纽约联储 DSGE 模型 ： Covid 后评估

不适用。1082 JANUARY2024 纽约联储DSGE模型：Covid后评估 MarcoDelNegro|KeshavDogra|AidanGleich|PranayGundam|DonggyuLee|RamyaNallamotu|BrianPacula 纽约联储DSGE模型：Covid后评估 MarcoDelNegro,KeshavDogra,AidanGleich,PranayGundam,DonggyuLee,RamyaNallamotu,andBrianPacula 纽约联邦储备银行工作人员报告，第1082号2024年1月 https://doi.org/10.59576/sr.1082 Abstract 自2011年以来，我们记录了纽约联储动态随机一般均衡（DSGE）模型对产出和通货膨胀的实时预测表现 。我们发现DSGE的准确性与Covid之前的私人预测者相当，但此后稍差。 JEL分类:E3,E43,E44,C32,C11,C54关键词:DSGE模型,实 时预测,通货膨胀 DelNegro，Dogra，Gdam，Lee，Nallamot，Pacla：纽约联邦储备银行（电子邮件：marco。delegro@y。frb.org,eshav.dogra@y。frb.org,praay.gdam@y。frb.org,doggy.lee@y。frb.org,Ramya.allomot@y。frb.orgBria.pacla@y。frb.org).Gleich：杜克大学（电子邮件：aida。gleich@de。ed）。这篇论文在很大程度上归功于许多经济学家和助理，他们在纽约联储DSGE团队的某个时候，特别是威廉·陈、马克·吉安诺尼、史洛克·戈亚尔、阿利萨·约翰逊、伊桑·马特林、雷卡·萨法蒂和安德里亚·坦巴洛蒂。 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。纽约联储DSGE的预测不是纽约联储的官方预测，而只是对研究人员整体预测过程的投入。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/sr1082.html。 1Introduction Smets和Woters（2007）的工作隐含的承诺是提供一种结构模型，该模型可以被中央银行可靠地用于理解和预测经济发展并进行定量政策分析。包括纽约联邦储备银行（NYFed）在内的许多政策机构都遵循了这一承诺，并在其现有的模型套件中添加了DSGE。承诺是如何实现的？我们通过提供有关纽约联储DSGE模型在过去十二年中的相对预测表现的证据来解决这个问题，并将其与专业预测人员的平均预期进行比较，例如蓝筹经济指标（BCEI ）共识和经济预测师中位数调查（SPF）。我们发现，如第2节所述，纽约联储DSGE模型的预测准确性与专业预测人员的产出增长相当。就核心PCE通胀预测而言，该模型不如私人预测家准确，大部分差距出现在Covid之后。 这里考虑的时期对一个相当规范的DSGE模型提出了许多挑战，1因为它有几个前所未有的情况。这些包括从大衰退中复苏，联邦基金利率(FFR)处于零下限(ZLB)和量化宽松政策，货币政策框架的变化随着aver- 年龄通胀目标制，以及Covid危机及其后果。第3节讨论了我们如何 1纽约联储DSGE是一个中等规模的DSGE模型'alaSmetsadWoters（2007），与Berae等人一样存在金融摩擦。(1999)和Christiao等人。(2014)。该模型在DelNegro等人中进行了描述。（2015年，2020年 ）。网站https://githb。com/FRBNY-DSGE包含模型的代码和描述以及用于估计模型的数据。此信息也在在线附录中，包含所有详细信息。 为了简洁起见，在论文中被省略了。 实时解决了这些挑战，以及DSGE在预测经济方面的一些成功和许多失败。从这些失败中 ，我们了解了如何改进模型。 2纽约联储的DSGE预测表现 许多论文记录了伪DSGE模型的实时样本外预测性能（例如，DelNegro和Schorfheide，2013年，以及其中引用的文献）。尽管该文献使用实时数据来估计DSGE模型并产生预测，但结果仍然受到事后偏见的影响：可以在知道练习结果的情况下选择模型（以及参数的先验）。真正的DSGE模型的实时样本外表现：纽约联储DSGE用于计算均方根误差（RMSE）的预测从2011年开始每年为FOMC政策周期生成八次，纳入FOMC备忘录或其他内部文件，并自2014年以来在纽约联储的自由街经济学（LSE）博客上公开。2预测比较设置与蔡等人的相同。(2019)，为简洁起见，我们参考本文了解详情。比较的一个特征值得强调：用于与专业预报员进行比较的DSGE模型预测的年份总是早于相应的BCEI或SPF年份，这意味着后者相对于DSGE具有信息优势（附录中的表A-1列出了用于计算RMSE的所有年份）。在SPF的情况下，这种信息优势几乎总是等于再获得四分之一的数据（SPF是在新的BEA数据发布后立即收集的，而DSGE预测是在上次FOMC会议之前大约两到三周产生的）。 图1的左列显示了这里考虑的整个样本的RMSE， 2FOMC备忘录可在federalreserve.gov/monetarypolicy/fomc-memos.htm 样本结果的兴趣有限，因为它们包括由于大流行(2020Q2-Q3)而增长剧烈波动的两个季度，以及信息优势产生巨大后果的两个季度(例如。Procedre，BCEI在2020年4月初做出的预测与DSGE在2020年1月下旬做出的预测进行了比较）。第二栏显示了不包括这两个季度的RMSE，接下来的两栏将它们分解为Covid之前的RMSE(2011Q1-2019Q4)和Covid之后的RMSE(2020Q4-2023Q2)。 