+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Формирование ожиданий в моделях с гетерогенными агентами и эндогенной нормой временных предпочтений

т. 14, вып. 21, июнь 2015

PDF  PDF-версия статьи

Доступна онлайн: 11.06.2015

Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Страницы: 47-54

Серков Л.А. кандидат физико-математических наук, доцент, заведующий кафедрой прикладной информатики, Уральский институт бизнеса, Екатеринбург, Российская Федерация 
dsge2012@mail.ru

Предмет/тема. Одним из недостатков динамических стохастических моделей общего равновесия является формирование ожиданий в этих моделях репрезентативными агентами с постоянной нормой временных предпочтений, т.е. субъектами рынка, поведение которых отражает в среднем поведение индивидуальных агентов, выполняющих на рынке одинаковую функцию. Поэтому актуальным является рассмотрение процесса формирования ожиданий в моделях с гетерогенными агентами и с эндогенной нормой дисконтирования.
     Цели/задачи. Целью авторского исследования является изучение влияния эндогенной нормы временных предпочтений на динамику стохастических моделей с гетерогенными агентами с помощью алгоритма формирования ожиданий, ассоциируемого с обучением агентов методом проб и ошибок.
     Методология. С помощью математического моделирования исследовано влияние эндогенной нормы временных предпочтений на волатильность переменных в динамической стохастической модели с гетерогенными агентами и на сходимость алгоритма формирования ожиданий в этих моделях. Источником гетерогенности в исследуемой модели являются идиосинкратические шоки доходов агентов. Наряду с этими шоками агенты испытывают агрегированные технологические шоки.
     Результаты. В результате исследования получены результаты по декомпозиции дисперсии эндогенных переменных. Также проанализирована сходимость алгоритма формирования ожиданий. Показано, что наличие обратной связи для нормы временных предпочтений приводит к снижению волатильности исследуемых переменных. Кроме того, в моделях с эндогенной нормой временных предпочтений скорость схождения алгоритма формирования ожиданий значительно превышает скорость схождения алгоритма в моделях с постоянной нормой временных предпочтений.
     Выводы/значимость. Полученные результаты могут представлять интерес при анализе крупномасштабных моделей общего равновесия, являющихся одним из основных инструментов макроэкономического анализа. Вывод о механизме формирования ожиданий в моделях с гетерогенными агентами может быть полезен при эконометрическом анализе экономических систем.

Ключевые слова: гетерогенные агенты, ожидания, эндогенная норма временных предпочтений, обучение методом проб и ошибок

Список литературы:

  1. Андреев М.Ю., Поспелов И.Г. Принцип рациональных ожиданий: обзор концепций и примеры моделей. М.: ВЦ РАН, 2008. 79 с.
  2. Руденко А.П. Теория саморазвития открытых каталитических систем. М.: МГУ им. М.В. Ломоносова, 1969. 276 с.
  3. Серков Л.А. Самоорганизация ожиданий с ограниченной рациональностью как механизм саморазвития экономических систем // Экономический анализ: теория и практика. 2014. № 33. С. 49–55.
  4. Серков Л.А. Синергетические аспекты моделирования социально-экономических процессов. Екатеринбург: Институт экономики УрО РАН, 2008. 215 с.
  5. Aiyagari S. Uninsured Idiosyncratic Risk and Aggregate Saving // The Quarterly Journal of Economics. 1994. Vol. 109. № 3. P. 659–684.
  6. Clarida R., Gali J., Gertler M. Monetary Policy Rules and Macroeconomic Stability: Evidence and Some Theory // The Quarterly Journal of Economics. 2000. № 115. P. 147–180.
  7. Den Haan W.J., Rendahl P. Solving the Incomplete Markets Model with Aggregate Uncertainty Using Explicit Aggregation // Journal of Economic Dynamics and Control. 2010. № 34. P. 69–78.
  8. Evans G.W., Honkapohja S. Adaptive Learning and Monetary Policy Design // Journal of Money, Credit and Banking. 2003. № 35. P. 1045–1072.
  9. Evans G.W., Honkapohja S. Learning Dynamics // Handbook of Macroeconomics. Еd. by J.B. Taylor, M. Woodford. 1999. Vol. 1С. Elsevier-Academic Press. P. 449–542.
  10. Evans G., McGough B. Monetary policy, indeterminacy and learning // Journal of Economic Dynamics and Control. 2005. № 29. P. 1809–1840.
  11. Gali J., Monacelli T. Monetary Policy and Exchange Rate Volatility in a Small Open Economy // Review of Economic Studies. 2005. Vol. 72. № 3. P. 707–734.
  12. Huggett M. The Risk-Free Rate in Heterogeneous-Agent Incomplete-Insurance Economies // Journal of Economic Dynamics and Control. 1993. № 17. P. 953–969.
  13. Kim S., Kollmann R., Kim J. Solving the Incomplete Markets Model with Aggregate Uncertainty Using a Perturbation Method // Journal of Economic Dynamics and Control. 2010. № 34. P. 50–58.
  14. Krusell P., Smith A.A. Income and Wealth Heterogeneity in the Macroeconomy // Journal of Political Economy. 1998. № 106. P. 867–896.
  15. Krusell P., Smith A.A. Income and Wealth Heterogeneity, Portfolio Choice, and Equilibrium Asset Returns // Macroeconomic Dynamics. 1997. № 1. P. 387–422.
  16. Kydland F., Prescott E.C. Time to build and aggregate fluctuations // Econometrica, 1982. № 50. P. 1345–1370.
  17. Maliar L., Maliar S., Valli F. Solving the Incomplete Markets Model with Aggregate Uncertainty Using the Krusell – Smith Algorithm // Journal of Economic Dynamics and Control. 2010. № 34. P. 42–49.
  18. Monacelli T. Into the Mussa Puzzle: Monetary Policy Regimes and the Real Exchange Rate in a Small Open Economy // Journal of International Economics. 2004. № 62. P. 191–217.
  19. Schmitt-Grohe S. Closing Small Open Economy Models // NBER Working Paper. 2002. № 9270. P. 1–19.
  20. Schmitt-Grohe S., Uribe M. Solving dynamic general equilibrium models using a second-order approximation to the policy function // Journal of Economic Dynamics and Control. 2004. № 28. P. 755–775.
  21. Slobodyan S., Wouters R. Learning in a Medium-Scale DSGE Model with Expectations Based on Small Forecasting Models // American Economic Journal: Macroeconomics. 2012. Vol. 4. Iss. 2. P. 65–101.

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 21, вып. 9, сентябрь 2022

Другие номера журнала