[논문 리뷰] Uncertainty over Uncertainty in Environmental Policy Adoption: Bayesian Learning of Unpredictable Socioeconomic Costs

Matteo Basei, Giorgio Ferrari외 1명|arXiv (Cornell University)|2023. 04. 20.

Climate Change Policy and EconomicsEconomics, Econometrics and Finance인용 수 3

한 줄 요약

이 논문은 깊은 불확실성 하에서 환경 정책 수용을 위한 베이지안 학습 모델을 개발한다. 여기서 의사결정자는 오염의 확률적 사회경제적 비용의 관측되지 않는 추세를 지속적인 관찰을 통해 학습한다. 비가역적 배출 감소의 최적 시점은 비용 수준이 아니라 신뢰도가 결정적인 수준에 도달할 때를 기준으로 하는 시간에 따라 변하는 임계값 규칙으로 나타나며, 이는 비선형 적분방정식을 유일하게 풀어내어 결정된다.

ABSTRACT

The socioeconomic impact of pollution naturally comes with uncertainty due to, e.g., current new technological developments in emissions' abatement or demographic changes. On top of that, the trend of the future costs of the environmental damage is unknown: Will global warming dominate or technological advancements prevail? The truth is that we do not know which scenario will be realised and the scientific debate is still open. This paper captures those two layers of uncertainty by developing a real-options-like model in which a decision maker aims at adopting a once-and-for-all costly reduction in the current emissions rate, when the stochastic dynamics of the socioeconomic costs of pollution are subject to Brownian shocks and the drift is an unobservable random variable. By keeping track of the actual evolution of the costs, the decision maker is able to learn the unknown drift and to form a posterior dynamic belief of its true value. The resulting decision maker's timing problem boils down to a truly two-dimensional optimal stopping problem which we address via probabilistic free-boundary methods and a state-space transformation. We completely characterise the solution by showing that the optimal timing for implementing the emissions reduction policy is the first time that the learning process has become ``decisive'' enough; that is, when it exceeds a time-dependent percentage. This is given in terms of an endogenously determined threshold function, which solves uniquely a nonlinear integral equation. We numerically illustrate our results, discuss the implications of the optimal policy and also perform comparative statics to understand the role of the relevant model's parameters in the optimal policy.

연구 동기 및 목표

• 미래의 오염 사회경제적 비용이 불확실하고 그 추세가 관측되지 않을 때, 비가역적 환경 정책 수용의 최적 시기를 모델링하는 것.
• 비용 동적 변화의 부분 관측을 실옵션 프레임워크에 통합하여, 시간이 지남에 따라 오염 비용의 진정된 추세에 대한 학습을 반영하는 것.
• 정보를 더 기다리는 것과 비가역성에 따른 지연 행동의 위험 사이의 균형을 고려한 동적 의사결정 규칙을 도출하는 것.
• 비용 수준이 아니라 학습 신뢰도에 따라 최적 정지 시점을 특성화하는 이차원 최적 정지 문제를 사용하여 최적 정지 시점을 특성화하는 것.

제안 방법

• 관측되지 않는 추세를 가진 확산 과정을 따르는 오염 비용과, 베이지안 필터링을 통해 추세에 대한 신뢰를 갱신하는 이중 요인 확률 모델을 설정한다.
• 부분 정보 하에서의 최적 정지 문제를 해결하기 위해 확률적 자유경계 방법을 적용한다.
• 역동성을 단순화하고 정책 수용을 위한 최적 임계값을 도출하기 위해 상태공간 변환을 사용한다.
• 학습 신뢰도에 기반한 내생적 시간에 따라 변하는 행동 임계값을 특성화하는 비선형 적분방정식을 유도한다.
• 이토 미적분과 국소시간 분석을 활용하여 임계값 규칙의 최적성과 가치함수의 정규성을 증명한다.
• 유계성 및 연속성 가정 하에서 초과마틴게일 논증과 수렴 결과를 활용하여 해 구조의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 오염의 장기적 사회경제적 비용이 불확실하고 그 추세가 관측되지 않을 때, 정책 입안자가 한 번만 시행하는 배출 감소를 언제 시작해야 하는가?
• RQ2 오염 비용의 진정된 추세에 대한 학습 과정이 비가역적 환경 정책 수용의 최적 시기에 어떤 영향을 미치는가?
• RQ3 비용에 대한 신뢰가 확률적으로 변화하고 부분적으로만 관측될 때, 최적 정지 경계의 구조는 어떻게 되는가?
• RQ4 할인율, 변동성, 학습 속도 등의 모델 파라미터가 최적 정책 시기의 영향을 어떻게 미치는가?
• RQ5 최적 정책가 신뢰도에 따라 특성화될 수 있는가, 비용 수준만으로는 특성화되지 않는가?

주요 결과

• 최적의 정책 수용 시점은 오염 비용의 추세에 대한 의사결정자의 신뢰가 시간에 따라 변하는 임계값을 초과하는 첫 번째 시점이며, 이는 비용의 크기보다는 학습에 의한 신뢰도에 기반한다.
• 이 임계값은 자유경계 문제에서 유도된 비선형 적분방정식을 유일하게 풀어내어 결정되며, 수치적으로 해석할 수 있다.
• 가치함수는 비용 수준과 신뢰도 양 측면에서 비감소함수로서, 학습이 진행될수록 행동의 유혹력이 증가함을 반영한다.
• 최적 정지 경계는 시간에 따라 엄격히 증가하므로, 시간이 지남에 따라 기다리는 것이 점점 더 매력적이지 않음을 나타낸다. 이는 비용이 낮게 유지되어도 마찬가지다.
• 비교정적 분석 결과, 높은 변동성은 수용을 지연시키고, 더 빠른 학습은 최적 시기를 가속화한다.
• 모델은 정보를 더 기다리는 것과 비가역적 환경 피해의 위험 사이의 트레이드오프를 드러내며, 최적 행동은 오직 신뢰도가 충분히 결정적인 수준에 도달했을 때만 발생함을 보여준다.