第四讲动态优化（连续时间,之一）.PDF

第四讲：动态优化（连续时间，之一） 这里是最自由的课堂。既无迟到，更无早退一说。可以大声喧哗，可以戚戚私 语。但起码我们将互相尊重。 第四讲：动态优化（连续时间） 明尼苏达大学的学生通常擅长于离散时间模型，而芝加哥大学的学生则倾向于连续 时间模型。当然这也不绝对。我的论文一般使用连续时间，应为其表达式干净漂 亮。但在和恒甫合作的一篇文章里 (Journal of Monetary Economics, 1998), 我们用的 是离散时间。 离散时间的优点是比较直观，而且如果要想将理论联系实际的话，离散时间更方 便，因为绝大部分数据是离散的，比如通货膨胀率，经济增长率等都只有monthly or quarterly data. 离散时间模型最后将导致一系列差分方程组：比如在吃蛋糕的问题中，我们有： with , . 这个差分方程组很好解。但在一般情形下差分方程看上去会很乱。当然如果我们 只在乎数值解，则离散时间是很合适的。 对理论家而言，连续时间模型可能更方便。最终要解的是微分方程组。微分方程看 上去比较 neat. 不少同学可能很害怕微分方程，我在这里给大家先打点基础。 让 代表 关于时间的导数，即： 既然号称是张尧庭的学生，我就先从最简单的讲起。 首先，注意到： if , then . Namely, the growth rate of , denoted by , is . 那么，微分方程 的解是什么呢？答案是： . 注意不要忘掉 . 请问怎样解 where and are constant? 只要注意到上述方程等同于: 就知道: 另外，希望大家记住下面的一些有关增长率的公式，可大大加快你的运算速度。 If , then 推论： If , then 而且你可以验证： If , then for any parameter . 我想我们已经准备的差不多了。下面讲动态优化（连续时间 and Infinite Horizon ）。 最简单的情形： one control variable (x) and one state variable (z). 第一步：将问题标准化如下 with given. 这里， 是状态变量，限制条件(4.2)描述 怎样随时间变化。一旦控制变量 的路 径决定了，那么 的路径也就确定了；反之也然。 的含义和离散情形下的 是一样的。 称为 discount factor; 称为 the rate of time preference. 第二步：写出 Hamiltonian: H U (x ) =+λf (x;z ) +μg (x;z ) 这里， 是限制条件(4.3) 带来的拉格朗日乘子，无 （4.3 ）则无 项。 称为状态 方程 （4.2 ）的 co-state variable. 注意在写 Hamiltonian 时(4.2)的左边 并不出现。下一讲我会形式上指点一下 Hamiltonian 的来历以及其和 Lagrangian 的联系。在这里，请先“生搬硬套” 。“生搬 硬套”是学习的次低境界（恐怕比“囫囵吞枣”好点）。但它不失为一条捷径。只是 我们不能停留在这种境界。 第三步：导出一阶条件: 第四步：列出 complementary slackness conditions （如有限制条件（4.2 ）的话）: 第五步：加上 TVC: 第六步：解上述微分方程组合不等式，注意运用初始条件和 TVC. [评论] 一般来说，优化问题很少会有显示解。这时候，我们可以先计算 steady state if one exists. 然后作一局部线性逼近算出局部最优路径。当问题能归结于二维微分 方程时，可以通过 phase diagram 来对最优路径作定性描述 （如能指点如何将文字 与图放在同一篇博客中，不胜感谢）。 先看有显示解的问题。 [例题：吃蛋糕] Hamiltonian: FOCs 列出 complementary slackness conditions ：无。 TVC: 求解最优消费计划。把这作为习题。注意要明确使用 TVC