评估中银行的 HANK （ 汉 ）

不适用。1071 AUGUST2023 估计汉克 对于中央银行 SushantAcharya|WilliamChen|MarcoDelNegro|KeshavDogra|AidanGleich|ShlokGoyal|EthanMatlin|DonggyuLee|RecaSarfati|SikataSengupta 估算中央银行的汉克 SushantAcharya，WilliamChen，MarcoDelNegro，KeshavDogra，AidanGleich，ShlokGoyal， EthanMatlin，DonggyuLee，RecaSarfati和SikataSengupta纽约联邦储备银行工作人员报告，第1071号2023年8月https://doi.org/10.59576/sr.1071 Abstract 我们提供了一个工具包，用于基于顺序蒙特卡罗方法对异构代理（HA）新凯恩斯主义（NK）模型进行有效的在线估计。我们使用此工具包来比较著名的HANK模型Bayer等人的样本外预测准确性。(2022)，到Smets和Woters(2007，SW)的代表代理人(RA)NK模型。我们发现HANK对实际活动变量的准确性明显不如SW。特别是消费结果令人失望，因为RANK和HANK之间的主要区别在于用单个家庭的消费政策函数的汇总代替了RAEler方程，这反映了不平等。 JEL分类:C11,C32,D31,E32,E37,E52 关键词：汉克，贝叶斯推理，序贯蒙特卡罗方法 DelNegro，Dogra，Gleich，Lee，Segpta：纽约联邦储备银行（电子邮件：marco。delegro@y。frb.org,eshav.dogra@y。frb.org,doggy.lee@y。frb.org).Acharya：加拿大银行，CEPR（电子邮件：sshat。阿查里亚.eco@gmail。com).陈，Sarfati：麻省理工学院经济学(电子邮件：wyc1@mit。ed,sarfati@mit.ed） 。马特林·戈亚尔：哈佛大学。作者感谢智利中央银行第二十五届年度会议“宏观经济学中的异质性：。 他们还感谢MarkusKirchner（讨论者）的有用评论，MikkelPlagborg-Møller的有用反馈，PranayGundam ，RamyaNallamotu和BrianPacula的研究帮助，以及ChristianBayer，Benjamin和RalphLuetticke分享他们的代码，数据和结果。 本文介绍了初步的发现，并分发给经济学家和其他感兴趣的读者，以激发讨论并引起评论。本文表达的观点是作者的观点，不一定反映纽约联邦储备银行或联邦储备系统的立场。任何错误或遗漏均由作者负责。 要查看作者的披露声明，请访问https://www.newyorkfed.org/research/staff_reports/sr1071.html 。 1Introduction 中央银行对调查围绕不平等及其与货币政策的关系的问题非常感兴趣，这可以说是有充分理由的。首先，不平等已成为许多国家的核心问题。因此，重要的是要问中央银行的政策如何影响不平等。其次，即使中央银行家不关心上述问题的答案，他们也应该关心这样一个事实，即不平等会改变货币政策的传导机制，正如卡普兰等人所有力论证的那样。(2018)和Ah等人。(2018)。一些中央银行确实对这些主题表现出了兴趣（实际上，本卷所基于的会议的标题是“宏观经济学中的异质性：对货币政策的影响”），并且一些中央银行已经开始开发涉及相互作用的模型货币政策和不平等，如异质代理新凯恩斯主义(HANK)模型，遵循卡普兰等人的开创性工作。(2018)。 模型有很多用途，对于其中一些目的，模型拟合数据的能力——即从定量角度充分描述数据——非常重要，尤其是对中央银行而言。