Анализ влияния нерационального поведения экономических агентов на устойчивость моделей общего равновесия с открытой экономикой

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Целью публикации является исследование влияния ограниченной рациональности агентов на устойчивость модели при одновременном сканировании спектра модельных параметров, что позволяет выявлять и анализировать области устойчивости модели в многомерном пространстве. В статье анализируется модель с открытой экономикой, в которой экономические агенты взаимодействуют с внешним миром. Оцениваются и сравниваются поведенческие модели, полученные при двух способах введения нерациональных ожиданий. Научная новизна состоит в выявлении параметров, влияющих на определенное поведение модели, и анализе изменения областей устойчивости модели с гетерогенными ожиданиями, связанными с открытостью экономики, в частности, с воздействием реального и номинального эффективного обменного курса на экономику. Предполагается, что агенты могут быть либо недальновидными с краткосрочным прогнозом, либо дальновидными прогнозистами. Разница не имеет значения, когда агенты имеют рациональные ожидания, но имеет значение, когда часть из них формирует убеждения о будущем в соответствии с некоторыми эвристиками. Байесовские оценки на данных российской экономики показывают, что поведенческая модель, основанная на краткосрочных прогнозах, точнее соответствует эмпирическим данным, по сравнению с моделью, основанной на долгосрочных прогнозах и даже по сравнению с моделью с рациональными ожиданиями агентов. Анализ устойчивости и стабильности проведен с помощью численной процедуры — отображение фильтрации Монте-Карло (MCF). MCF-анализ показывает, что наличие ограниченной рациональности агентов снижает стабильность и устойчивость моделей. Модель, основанная на предикторах долгосрочного прогнозирования, менее стабильна по сравнению с моделями краткосрочного прогнозирования и с рациональными ожиданиями агентов. Важным результатом является существенная доля областей с нестабильным поведением исследуемых моделей с гетерогенными ожиданиями агентов, в которых решения характеризуются взрывным характером. Все полученные нами результаты подтверждаются апостериорными байесовскими оценками этих параметров.

Полный текст

Доступ закрыт

Об авторах

Леонид А. Серков

Пермский национальный исследовательский политехнический университет

Email: emm@cemi.rssi.ru

Старший научный сотрудник

Остров Буве, Пермь, Комсомольский пр., 29

Сергей Сергеевич Красных

Пермский национальный исследовательский политехнический университет

Автор, ответственный за переписку.
Email: emm@cemi.rssi.ru
ORCID iD: 0000-0002-2692-5656

