本站分享:AI、大数据、数据分析师培训认证考试,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训

DSGE 模型的思想和方法是什么?该如何应用

spss培训 cdadata 9032℃

DSGE 模型的思想和方法是什么?该如何应用

关键词:DSGE模型、DSGE模型

DSGE全称是dynamic stochastic general equilibrium,是目前在宏观经济学研究占重要地位(甚至是主导地位)的模型方法,主要用于讨论经济增长、经济周期以及讨论政策工具效果(财政和货币政策)。

传统的宏观预测模型受制于Lucas批判。Lucas认为,利用加总的历史数据来给出政策建议和经济预测,其结论值得怀疑,因为宏观系统本身是有大量具有能动性的微观主体组成,这里的微观主体既可以指居民消费者——他们可以根据物价变化和收入变化等改变自己消费、储蓄行为,也可以指企业——可以根据物价、成本、市场需求变化来调整自己的生产。如果在建立预测模型时,罔顾这些微观主体应对政策和实际市场的反应,而只是机械地进行统计意义上的数量预测,其结果是非常不可靠的。统计方法成立的前提条件是历史再现,也就是过去和现在具有同样的机理才会反应出同样的经济效果,但是无论是企业还是居民甚至在面临类似经济形势下会做出不同的反应,原因当然各异,他们有学习、试错、反馈并修正的作用。所以过去有效的政策今天可能失灵,甚至有反效果。

Lucas批判的直接后果就是,宏观经济学的主流后来就完全放弃了传统的那套联立各种变量进入一个巨大的方程组,然后求解参数,得出一个描述关于宏观各变量互相变化的“伪”规律,然后再以此进行预测。

事实上,传统宏观预测模型——许多国家的央行在70年代就用来进行政策评估——试图建立价格和数量之间的相互关系,一般都是一个具有上千个变量的巨大方程组,然后交给计算机运行来得出结果。这种所谓“相互关系”,即使正确,也是一种权宜之计,因为你根本无从知道方程两边的自变量和因变量之间到底是什么关系——是不是因果关系,如果是,谁是因,谁是果,如果不是,难道有其他变量在决定两者吗?诸如以上问题,传统方法是无从给出答案。

宏观经济学必须寻求微观基础,从需求方和供给方的微观决策入手,刻画其面临各自约束的最优决策,然后再对各个微观主体的决策行为进行加总,得到所谓的总供给和总需求,然后利用市场出清的条件来求出价格、利率等影响双方的关键变量,从而决定入失业、市场工资、居民收入等内生变量。在此基础上建立起来的数量关系,虽然不能说就一定反应了各个变量之间的真实关系,但是至少可以拿来试错。

最后一句话该怎么理解?既然搞出来的东西都不知道是不是真实的,那搞个毛啊?

事实上,最理想的宏观模型是怎样的?应该是经济学家调查每家每户以及每个企业的各种决策行为,长期跟踪,建立起一家一户和各个企业的决策函数,然后由此进行加总获得总供给和总需求,然后政府以此来改变利率、税率、货币发行量等变量,看看这些微观主体的反应如何,择优而为之。

显然,以上策略不具有操作性。

更何况,如果你认为利率、税率是真实的概念的话,那么所谓总供给,总消费等这些宏观概念是否在真实世界中有明确对应呢?Who knows!

所以经济学家的策略:从一些公认的对于微观主体的假设出发,建立模型并推导出他们的决策并进行加总,然后反过来将实际数据代入其中来“凑”。如果在现有参数下能很好解释一些重要的可观测数量,比如失业率,消费占GDP比重,投资占GDP比重,实际利率等等,那么我们就认为这个模型至少能很好滴刻画了现有的经济。然后这套模型就好比是一个实验室,我们就可以来看看,假设税率提高,或者财政补贴上升,会如何。