毕竟，自本世纪初以来，诸如Smets和Woters（2007，此后，SW）之类的代表性代理DSGE模型的流行很大程度上是由于这些模型的预测能力的准确性至少与以前在中央银行中使用的其他模型，例如向量自回归。即使预测不是模型的主要目的——可以说也不是DSGE模型的主要目的— —它也是一种在提供定量问题答案时检验其可靠性的方法：预测准确性赋予定量可信度。 这些考虑因素促使我们问：HANK模型的预测精度如何？就这些模型比代表性代理模型具有更现实的传播机制而言，人们希望这可以转化为更好的预测性能。对于总体消费而言尤其如此，因为SW型DSGE和HANK模型之间的主要区别在于用单个家庭的消费政策函数的汇总来代替了代表代理Eler方程，该方程确定了标准DSGE中的消费。除其他外，这些消费政策功能取决于经济中的财富分配-即不平等。这是我们所知的第一篇论文，提供了对HANK模型的样本外预测准确性的评估。 从计算的角度来看，执行样本外预测准确性练习的任务并不微不足道，因为它涉及对我们想要计算预测的几个年份的数据中的每一个一遍又一遍地估计HANK模型。具体而言，我们的预测工作从2000年第一季度开始，到2019年最后一个季度结束，共80个周期。对于每个时期，我们使用贝叶斯方法估计模型-SW和许多HANK文献使用的方法相同。 如果使用卡尔曼滤波器计算似然性，每个估计在HANK的计算方面都是非常昂贵的，因为这些模型具有非常大的状态空间，其中包括财富（在双资产HANK模型中，流动性和非流动性）在家庭中的分布。 所有越来越多的文献使用贝叶斯方法估计HANK模型(参见Wiberry，2018；Aclert等人。，2021年；拜耳等人。，2022年；和Lee，2021年等）使用代表性DSGE模型文献中遵循的标准马尔可夫链蒙特卡洛方法来从后验分布（e。Procedre，A和Schorfheide，2007)，并出现在Dyare等受欢迎的套餐中。这种方法具有两个缺点。首先，它不能自然并行化，是基于马尔可夫链的算法。其次，每个新的估计都必须从头开始 。例如，如果一个人刚刚估计了模型到2000Q1，然后只添加了四分之一的数据，那么使用马尔可夫链方法，即使后验分布可能并不完全不同，也必须重新开始马尔可夫链。 本文偏离了这一趋势，使用了一种易于并行化的蒙特卡罗方法：顺序蒙特卡罗。这种并行化使得即使在每个似然计算花费大量时间时估计模型也是可行的。这种方法还有另一个关键优势——即模型可以“在线”估计。“在线估计意味着，描述估计到2000Q1的后验分布的粒子群可以用来用一个或多个四分之一的数据开始估计，从而使其相当快。这个在线功能是什么使重复估计，因此我们的预测准确性练习，可能。2虽然这些方法并不新鲜（参见Cai等人。，2021），本文的一个贡献是解释了它们如何以及为什么对很少或没有蒙特卡洛方法背景的观众起作用。因此，本文可以作为计划估算HANK模型并将其用于常规政策分析和预测练习的中央银行研究人员的蓝图。我们还计划在GitHb上分享我们预测练习中使用的代码。 如上所述，本文的另一个贡献是提供了HANK模型的预测准确性评估。虽然已经开发了几个HANK模型 ，但我们使用Bayer等人的模型。(2022，此后，BBL)在本文中。我们这样做是因为在他们的前沿贡献中，作者特别注意他们模型的经验拟合，确保它们包括所有使SW型模型在经验上成功的冲击和摩擦。换句话说，BBL模型是最接近HANK版本的SW。然后我们问：该模型预测宏观时间序列是否比原始SW更好？不幸的是，我们初步调查的答案是否定的。对于一些系列，如通货膨胀，预测表现是相似的。对于其他系列，特别是对于消费增长，精度为。 1Auclert等人（2021）倡导的所谓序列空间雅可比方法用于求解和估计HANK模型的优势在于，它避免了与携带一组分布相关的大状态空 间问题。2本文描述的方法可以在有限信息方法的背景下使用，例如 Hagedorn等人（2018），他使用脉冲响应匹配估计了HANK模型，如Christiano等人（2005）。 