Младший научный сотрудник

Россия, Пермь, Комсомольский пр., 29

Список литературы

  1. Малаховская О.А. (2016). Использование моделей DSGE для прогнозирования: есть ли пер-спектива // Вопросы экономики. № 12. С. 129–146. doi: 10.32609/0042-8736-2016-12-129-146
  2. Серков Л.А., Елизаров Д.Б. (2016). Влияние непредвиденных шоков на поведение макро-экономических показателей в рамках гипотезы об адаптивном обучении агентов // Из-вестия УрГЭУ. №2 . С. 135–150.
  3. Уикенс М. (2015). Макроэкономическая теория: подход динамического общего равновесия. М.: РАНХиГС.
  4. Adam K. (2007). Optimal monetary policy with imperfect common knowledge. Journal of Mone-tary Economics, 54(2), 267–301. doi: 10.1016/j.jmoneco.2005.08.020
  5. An S., Schorfheide F. (2007). Bayesian analysis of DSGE models. Econometric Reviews, 26, 113–172. doi: 10.1080/07474930701220071
  6. Andrade P., Bihan H. le (2013). Inattentive professional forecasters. Journal of Monetary Econom-ics, 60 (8), 967–982. doi: 10.1016/j.jmoneco.2013.08.005
  7. Blanchard O., Kahn C. (1980). The solution of linear difference models under rational expecta-tions. Econometrica, 48 (5), 1305–1311. doi: 10.2307/1912186
  8. Branch W. (2004). The theory of rationally heterogeneous expectations: Evidence from survey data on inflation expectations. The Economic Journal, 114 (497), 592–621. doi: 10.1111/j.1468-0297.2004.00233.x
  9. Branch W., McGough B. (2009). A new Keynesian model with heterogeneous expectations. Jour-nal of Economic Dynamics and Control, 33 (5), 1036–1051.
  10. Burnside C. (1998). Detrending and business cycle facts: A comment. Journal of Monetary Eco-nomics, 41, 513–532.
  11. Calvo G. (1983). Staggered prices in a utility maximizing framework. Journal of Monetary Eco-nomics, 12, 383–398.
  12. Christiano L., Eichenbaum M., Evans C. (2005). Nominal rigidities and the dynamic effects of a shock to monetary policy. Journal of Political Economy, 103, 51–78.
  13. Cornea-Madeira A., Hommes C., Massaro D. (2019). Behavioral heterogeneity in U.S. inflation dynamics. Journal of Business and Economic Statistics, 37 (2), 288–300. doi: 10.1080/07350015.2017.1321548
  14. Del Negro M., Schorfheide F. (2008). Forming priors for DSGE models (and how it affects the as-sessment of nominal rigidities). Journal of Monetary Economics, 55 (7), 1191–1208.
  15. Di Bartolomeo G., Di Pietro M., Giannini B. (2016). Optimal monetary policy in a New Keynes-ian model with heterogeneous expectations. Journal of Economic Dynamics and Control, 73, 373–387. doi: 10.1016/j.jedc.2016.10.003
  16. Diks C., Weide R. van der (2005). Herding, a-synchronous updating and heterogeneity in memory in a CBS. Journal of Economic Dynamics and Control, 29 (4), 741–763.
  17. Galí J., Monacelli T. (2005). Monetary policy and exchange rate volatility in a small open econo-my. Review of Economic Studies, 3, 707–734.
  18. Gasteiger E. (2014). Heterogeneous expectations, optimal monetary policy, and the merit of policy inertia. Journal of Monetary, Credit and Banking, 46 (7), 1533–1554. doi: 10.1111/jmcb.12149
  19. Geweke J. (1999). Using simulation methods for Bayesian econometric models: Inference. Econo-metric Reviews, 18, 1–126.
  20. Gorodnichenko Y., Ng S. (2010). Estimation of DSGE models when the data are persistent. Jour-nal of Monetary Economics, 57, 325–340.
  21. Hommes C. (2021). Behavioral and experimental macroeconomics and policy analysis: A complex systems approach. Journal of Economic Literature, 1 (59), 149–219. doi: 10.1257/jel.20191434
  22. Hommes C. (2011). The heterogeneous expectations hypothesis: Some evidence from the lab. Journal of Economic Dynamics and Control, 35 (1), 1–24.
  23. Kydland F., Prescott E. (1982). Time to build and aggregate fluctuations. Econometrica, 50 (6), 1345–1370.
  24. Massaro D. (2013). Heterogeneous expectations in monetary DSGE models. Journal of Economic Dynamics and Control, 37 (3), 680–692.
  25. Muth J.F. (1961). Rational expectations and the theory of price movements. Econometrica, 29, 315–335.
  26. Preston B. (2006). Adaptive learning, forecast-based instrument rules and monetary policy. Journal of Monetary Economics, 53 (3), 507–535.
  27. Ratto M. (2008). Analysing DSGE models with global sensitivity analysis. Computational Eco-nomics, 31 (2), 115–139.
  28. Saltelli A., Tarantola C., Campolongo F., Ratto M. (2004). Sensitivity analysis in practice: A guide to assessing scientific models. Chichester: John Wiley and Sons.
  29. Sargent T., Wallace N. (1976). Rational expectation and the theory of economic policy. Journal of Monetary Economics, 2, 169–183.
  30. Sims C. (2002). Solving rational expectations models. Computational Economics, 20, 1–20.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Двумерные проекции параметров с областями детерминированности модели с рациональными ожиданиями агентов

Скачать (268KB)
3. Рис. 2. Двумерные проекции значимых параметров с областями детерминированности модели SSF

Скачать (276KB)

© Экономика и математические методы, 2023