1. XenForo 1.5.14 中文版——支持中文搜索!现已发布!查看详情
  2. Xenforo 爱好者讨论群:215909318 XenForo专区

DSGE 模型的思想和方法是什么?该如何应用?

本帖由 漂亮的石头2022-08-27 发布。版面名称:知乎日报

  1. 漂亮的石头

    漂亮的石头 版主 管理成员

    注册:
    2012-02-10
    帖子:
    486,020
    赞:
    46
    [​IMG] 陈伟杰,A Global Macro Guy 阅读原文

    对于这类模型,我是比较想吐槽的。

    最大问题就是——不好使。

    在学术界和央行研究部,做新凯恩斯框架的 DSGE 模型基本是标配了,不然参加国际学术会议,都不敢讲话。在宏观经济学术圈里似乎形成了鄙视链条了,建立 DSGE 已经不再是为了解决实际问题做,而是学术界的一场攀比。

    喜欢 DSGE 的学生几乎注意力都在怎么推导 NKPC,求稳定解,怎么输入 Dynare/YADA/IRIS,IRF 方程反直觉怎么调参数,用什么算法可以提高 MCMC 估计速度等。

    这些研究过程固然重要,但是由于模型太过于繁杂,把研究人员的注意力全部转到了 handle 模型上面,而对经济本身的思考时间被大大压缩,所以在这个领域里面也出现了分工,有深入 economic insight 的经济学家一般不搞模型建设,对模型有高度把控能力的经济学家一般不做经济分析。

    我基本没碰到过这两者能完美结合的经济学家。

    以前我在芬兰央行货币政策司工作时,我经常去找部门老大问宏观模型的问题,他最开始还解答我一些简单的模型问题,但后来我为了 impress 他,带去的问题难度越来越高,他也回答起来越来越吃力,因为我带去的问题都是模型技术方面的东西,不涉及太多经济学思想。他就告诉我,对模型感兴趣的话,最好去找部门里面专门做模型的团队聊这个,他对模型并不是专家,他更多是负责观察与思考经济问题,再提出具体问题交给模型团队来建模。但做模型的经济学家,我能感受到他们更多是技术性学者,对经济的看法不一定深入,也不一定有启发性,但就是建模和总结能力超强,一个经济现象,他们能很快用数学模型给“翻译”出来。

    我看到有个答案已经把 DSGE 的思想给解释得很好了,我就说下应用和其中的问题。

    DSGE 的首先能做的是“思想实验”。

    DSGE 可以做 impulse response function(IRF)的实验,比如假设给国内厂商来个成本提高的冲击,看看整个经济在这个冲击之下是怎么反应和回归均衡的,就可以通过画出 IRF 函数来看看关键变量的路径是怎样的。这就相当于一个实验装置的效果。

    调参数并且生成 IRF 的过程叫做 calibration。

    模型有时候对参数是比较敏感的,有可能全部参数都是有经济根据的,但一放入 DSGE 模型就陷入无均衡解的位置了,那为了能求解模型,只能退而求其次,用 loop 来反复试探每个参数周边的位置,看能不能一不小心碰到稳定解。

    当时芬兰央行的一位经济学家自己做了一套算法来提高求解的速度,他说这个就跟一辆飞机往地面撒米,要刚好有颗米掉到喜马拉雅山顶上的感觉,多加计算机就相当于多架飞机一起撒米,加大撒米的窗口就相当于多安装 CPU,甚至改用 GPU 来计算。

    但这个做法并无经济学思想,最后为了能求解,有些参数已经失去了应由的经济学含义,仅仅是能够跟初始条件契合,让模型仅仅沦为了一个“随机线性差纷方程组求解”,失去了应由的经济学内涵。

    我现是做货币策略的,预测货币走势是必须要做的事情,我也曾一厢情愿(闲着无聊)地试过用一群 DSGE 模型的加权 IRF 来提高预测精度,但如果真的按照 DSGE 的预测来做交易,根据 backtest,不出意外一年能 burn 掉账户 80%的 capital。

    所以业界根本不可能用这样的模型,实战作用非常差。所以因为不好用,目前也只有学术圈子在用。即使在央行那里看来,预测精度不需要求在市场赚钱那样高,但 DSGE 模型的表现也是差强人意的,预测中跟猜中没多少区别。

    然后是参数估计的应用。

    DSGE 模型的参数估计一般都是通过改写为 state space 模型来预测的,而且几乎都是用的贝叶斯估计,也就是从先验到后验的估计过程。

    参数估计方法我确实很认同,特别是 state space 模型用来估计股票,货币等报价频繁、价格发现机制快的资产还有很好的预测作用。

    但是宏观数据多久来一次啊?DSGE 为了能用上 GDP per capita 的季度数据,一期就设定为 3 个月,而且数据发布还滞后。

    如果每个季度都把新出来的数据往 DSGE 里面喂,得到的参数估计,几乎和上一期看不到任何区别。因为 DSGE 里的数据长度往往用的 10-20 年的,不算 HP filter 滤掉的,大致也 30-70 个 observation,加一个新的 observation,几乎无法影响整个走势的权重。而且贝叶斯估计里面核心部件是 Kalman filter(卡尔曼滤波),专治白噪音等无意义信号。就算经济波动了,也被模型核心部件给滤掉了,很难让央行管理层根据这个快速做决策。

    所以央行里面 DSGE 模型一年估计一次就够了,其他时间都是在改改参数,重新改一下 refine 一下模型推导等事情。

    所以在我看来,DSGE 模型目前就是一种智力挑战和学术攀比,消耗的人力财力还不小,实用性也不高。不出意外下一次经济危机也是不太可能通过 DSGE 来预测到的。

    阅读原文
     
正在加载...