结果如下。首先，在Covid之后，经济变得更加难以预测：对于DSGE和私人预测人员来说，2020Q4后的RMSE至少是Covid之前的两倍，除了非常短的视野。这一发现对于通货膨胀来说可能并不令人惊讶，但对于产出增长来说可能不太为人所知。其次，对于产出增长，DSGE预测的准确性与the.平均值私人预测者，特别是在Covid之前的时期。回想一下，我们正在将单个模型的预测-DSGE-与预测组合的预测进行比较。众所周知,这样的组合通常比它们的单独组分更精确。在后Covid时期，DSGE在长期预测方面不如私人预测家准确 ，尽管这种准确性下降部分是由大流行季度期间的预测驱动的(见附录图A-1)，我们将在下面讨论。对于核心PCE通胀，DSGE的准确性略低于Covid之前的平均SPF-尽管其中一些差距可能归因于SPF的信息优势，这可能对通胀更重要，因为它比产出增长更持久。在Covid之后，SPF和DSGE之间的差距越来越大。 FigureA-2providestheforecasterrorstwoandsixquartersahead.Itshowsthates-speciallysixquartersahead,theDSGEandprofessionalpredictators'projectionsareoften 类似，但有两个值得注意的例外。一个是Covid之后的时期，我们接下来讨论。另一个是2010年代的前半部分，与SPF或BCEI相比，DSGE的产出预测一直更加悲观。这种悲观情绪通常是正确的，是由大衰退后的逆风驱动的(见Cocci等人。,2014)。它转化为低于2%通胀目标的通胀预测，也低于SPF预测。.离职前，这些预测结果太低了。 3Covid及其后果-纽约联储DSGE 本节通过DSGE的镜头回顾了美国经济的近代史，重点关注四个时间点。对于每个模型，我们都讨论了模型对当前事件的解释，以及其产出增长和核心PCE通胀预测的基本原理，如图2所示。我们将这些预测与SPF和FOMC经济预测摘要（SEP）的主要趋势进行比较，这些预测均在LSE帖子中发布。3 在2020年春季，我们更改了模型，以适应Covid的经济影响与标准衰退所隐含的影响不同的事实。我们引入了一组新的临时冲击（贴现率，生产率和休闲偏好冲击），其重要性（标准偏差）反映了我们的先验Covid冲击是否反映了需求或供应因素的不确定性。纳入实质性不确定性 围绕大流行影响的持续存在，我们构建了三种情景， 3图A-3显示了围绕这些预测的不确定性，以及对自然利率r*和实际FFR的预测。在本节中，我们展示了在相应的FOMC周期之前发布的SPF预测，因为它们基于与DSGE预测大致相同的信息。为了计算图1中的RMSE，我们使用一个季度后产生的SPF预测。 我们考虑的第二个时间点是2021年12月，在通胀开始大幅上升之后。6当时，SPF和SEP预计2022年将实现强劲增长，因为他们预计经济活动水平将恢复到Covid之前的趋势。DSGE更为悲观，因为它预计后Covid扩张性货币政策的效果会随着时间的推移而减弱，结果证明是更加正确的。然而，它对通货膨胀的预测虽然与SPF预测没有太大不同，但再次大失所望。7Whatwasthereasonforthemissinforecastinginflation,otherthantheadditionalshockduetotheUkrainewar?TheDSGEattributedalmostallofthesurgeininflationupuptothencost-pushsharks(seeDelNegroetal.,2022),8其对通胀的影响预计将根据历史经验下降。9一种可能性是，后Covid成本推动冲击比历史平均水平具有更持久的影响。另一种可能性是，这种代表性的代理人模型未能认识到再分配财政政策的影响。 到2022年6月，政策宽松的取消已经认真开始。为了 6反映了2020Q4以来新的FOMC货币政策策略，我们用灵活的平均通胀目标（AIT）反应函数取代了历史（估计）政策反应函数。选择其参数，以便该规则可以合理化2020年9月的承诺，即考虑到对活动和通胀的预测，将利率维持在ZLB较长一段时间（2023年初，符合当时的预期）。 Thattime.Topreventthemodelfromfront-loadtheeffectsofthispolicychange(DelNegroetal.,2023),weassumedthatAITwasonlygraduallyincorporatedbytheagentsinformingexpectations:theseareformedusingaconsumpiccombinationofpredecastundertheoldandthe (详见Chen等人，2020年和附录)。 7与SPF和DSGE不同，SEP的预测是由12月的CPI报告提供的。8从历史上看，成本推动冲击约占核心 PCE通胀差异的20％。9适应性货币政策加剧了成本推动型冲击的通胀效应，根据 模型:当FFR处于ZLB时,我们将其作为Cagliarini和Kulish(2013)中的偶尔约束约束来实施,通胀成本推动冲击意味着刺激需求的实际利率下降. 为了向模型提供有关移除的预期速度的信息,我们一直使用主要经销商调查的FFR预期作为可观察的模型.DSGE不相信“软着陆”，结果证明是错误的：该模型预测了从未实现的经济活动下降 。通货膨胀预测与SPF的预测一致，并且在SEP中心趋势之内，但再次过于乐观。 该模型认为，过去几个月的经济弹性是生产率冲击的结果，但主要是金融冲击：在货币紧缩政策下，以模型中的企业利差衡量的金融状况最终强于预期。对于评估货币政策的立场而言，这种强度转化为更高的r*，这意味着政策可能不像FFR水平所暗示的那样具有限制性。根据SPF，预