HANK模型比代表性代理模型要差得多，由于上述原因，这尤其令人失望。 与SW相比，HANK模型相对较差的预测性能的原因和含义是什么？我们怀疑一个关键原因是HANK中的许多参数-即影响模型稳态的参数-仍然被校准。这不一定是HANK建模者的哲学选择；相反，这样做是因为重新计算稳态的成本极高。如果这种怀疑是正确的，这些发现对HANK感兴趣的研究人员提出了计算挑战。当然，这些发现应该被解释为对HANK模型进行更多研究的动机，而不是坚持使用代表性代理模型。不平等是我们这个时代的关键问题之一-无论HANK模型的预测性能如何。后者可以改进的事实是对进一步努力的刺激，特别是来自希望将这些模型用于定量目的的中央银行研究人员的刺激。 在本文的其余部分中，第2节介绍了BBL的模型和解决方案，以使论文独立，第3节介绍了用于执行预测练习的顺序蒙特卡罗算法和在线估计方法，第4节讨论了结果，第5节得出结论。 2模型 本文采用了BBL开发的HANK模型，该模型增强了标准的新凯恩斯主义DSGE模型，例如SW或Christiao等人提出的模型。(2005)，具有异质代理和不完全市场。该模型结合了DSGE模型中使用的标准冲击和摩擦。此外，它还能够再现文献中认为重要的家庭异质性的显着特征，例如异质性财富和收入构成以及富裕的手工家庭的存在。BBL表明，当模型在聚合数据上估计时，它可以再现聚合数据以及观察到的U的商业周期动态S.不平等。由于该模型完全取自BBL，我们将在下面仅提供模型环境的简要描述，以便使论文自包含。3. 3我们使用的模型版本https://github.com/BASEforHANK/HANK_BusinessCycleAndInequality截至2022年6月，当我们开始这个项目时。正如Bayer等人（2022）所述，该模型的最新版本有两个次要 与本文采用的模型不同。首先，该模型的最新版本对流动资产收益有不同的表述。具体来说，BBL假设企业家将债权出售给一部分利润作为流通股，流动资产收益是政府债券利息和这些股份收益的加权平均数，由利润支出和已实现的资本收益组成。此外，BBL假设随时间变化的收入风险对产出增长作出反应，这使得收入风险要么是顺周期的，要么是反周期的。这些修改使BBL能够更好地解释不平等序列及其模型的收入风险估计 。 2.1家庭 存在一个单位质量的无限生活家庭，由i，最大限度地提高他们的生命周期效用 Σ∞t E0βu(cit,nit|hit),(1) t=0 it whereβ表示贴现因子，cit表示消费，并且nit表示工作时间。瞬时效用函数u(·)遵循格林伍德等人(1988) u(cit,nit|hit) x1−ξ−11−ξ ,xit=cit−h1−¯ 1+γ n Pit it 1+γ ,(2) whereτ¯P是税收累进的稳态水平，ζ是相对风险厌恶系数，γ是 Frisch弹性的倒数，以及hit是特殊的劳动生产率。有两种类型的家庭:˜ it 工人(hit=0)和企业家(hit=0）。特质生产率hit=∫ h expρh日志˜it−1+ϵh概it率为1−ζ如果hit−1= 演变如下： itdi ˜it=  1有概率ι如果hit−1, 0其他. (3) 上面的等式意味着工人成为企业家的可能性ζ或者继续成为概率为1的工人−ζ。当工人时，劳动生产率 hit根据一个 具有自相关系数的日志中的AR（1）过程ρh.Thesharpsϵhit是正态分布的 方差σ2 。这种差异随着时间的推移而变化，根据过程 h, σ 2=2exp(ˆt),(4) h, th ˆt+1ρsˆt+ϵσ, t 在哪里的冲击ϵσ遵循零均值和标准差的正态分布σs. t (5) 工人赚取工资收入wthitnit,wherewt是工会支付给家庭的实际工资。此外，工会的租金ΠU在工人中平均分配。企业家成为工人 t 与概率ι或者以1的概率保持他们的企业家身份−ι。当企业家成为工人时，他们的生产力就变成了。企业家