動態隨機一般均衡模型
出自 MBA智库百科(https://wiki.mbalib.com/)
動態隨機一般均衡模型(Dynamic Stochastic General Equilibrium，簡稱DSGE模型)
目錄 |
所謂動態隨機一般均衡模型，顧名思義就是指該模型具有三大特征。“動態”指經濟個體考慮的是跨期最優選擇(Intertemporal Optimal Choice)。因此，模型得以探討經濟體系中各變數如何隨時間變化而變化的動態性質。“隨機”則指經濟體系受到各種不同的外生隨機衝擊所影響。舉例來說，可能的衝擊有：技術性衝擊(Technology Shock)、貨幣政策衝擊(Monetary Shock)或是偏好衝擊(Preference Shock)等。“一般均衡”意指巨集觀經濟體系中，消費者、廠商、政府與中央銀行等每一個市場參與者，在根據其偏好及對未來的預期下，所作出最優選擇的總和。[1]
動態隨機一般均衡模型的優點[1]
總體來說，DSGE模型主要有以下三個優點：
(1)可以避免盧卡斯批判，使得政策實驗具有現實意義；
(2)通過衝擊反應函數，可以讓經濟體系各個外生衝擊的動態傳導過程透明化，進而瞭解不同的衝擊(尤其是貨幣政策衝擊)對於經濟體系的動態影響；
(3)模型以一致(Coherent)的方式呈現，所有的經濟個體都根據偏好作出最優決策，而沒有任何任意或武斷的設定。
DSGE模型有兩大學派，一個是真實經濟周期模型(Real Business Cycle，RBCMode1)學派，另一個則是新凱恩斯DSGE模型(NewKeynesianDSGEMode1)學派。事實上，DSGE模型的前身為真實經濟周期模型，該模型始於BrockandMirmanf1972)。在他們的研究中，最早將隨機衝擊的概念引入新古典最優增長模型(NeoclassicalOptimizingGrowthMad—e1)。其後，KydlandandPrescott(1982)將該概念引入真實經濟周期理論的研究。在最初的真實經濟周期模型中，有其特點：(1)考慮跨期最優選擇與一般均衡；(2)理性預期；(3)假設完全競爭市場，價格可以完全調整，市場供給與需求隨時出清(MarketClear—ing)，從而達到均衡。其中第(3)個特點顯示出真實經濟周期模型具有十足的“古典性格”
動態隨機一般均衡模型的估計方法[2]
由經濟主體優化行為得到的行為方程及各個均衡條件所構成的DSGE模型並不能直接用於數據以得到模型參數的估計值，因為大多行為方程都是非線性的。因此，通常要在模型變數穩態值處將其進行泰勒展開，以得到線h生化的DSGE模型。
1、校準法
校準法的主導思想是通過使模型的理論矩儘可能與觀測數據一致而得到DSGE模型參數的校準值，即根據經驗研究來確定模型的參數，進而對實際經濟進行經驗型模擬研究。DSGE模型的先驅Kydland&Prescott(1982)就採用了校準的方法。由於校準法的矩估計具有較強的穩健性，且研究者可以更多的關註DSGE模型的數據特征，因此Yun(1996)，Gali(2000)，Kollmann(2002)，陳昆亭、龔六堂(2006)，Blanchardy&Gali(2006)，Horvath(2009)等的研究中都採用了該方法。
儘管校準法具有顯著的優勢，但由於缺乏堅實的理論基礎，並且個別參數的校準未必準確，而極大似然和貝葉斯方法可以提供觀測數據的完全信息，從而較多的文獻採用了這兩種方法來估計DSGE模型的結構參數。
2、極大似然估計
極大似然估計法的操作分四步：首先，將線性理眭預期的DS—GE模型用其前定變數表示為縮寫狀態方程形式；其次，用觀測方程將前定狀態變數與觀測變數聯繫起來；再次，用Kallmann濾波得到關於模型參數的似然函數；最後，最大化該似然函數得到模型參數的估計值。運用極大似然方法估計DSGE模型的文獻有：Ireland(1997，2001)，Kim(2000)，Dib(2006)，Chris—tensen&Dib(2008)，Chungeta1．(2007)，李松華(2009b)等。
3、貝葉斯估計
貝葉斯方法則是結合似然函數和模型參數的先驗分佈(prior distribution)得到後驗分佈的密度函數，通過將該後驗分佈關於模型參數直接最小化或採用蒙特卡洛馬爾科夫鏈(MCMC)抽樣方法加以最優化即可得到DSGE模型結構參數的估計值。這方面的文獻有Smets&Wouters(2003)，Sugo&Ueda(2008)，Rattoeta1．(2009)，李松華(2009a)等。
由於受可得觀測數據個數的限制，DSGE模型中的參數不可能全部通過估計得到，部分結構參數需要校準得到。因此，無論是極大似然估計還是貝葉斯估計都結合了部分參數採用校準的方法來估計DSGE模型。
