[論文レビュー] Simple Models and Biased Forecasts

Pooya Molavi|arXiv (Cornell University)|Feb 14, 2022

Economic theories and models被引用数 5

ひとこと要約

本稿では、エージェントが経済変数を予測するために、単純で低次元の状態空間モデル（時間的複雑性 $d$ で制限される）を用いるフレームワークを提案する。これにより、期待の系統的バイアスが生じる。エージェントがデータの最も持続的な成分にのみ注目することで、一時的ショックへの反応が鈍くなり、将来志向的意思決定における持続性と一致性が増加する。これは、便宜的な摩擦を導入せずに観察されるマクロ経済ダイナミクスを簡潔に説明するものである。

ABSTRACT

This paper proposes a framework in which agents are constrained to use simple models to forecast economic variables and characterizes the resulting biases. It considers agents who can only entertain state-space models with no more than d states, where d measures the intertemporal complexity of a model. Agents are boundedly rational in that they can only consider models that are too simple to capture the true process, yet they use the best model among those considered. Using simple models adds persistence to forward-looking decisions and increases the comovement among them. This mechanism narrows the gap between business-cycle theory and data. In a new neoclassical synthesis model, the assumption that agents use simple models fits the data much better than the rational-expectations hypothesis. Moreover, simple models simultaneously resolve the Barro-King and forward guidance puzzles while improving the propagation of TFP shocks.

研究の動機と目的

• マクロ経済モデルの予測と実証的データとの間の持続的格差、特に集計変数における持続性と一致性の問題を解消すること。
• 推定や情報処理の誤りとしての制限的合理性を扱うのでなく、時間的複雑性（$d$次元の状態空間表現で測定される）に制限を設けること。
• 単純なモデルを使用するエージェントが、持続性の低いダイナミクスを系統的に誤認し、マクロ経済結果に影響を与える予測バイアスを生じることを示すこと。
• これらのバイアスが、ニューリーマン、RBC、DMPの3つの代表的マクロモデルにおいて、理論的予測とデータを一致させられることを示すこと。
• $d$ を超える余分な自由度を追加せずに、線形不変性を保ち、計算的に軽量なフレームワークを提供すること。

提案手法

• エージェントは、$d$次元の線形・ガウス型状態空間表現を持つ確率過程のみを使用することを制限される。ここで $d$ は時間的複雑性を測る。
• 真のデータ生成過程からのカルバック・ライブラー距離の最小化により、モデル制約下での統計的最適性を保証する。
• フレームワークは線形不変性の性質をもたらす：期待は観測可能な変数間の線形イントレターミナル関係を尊重し、取り扱いやすくなる。
• 均衡は固定点として特徴づけられる：エージェントの予測モデルは、真のプロセスの擬似真実の状態近似でなければならない。この近似が、エージェントの行動を決定する。
• 予測係数とモデルパラメータの整合的値を求めるために、非線形方程式系（例：(G.18)–(G.23)）を数値的に解く。
• 単純なモデルの予測構造を、ニューリーマン、RBC、DMPの3つのマクロモデルの均衡条件に埋め込むことで、この手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 エージェントが単純で低次元のモデルのみを使用する制限を受ける場合、彼らの予測は合理的期待とどのように乖離するか？
• RQ2 その結果生じる予測バイアスが、特に持続性と一致性に関して、マクロ経済的影響をどのようにもたらすか？
• RQ3 モデルの複雑性に基づく制限的合理性が、追加の補助的摩擦を導入せずに、集計ダイナミクスにおける観察された経験則を説明できるか？
• RQ4 ニューリーマンモデルにおける単純なモデルの使用が、金融政策の効力にどのように影響を与えるか？
• RQ5 このフレームワークは、内生変数のショックに対する反応を変更することで、RBCおよびDMPモデルの実証的適合性をどの程度向上させられるか？

主な発見

• ニューリーマンモデルでは、エージェントの予測が一時的成分に反応しないため、フォワード・ガイドランスの効力が低下し、政策の約束の効果が薄れる。
• RBCモデルでは、エージェントが持続的成分に注目するため、生産性ショックへの消費の反応が鈍くなり、集計行動における観察される持続性が増加する。
• DMPモデルでは、単純なモデルの導入により、内部的伝播が強化され、雇用と離職のショックの間でより強い一致性が生じ、実証データとより一致するようになる。
• このフレームワークは、すべてのモデルにおいて、最も持続的な状態変数に将来志向的意思決定を固定することで、持続性と一致性を普遍的に高める。
• この改善は、$d$ を超える新しい摩擦や自由度を追加せずに達成され、計算的取り扱いやすさを維持する。
• 数値的解法により、エージェントの擬似真実モデルが予測モデルと一致する制限付き合理的期待均衡の存在が確認され、固定点構成の妥当性が裏付けられる。