قیمت‌گذاری‌ها اهمیت بیش‌تری دارد تا کشاورزی که در وایومینگ مشغول است. سطح تولید زباله ظاهرن متلاطم‌تر از گزارش‌های دوره‌ای و رسمی مصرف است و این برای حل پازل مفید است.