NBER美国国民经济研究局-NBER-Global-v.-Local-Methods-in-the-Analysis-of-Open_74页_3mb

报告摘要

总结：Global v. Local Methods in the Analysis of Open-Economy Models with Incomplete Markets

核心内容

本文探讨了在不完全市场条件下分析开放经济模型时，全局方法（Global Methods）与局部方法（Local Methods）之间的差异。作者比较了四种局部方法（一阶近似、二阶近似、风险稳态方法、DynareOBC）与一种全局方法（固定点迭代法，FiPIt）在时间域和频率域中的表现，以评估其在捕捉经济模型中关键变量动态方面的准确性。

主要观点

方法对比背景
- 在不完全市场模型中，外部财富（NFA）的动态通常无法通过解析方法得到，因此需要依赖数值方法进行分析。
- 全局方法直接求解非线性决策规则和财富的长期分布，而局部方法则通过引入“稳态诱导”假设，将模型近似为确定性稳态，以简化计算。
局部方法的局限性
- 局部方法依赖于人为设定的稳态诱导假设（如DEIR函数），这些假设可能对数值结果产生非预期影响。
- 一阶近似（1OA）方法保留了确定性等价性，但忽视了预防性储蓄；二阶近似（2OA）和风险稳态（RSS）方法虽然能更好地捕捉非线性动态，但其结果依赖于对$\psi$参数的校准，可能产生偏差。
全局方法的优势
- 全局方法在原模型中求解，能够更准确地捕捉NFA的动态和经济变量的统计矩。
- 全局方法下的NFA自相关性通常接近单位根，表明其高度持久性，而局部方法可能高估或低估这种自相关性。
关键变量差异
- 在NFA、净出口（NX）和消费的自相关性方面，全局方法与局部方法存在显著差异。
- 全局方法能更准确地反映NFA的长期均值和波动性，而局部方法在这些方面表现较差，尤其在预防性储蓄的量化方面。
频率域分析
- 全局方法与局部方法在频率域中的表现也不同，局部方法高估低频波动对NFA和NX的影响，而全局方法更准确地反映了实际波动结构。
- 对于消费波动，局部方法仍然低估高频波动的影响。
DynareOBC方法的局限性
- DynareOBC方法虽然基于局部近似，但引入了“内生新闻冲击”，这可能忽略预防性储蓄和风险溢价。
- 在不完全市场模型中，DynareOBC方法低估了信用约束的紧度及其对金融溢价和宏观反应的影响。

关键信息

模型类型：研究涉及三种开放经济模型：恩赐经济模型（Endowment Economy）、实际商业周期模型（RBC）、突发停止模型（Sudden Stops, SS）。
方法比较：
- 局部方法包括一阶近似（1OA）、二阶近似（2OA）、风险稳态（RSS）和DynareOBC。
- 全局方法采用固定点迭代（FiPIt）算法，能够准确捕捉NFA的动态和经济变量的统计矩。
参数$\psi$：
- 在局部方法中，$\psi$是DEIR函数的关键参数，通常设置为0.001，但在某些情况下需要校准以匹配全局方法的NFA自相关性。
- 针对不同模型，$\psi$的最优值差异较大，例如在恩赐经济模型中，$\psi$需提高至0.0469或0.0063。
经济变量表现：
- NFA的长期均值、自相关性和波动性在全局与局部方法之间存在显著差异。
- 在SS模型中，全局方法更准确地捕捉了信用约束对宏观变量（如消费、投资、产出）的影响。
方法选择建议：
- 全局方法在大多数情况下更准确，但受维度诅咒影响，计算成本较高。
- 局部方法在大模型中更实用，但需谨慎使用，特别是$\psi$参数的设置可能影响结果。
- 一阶近似方法在某些情况下是更优选择，因其计算速度快且结果接近确定性等价。

结论

全局方法在捕捉不完全市场模型中的关键经济动态方面表现更优，尤其是在NFA、NX和消费的自相关性及长期均值方面。
局部方法在大模型中更实用，但其结果可能因$\psi$的设置而存在偏差。
一阶近似方法在某些情况下是可行的，但会忽略预防性储蓄的影响。
本文建议在可能的情况下优先使用全局方法，除非受计算限制，否则应谨慎使用局部方法。

表格总结

表1：包含61篇论文，显示局部方法和全局方法在开放经济模型中的使用情况。1OA是最常用的局部方法，DEIR是最常用的稳态诱导假设。
表2：列出8个政策机构使用的模型，均采用1OA方法，其中5个使用DEIR。

方法差异总结

方法	优点	缺点
全局方法	准确捕捉NFA动态，无需稳态诱导假设	计算成本高，受维度诅咒限制
局部方法	计算速度快，适用于大模型	需要稳态诱导假设，可能影响结果准确性
1OA方法	计算快，结果接近确定性等价	忽略预防性储蓄，低估NX自相关性
2OA方法	捕捉非线性动态	结果依赖$\psi$校准，可能高估NFA均值
RSS方法	捕捉风险稳态	结果依赖$\psi$校准，可能低估NFA均值
DynareOBC方法	引入内生新闻冲击	忽略预防性储蓄和风险溢价，低估信用约束影响