Was ist der Nutzen der Annäherung an eine optimale Entscheidungsregel, die nahe genug ist, um sich im RBC-Modell zu stabilisieren?

Ich lese das Verständnis des realen Geschäftszyklus von Plosser.

Hier ist mein grobes Verständnis: Für ein RBC-Modell bilden die FOCs von Lagrange zusammen mit der Transversalitätsbedingung normalerweise ein nichtlineares Differenzgleichungssystem. Die Standardmethode zur Lösung dieses Systems ist die Linearisierung in der Nähe des stationären Zustands. Lösen Sie dieses Problem als lineares Differenzgleichungssystem.

Welche Erkenntnisse können wir aus dieser Lösung ziehen, außer wenn wir wissen, ob der Steadystate lokal stabil ist?

macroeconomics academic-graduate general-equilibrium

— Epikur
quelle

Antworten:

Randnotiz: Dies ist eine Möglichkeit, es zu lösen - die Alternative wäre, eine Bellman-Gleichung zu formulieren und diese zu wiederholen.

Wenn Sie davon ausgehen, dass die Realwirtschaft im eingeschwungenen Zustand ist oder diesem nahe genug kommt, können Sie auch auf Reaktionen auf Schocks schließen. Das heißt, Sie können sich die Impulsantwortfunktionen für eine Änderung Ihrer Interessen ansehen und sehen, wie sich die Modellwirtschaft ändert. Wenn Sie argumentieren, dass wir diesem stabilen Zustand nahe genug sind, können Sie sehen, wie die Wirtschaft auf bestimmte Schocks reagiert.

Im Allgemeinen können Sie die Wirtschaft auch mit (zum Beispiel TFP-) Schocks simulieren und prüfen, ob die simulierte Wirtschaft der Realwirtschaft ähnelt. Mit diesem Vergleich können Sie das Modell beurteilen.

Dazu muss argumentiert werden, dass wir uns dem stationären Zustand nähern - oder dass die Konvergenz sehr schnell erfolgt. Generell hat die Wachstumsliteratur um Solow Argumente dafür geliefert.

Ihr Argument ist jedoch in den meisten Erweiterungen des grundlegenden RBC-Modells sehr präsent: insbesondere dann, wenn es wichtig ist, wie nahe wir dem stationären Zustand sind - wenn Modelle nichtlinearer sind. Es gibt viele Veröffentlichungen, die zeigen, dass dies bei neo-keynesianischen Standarderweiterungen des RBC-Modells der Fall ist.

— FooBar
quelle

Vielen Dank! In dieser Hinsicht scheint es mir jedoch strikt besser zu sein, dynamische Programmierung zur Annäherung an eine globale Entscheidungsregel zu verwenden. Schließlich impliziert die FOC- und Hüllkurvenbedingung für die Bellman-Gleichung Euler-Gleichungen für das ursprüngliche Optimierungsproblem.

— Epikur

Große Erschütterungen können bei dieser Methode problematisch sein, selbst wenn Sie sich im eingeschwungenen Zustand befinden. Es reicht nicht aus anzunehmen, dass Sie sich dem stationären Zustand nähern. Sie müssen auch davon ausgehen, dass die Schocks nicht so groß sind, dass die Nichtlinearität des Problems ignoriert werden kann.

— BKay

Richtig, @Bkay, ich denke das ist einfach.

— FooBar

@Epicurus: Ja, aber die fortgeschritteneren Modelle sind zu komplex, um mit dynamischen Programmiermethoden gelöst zu werden. Sei es entweder aufgrund des "Fluches der Dimensionalität" oder weil Nichtkonvexitäten oder ähnliches keine standardmäßige dynamische Programmierkonvergenz zulassen.

— FooBar

Approximationen höherer Ordnung, wie sie von Dynare erzeugt werden, können ein wenig dazu beitragen, die Nachbarschaft zu erweitern, in der die Approximation gut funktioniert, aber das grundlegende Problem bleibt, dass die Approximation über den stationären Zustand erfolgt und eine zu weit vom stationären Zustand abweichende Abweichung groß ist Fehler.

Judd, Maliar und Maliar haben 2011 einen Artikel in Quantitative Economics veröffentlicht, in dem eine hochgradig nichtlineare Methode beschrieben wird, mit der sich ziemlich gute Näherungen für politische Funktionen ergeben lassen. Diese Methode kann jedoch bei großen Zustandsräumen schwierig sein. Es leidet also auch unter einem Fluch der Dimensionalität.

Numerisch stabile und genaue stochastische Simulationsansätze zur Lösung dynamischer Wirtschaftsmodelle KL Judd, L. Maliar, S. Maliar Quantitative Economics 2 (2), 173-210

— Kerk Phillips
quelle