微观基础是基于对行为主体的偏好设定上的,所以DSGE可以被用来分析政策变化的福利效应。

顾名思义,DSGE首先必须是动态的,也就是任何决策都是跨期决策,而不是静态决策。其次,是stochastic,因为在现实中微观主体都是生活在一个充满不确定性的世界里,比如技术进步,价格波动等。最后,这必须是一个general equilibrium model,也就是说,DSGE是继承了数理经济学在战后发展起来的最重要成果——一般均衡理论。

DSGE本质上是一种方法,是宏观经济学自战后在方法论上的一次重大创新。DSGE可以被不同思想学派的人用来构建反应本学派思想主张的模型(就是对微观主体的偏好、技术、约束作出你认为正确的假设),然后按照程序进行推演就是了。

Lucas所在的理性预期学派提出了著名的RBC模型,也就是real business cycle,中文通常翻译为真实周期理论。当然实际上并没有对应的所谓虚假周期理论。这里的”真实”实际是指这个模型的所有变量都是定义在真实变量而不是名义变量上的,或者更直白一点,这个模型里是木有货币的,所有的物价也好,工资也好,其度量衡就是实打实的,不存在货币可能带来的一切效应。

不假设货币的存在当然跟现实相距甚远,但是首先这样做使得模型变得简单,可控可解。其次,货币到底有啥用,本身就是一个在经济学很纠结的问题,各个学派都有自己的想法,根本无法达成统一。但大家都承认的一个事实是:货币如果是必须的,那么整个经济就是肯定不是complete market。这里就不解释什么是complete market了,简单说,就是这个世界一定存在着某些摩擦,必须靠货币的流通来解决之。所以RBC就自动假设我们处于一个complete market里。

最重要的是,尽管RBC把货币拿掉了,但是最后的结论还是可以在很大程度上保持与现实数据的吻合。这至少说明拿掉货币,没有导致模型失真。

当然,没有货币,你也无从讨论货币政策的作用——当然,反过来说,既然没有货币的模型已经可以解释世界了,那么货币政策或许大概就真没什么用吧!

这最后一句话激怒了凯恩斯的徒子徒孙们——凯恩斯主义者。凯主义者学会了DSGE这套方法后,就复兴了凯恩斯大佬的思想,这一派被称为新凯恩斯主义者。他们将一些非竞争性因素和其他摩擦加入模型,比如企业之间的垄断性竞争,工资调整具有刚性。

