第三讲动态优化（离散时间）.PDF

第三讲：动态优化 （离散时间） 如果动态优化问题是处理离散时间with Finite Horizon, 那么解决办法与静态相同。 可是，当问题推广到 Infinite Horizon 的情形，大家需要注意 Transversality Condition (TVC). 下面我将慢慢引入 TVC 这概念及其经济含义。 考虑一个经典的吃蛋糕问题 (Cake Eating Problem) [吃蛋糕问题] 假定在时间t=0, 你拥有一只蛋糕。你准备靠它度过一生 (from t=0 to t=T). 如果你在时间t 消费 块蛋糕, 你得到的效用从时间零看等于: 这里 在 0 到 1 之间. 即你这辈子的总效用可以被表达为: 请问你应该怎样吃才能使效用极大化? [分析] 用 记录在时间 t 初始还剩下的蛋糕. 根据定义: . 限制条件可被表示为: …… …… 除了上述显性限制外，还有隐性限制： 和 for any t. 稍作思考，我们知 道这些限制中，除了 是”binding”外, 其它都是”nonbinding constraints” 。所 以我们得加上这个”binding constraint”: 现在，让我们写下Lagrangian: … … 一阶条件 (First Order Conditions or FOCs) , t=0, 1, 2, …, T , t=0, 1, 2, …, T 列出complementary slackness conditions: …… …… 下面来解上述方程及不等式。首先(3.2) 可推出 for any t, 所以(3.7)说明： , t=0, 1, 2, …, T 其次，结合(3.4)和(3.9)导出： 当T 取有限值时 （即 Finite Horizon ），(3.11) 推出 , 即死之前吃光所有的 蛋糕。当T 取无限值时（即当你长生不老）， 的自然推广似乎应当是 . 值得注意的是：虽然在吃蛋糕这个问题中，这个推广是对的，但 并非永远是正确的优化必要条件。正确的必要条件是(3.11)的自然 推广: (3.12)便是所谓的Transversality Condition (TVC) under infinite horizon. 在经济增长的模型中可能就不成立，而 TVC 则是成立的。其经 济含义我下面将有评论。 再者， （3.2 ）（3.3 ）可导出： , t=0, 1, 2, …, T 最后，利用(3.13)解 (3.10) 同时注意到 和 : t=0, 1, 2, …, T [评论] 1. 可能有同学注意到我在 前乘上了 . 这是合法的。乘的数越小，则 越大 而已。这里我们乘上了 是为了使 FOCs 看上去更整齐。 同时， 的经济 含义也很清晰： current-value shadow price, current-value marginal utility. 被称为 present value shadow price. 2. 这里， 称作 discount factor. 说明下一期消费所带来的效用从这期 来看需要打个折扣。 3. 如果将 当作资本存量(capital stock), 将 当作消费 (consumption), 则我们上 面分析的就是最简单的宏观经济模型。这里生产函数就是： . 资本 积累方程就是： . 4. 注意到 是影子价格，那么TVC