[论文解读] Changes in the Distribution of Income Volatility

Shane T. Jensen, Stephen H. Shore|ArXiv.org|Aug 7, 2008

Financial Risk and Volatility ModelingEconomics, Econometrics and Finance参考文献 21被引用 17

一句话总结

本文使用马尔可夫层次狄利克雷过程分析美国收入波动率的时变特征，发现自1970年代以来平均收入波动率的上升几乎完全由原本就被事前识别为高波动率类型的个体（主要是自雇者和风险承受力强的个体）的波动率急剧上升所驱动，而大多数其他个体的波动率则无显著变化。

ABSTRACT

Recent research has documented a significant rise in the volatility (e.g., expected squared change) of individual incomes in the U.S. since the 1970s. Existing measures of this trend abstract from individual heterogeneity, effectively estimating an increase in average volatility. We decompose this increase in average volatility and find that it is far from representative of the experience of most people: there has been no systematic rise in volatility for the vast majority of individuals. The rise in average volatility has been driven almost entirely by a sharp rise in the income volatility of those expected to have the most volatile incomes, identified ex-ante by large income changes in the past. We document that the self-employed and those who self-identify as risk-tolerant are much more likely to have such volatile incomes; these groups have experienced much larger increases in income volatility than the population at large. These results color the policy implications one might draw from the rise in average volatility. While the basic results are apparent from PSID summary statistics, providing a complete characterization of the dynamics of the volatility distribution is a methodological challenge. We resolve these difficulties with a Markovian hierarchical Dirichlet process that builds on work from the non-parametric Bayesian statistics literature.

研究动机与目标

• 调查自1970年代以来观察到的平均收入波动率上升是否反映在全体个体中的普遍增加，还是由人口中的特定子群体驱动。
• 解决在分组纵向数据下对时变、异质性收入波动率进行建模的方法论挑战。
• 检验事前具有高波动率特征的个体（基于过去收入变化）是否在时间上经历了不成比例的波动率上升。
• 评估自雇和风险承受能力在塑造收入波动率趋势分布中的作用。
• 通过识别受影响最严重的群体，评估波动率上升的福利影响。

提出的方法

• 在非参数贝叶斯框架下，采用马尔可夫层次狄利克雷过程（MHDP）先验，对时变、异质性收入波动率参数进行建模。
• 将收入动态建模为永久性冲击与暂时性冲击的组合，允许波动率（方差）在个体间及随时间变化。
• 通过数据驱动的方式将波动率参数离散分配至L个唯一值，其中L由数据推断得出，从而实现对波动率分布的非参数估计。
• 通过马尔可夫结构引入时间依赖性，建模个体在连续年份间参数变化的概率。
• 采用分层先验以建模群体层面的异质性，同时考虑面板数据中的个体聚类和时间序列依赖性。
• 使用贝叶斯推断估计波动率参数的后部分布，结果通过基于后验均值得分的加权普通最小二乘回归进行验证。

实验结果

研究问题

• RQ1 自1970年代以来收入波动率的上升是否代表了整个群体的普遍趋势，还是集中在特定子群体？
• RQ2 过去曾表现出高收入波动率的个体（事前高波动率类型）是否在时间上经历了不成比例的波动率上升？
• RQ3 自雇者和风险承受力强的个体在观察到的收入波动率上升中所占的比重有多大？
• RQ4 按收入水平、教育程度、年龄和风险承受能力划分的子群体中，永久性波动率与暂时性波动率的趋势有何差异？
• RQ5 当波动率上升集中在最具风险承受能力的个体中时，其福利影响是什么？

主要发现

• 平均收入波动率的上升几乎完全由原本就被事前识别为高波动率类型的个体的波动率急剧上升所驱动，这些个体基于其过去的收入变化被识别。
• 自雇者在整体收入波动率上升中占显著比例，其波动率上升幅度远超其他群体。
• 自评风险承受力强的个体（相对风险规避系数小于1/0.3）在永久性收入波动率上的增幅远大于非风险承受力强的个体。
• 暂时性波动率在风险承受力强与非风险承受力强个体之间的趋势无显著差异，表明波动率上升主要集中在永久性收入风险上。
• 对于收入高于中位数的个体，永久性波动率的上升幅度大于收入低于中位数的个体，尽管低收入个体在最易波动的群体中占比较高。
• 波动率分布右尾的上升趋势在各年龄组和教育水平中均存在，表明其并非局限于任何单一的人口子群体。