作者:吉祥
链接:https://www.zhihu.com/question/31412803/answer/55120028
来源:知乎
———————–
我们导师是从国内最顶尖的CGE模型转为DSGE的,有一个历史演变过程。所以我做DSGE,我可能着重谈他思想和方法上和CGE的区别和联系。
第一。DSGE和CGE对均衡的理解。CGE认为均衡是经济传导机制产生的。随机性在模型估计的扰动项,确定性是CGE主要研究的目的。而DSGE模型,认为随机性是经济事务的本质,均衡产生随机性。DSGE最关心的是事务的随机分布,研究表征这种事务的随机性是由什么不变量引起的。对应于量子物理,DSGE更多的是研究经济学里的诺特定理。用中国传统的观点,DSGE更接近于周易的哲学观点,常易而有不易,不易生简易。
举个例子,对于贫富差距问题的研究,从CGE的角度来讲,你可能需要分析贫富差距的各种传导机制,例如政府行政垄断,例如经济过于尊重出口导向,例如城乡二元结构,贫富差距问题的产生来自于你建模的传导机制。而采用DSGE研究,往往就是很简单的,假设资源是有限的,资源分布应当为负指数分布,是由于资源有限性导致的贫富不均。所以二者都有各自的优劣势。你采用CGE研究,你的模型会过分个性化,你不能准确分析到底是何种机制导致的贫富差距,以及这种机制导出的贫富差距是否依赖于你输入的模型初始值。而采用DSGE研究,你的模型会过分一般化,你能很确定的描述贫富差距问题,但是你无法确定为什么一定是城市比农村富,所以这时你建模的重点就会相应的建立在如何增加随机分布的约束条件,在资源有限的基础上,通过政府管治,使得其不再简单遵循负指数分布。从而,DSGE在研究模型传导机制时,相对于CGE模型,更具针对性,模型可扩展性也不是无限的,其模型的扩展性是可以针对模型自身发生的,并不依赖模型结果是否合理,逻辑上更自洽和简单。
第二,DSGE和CGE对于闭合的处理方式。CGE是线性方程组求解,所以CGE是必须要闭合的。充分就业。货币政策。财政支出大于财政收入。三者只能选其二。所以选什么样的闭合对模型求解会产生很多的问题。而每年的闭合可能会因不同的需求产生不同的结构。我搞国企改革,我目的就不会是充分就业,我可能需要货币政策偏积极以应对工人下岗潮。DSGE是不需要闭合的。他研究的是随机分布问题。随机分布对于不变量的要求并不需要闭合。随机分布描述的并不是一定是实空间的,通过提高维度来更好的一般化问题。一个事物,既满足总量一定,又满足增长率一定,这个事物就是满足伽马分布。贫富差距问题,穷人的增长率不变,富人的增长率也不变,则整个事物满足贝塔分布。你甚至可以通过波函数的方式来研究经济问题,把薛定谔方程引入经济建模,但是实际建模过程中还是会发现毕竟经济还是跟物理差距太大,采用复数来研究经济问题,负概率问题,负资产问题,特别多,简单的采用复数来研究经济问题意义太不明显,但是你采用十维大一统来研究,则复数位太多,未必能消除了负概率问题和负资产问题,模型还特别庞大,又有太多的不可观测量,所以最好还是沿用经济学传统。
所以对于闭合方式的理解,可以确定你选取的模型种类。如果你有很明确的信念,政府在国企改革期间,会放松充分就业要求,会采取积极的货币政策,而在国企改革结束后,会为了补偿就业,采取稳健的货币政策和积极的财政政策,那么应当直接选择闭合形式,如果只是一般化建模,则不妨三者都考虑,然后归结为DSGE模型求解。
第三,对于随机项的处理方式。CGE就是假定随机项均值为0。DSGE可以假定随机项的分布形式,不同的分布形式产生不同的确定项分布。DSGE是不需要稳态的。
第四,DSGE可以有大量的不可观测量。CGE要求解,必须已知所有初始值。DSGE只需要内生变量,从而可以更好的模拟经济现实。假设市场人人都是理性的,则我们可以推出工作的努力程度和破产率的关系。从而工作的努力程度这一变量也能引入经济学研究,只是我们将其作为状态变量。
——————————————————————————————————————————
20160216补充
第五。对于政策分析。CGE常常被用来作为政策工具,我分析一下房价下跌10%的影响。DSGE不仅能分析房价下跌10%的影响,还能分析是预期内下跌10%还是预期外下跌10%。这个问题是导师发现我的预测和CGE差太远时我改进的。我把外生冲击加在了随机项上,房价下跌对经济影响并不大。当我改为预期内下跌时,和CGE结果基本一致。另外由于CGE是需要所有数据才能做预测,所以CGE很难分析在现经济形势下叠加房价10%下跌的影响。而DSGE可以。
第六。对于确定性和随机性的理解。CGE更关心外生变量变化引起的内生变量的量的变化。外生变量选取的不同,内生变量的变化不同,所以CGE是一个确定模型导出的结果更易读,但是稳定性不够。DSGE主要研究经济的分布问题,更关心外生变量变化引起的内生变量的态的变化。对于政策研究更有针对性。还是贫富差距问题。谁贫谁富很大程度上政府可能不关心,例如对于贫富差距进行政府补贴,我肯定清楚期望会增加,总量增加了。但是我希望知道政府补贴是否会引起众数上移。如果我对四分位数以下进行补贴,是否又有新的不同。如果政策研究的目标倾向于对状态的理解,建议使用DSGE。也就是说DSGE是基于随机性建模的,但是其结果更具有稳定性。但是针对个体的易读性下降。
作者:伊芸
链接:https://www.zhihu.com/question/31412803/answer/86329339
来源:知乎

转载请注明:数据分析 » DSGE 模型的思想和方法是什么?该如何应用

喜欢 (5)or分享 (0)