动态随机一般均衡模型及其应用DSGE.pptVIP

Smets and Wouters模型 Smets and Wouters模型是一个中型(medium-scale) 的DSGE 模型。 模型中存在数目庞大且具有持续性的外生冲击：生产力冲击，投资冲击，风险溢价冲击，政府支出冲击，价格面成本加成冲击，工资面成本加成冲击，货币政策冲击。 模型中存在众多的市场摩擦：价格刚性，工资刚性，产能利用率缓慢调整，投资调整成本，消费习惯 货币政策采用常用的泰勒法则。 模型利用贝叶斯方法对参数予以估计。 1）消费方程： 2）投资方程： 3）托宾Q方程： 4）资本积累方程： 5）资源约束： 6）加总生产函数： 7）劳动需求： 8）价格通胀方程（新凯恩斯菲利普斯曲线NKPC）： 9）工资通胀方程： 10）货币政策 模型解释力 根据Smets and Wouters (2003, 2004, 2007) 以及Sahuc and Smets (2008)的实证结果显示, 上述模型恰当地描绘与预测了消费、投资、实际产出、实际工资、劳动供给、价格水平、短期利率等七个宏观经济变量的变化。 大型宏观计量模型、结构向量自回归模型，以及实证DSGE模型的比较 大型宏观计量模型、 结构向量自回归模型 实证DSGE模型 动态性 是 是 是 随机性 回归模型残差 结构冲击 结构冲击 模型设定 按照经济结构或理论 按照经济结构或理论 根据最优性选择 外生假定 多 少 少 政策实验（是否可信） 是（不可信） 是（可信） 是（可信） 预测 是 是 是 贝叶斯估计 第一步：假设关于结构参数的先验分布的密度函数为 ，以及动态随机一般均衡模型： 这里 是由模型中内生变量和外生状态变量组成的向量，是观测变量组成的向量， 是结构冲击向量。系数矩阵A、B和C是模型中结构参数的函数。 第二步，利用卡曼滤波算法计算状态空间解的似然值。我们把这个似然函数记为 ，这里 表示参数估计所用的样本数据。似然函数允许我们更新结构参数的先验分布。 第三步，给定具体的先验密度分布函数 ，结构参数的后验密度函数为： 贝叶斯估计 由于宏观经济的时间序列样本通常较短，在对小样本数据进行估计时，贝叶斯计量方法要优于极大似然估计方法与广义矩回归方法。 相较于GMM估计只考虑一阶条件与货币政策法则，贝叶斯估计是以系统性的方式方式(system-based) 求解以及估计DSGE 模型中所有参数。 极大似然估计通过最大化似然函数来估计参数，但是DSGE模型的似然函数通常是一个复杂的多维度矩阵形式，其中似然函数可能包含许多局部极大值，局部极小值或平面，这些问题将造成极大似然估计在参数估计上的困难，并且常常会得到不合经济直觉的参数估计值。而贝叶斯估计可以通过先验分布对于似然函数予以加权，降低不合经济直觉的参数似然值。 利用贝叶斯估计也不是全然没有缺点。通过先验分布可以得到合理的参数估计值，但是也可能造成估计上的偏误。Iskrev(2008)发现给定相同的Smets and Wouters (2003) DSGE 模型设定，不同的先验分布导致不同的参数估计值。 Smets and Wouters 模型的扩展 2013-12-02 * DSGE Smets and Wouters 模型的扩展 加入劳动力市场摩擦以解释非自愿失业的存在以及刻画生产力冲击对失业及通货膨胀的持续性影响： Blanchard and Gali (2010) 将Diamond-Mortensen-Pissarides 劳动搜寻模型引至劳动市场 Christoffel and Kuester (2008) 以及Christoffel et al. (2009) 引入劳动搜寻模型并进一步假设工人维持现有工作必须支付固定成本 Sala et al. (2008)与Gertler et al. (2008) 考虑交错名义工资谈判，假定谈判能力随时间而改变 Lechthaler et al. (2010) 假设劳动市场存在调整成本，即雇佣成本和解雇成本，用于改善一般凯恩斯DSGE无法刻画货币政策冲击下，产出与失业率的持续性反应 Blanchard and Gali (2007)，Riggi and Tancioni (2010) 进一步在实际工资刚性的假设下讨论物价稳定和产出稳定之间的关系 Smets and Wouters 模型的扩展 加入金融市场摩擦以捕捉金融市场信息不对称下货币政策对宏观经济的影响。 Christiano et al. (2010) 将银行部门加入到DSGE模型，并构建了较为完整的金融市场，利用该模型分析近期的金融危机对宏观经济的影响，发现加入金融市场摩擦