Oczekiwania a polityka pieniężna | Expectations and monetary policy

Info: 

Celem tego projektu jest wprowadzenie do modelu DSGE nowego paradygmatu uczenia się, tzw. uczenia statystycznego (w odróżnieniu od funkcjonujących już w literaturze uczenia się adaptacyjnego oraz Bayesowskiego). Skonstruujemy skonstruowanie dynamicznego stochastycznego modelu równowagi ogólnej z endogenicznymi oczekiwaniami i statystycznym uczeniem. Model zostanie użyty do wskazania, że taki wzorzec zachowań agentów w modelu pozwala wytłumaczyć skalę Wielkiej Recesji z lat 2008-2010.Po włączeniu tego mechanizmu do modelowania makroekonomicznego możliwe stanie się także ustalenie, czy i w jaki sposób niepewność dotycząca gospodarki (zarówno w odniesieniu do obecnego i przyszłego jej stanu oraz polityki gospodarczej) wpływa na skuteczność prowadzonej polityki makroekonomicznej. Wskazuje to, że skuteczność niekonwencjonalnej polityki pieniężnej (luzowania ilościowego lub forward guidance) jest uzależniona od oczekiwań w sektorze prywatnym.

 

In this project we aim to contribute to the literature about role of economic uncertainty and agents’ learning. Most macroeconomic models rely on an assumption that agents know the nature of the economic processes. Following recent developments in the field, we will construct a model where agents learn. Indeed, learning is at the core of the macroeconomic models of the financial crisis. Without learning one cannot explain asset price booms and busts or persistence of (some) recessions. Our first main contribution is to address the issue of size by introducing a more thorough treatment of learning. Hence we will show that households’ and firms' beliefs explain the severity of the Great Recession. With this step set, we will seek to introduce a new feature of this class of models: the uncertainty about current and future policy. The main reason to introduce such innovation to macroeconomic models is that it will permit an analysis of effectiveness for many unconventional monetary policies. In particular, we will verify that the effectiveness of unconventional monetary policies (quantitative easing or forward guidance) depends on the expectations of private sectors.

Budget: 

Źródło finansowania | Financing: Narodowe Centrum Nauki, OPUS 12

Projekt realizowany | Timeline: 02/2017 -- 02/2020

Kierownik | Principal Investigator: Jacek Suda

Budżet łączny | Total budget: 299 854 zł

  • wynagrodzenia dla podstawowych wykonawców | compensation to researchers: 126 000 zł
  • stypendia dla młodych badaczy | scholarships for young scholars: 64 800 zł
  • komputery i oprogramowanie | hardware and software: 24 640 zł
  • konferencje i inne wyjazdy | conference travels: 23 100 zł
  • materiały i usługi obce | usables and outsourced services: 15 444 zł
  • koszty pośrednie dla FAME | overheads for FAME: 45 868 zł
Purpose: 

Oczekiwane efekty

W kategoriach modelu oczekiwań, zmiana subiektywnego rozkładu prawdopodobieństwa jest efektem realizacji szoków, tj, zmiennych egzogenicznych, i obserwowanych realizacji zmiennych endogenicznych. Projekt umożliwi zbadanie czy obserowowany w latach 1995-2007 wzrost w dostępie do kredytu i, będący jego efektem, wzrost cen na rynku nieruchomości mógł doprowadzić do nadmiernego optimizmu gospodarstw domowych w kontekście kontynuacji tych wzrostów. Ponadto, uwzględnienie w modelu uczenia się statystycznego pozwoli na określić rolę tego procesu zaróno w powstaniu jak i skali Wielkiej Recesji z lat 2008-2010.

Następnie, ponieważ oczekiwania podmiotów ekonomicznych wywierają istotny wpływ na skuteczność polityki gopodarczej, projekt ten rzuca światło na to, jak projektować, komunikować i wdrażać nowe narzędzia polityki pieniężnej. W szczególności, projekt pozwoli ocenić czy skuteczność niekonwencjonalnej polityki pieniężnej (luzowania ilościowego lub forward guidance) jest uzależniona od oczekiwań w sektorze prywatnym.

Metodyka

Aby zweryfikować postawione hipotezy, konstruuję model teoretyczny łączący obserwacje zarówno teorii innowacji wertykalnych (jakościowych), jak i horyzontalnych (produktowych). Model opiera się na monopolistycznej konkurencji heterogenicznych firm w otoczeniu stochastycznym, konkurujących jakością swoich produktów i liczących się z wejściem na rynek nowych konkurentów. O ile model deterministyczny ma rozwiązanie analitycznie, wersję stochastyczną należy rozwiązać poprzez znalezienie funkcji polityki poszczególnych firm za pomocą iteracji funkcji wartości, a następnie poprzez iterację zagregowanych rozwiązań metodą Gaussa-Seidla do osiągnięcia zbieżności. Zagregowane funkcje polityki zostają następnie ujęte w model typu DSGE, aby zanalizować efekty dobrobytowe w stochastycznym otoczeniu. Model jest skalibrowany na podstawie rocznych danych z opracowywanej przez U.S. Census Bureau bazy Longitudinal Research Database oraz danych kwartalnych z U.S. Bureau of Labor Statistics. Kalibracja ta pozwala na dobrobytową ocenę różnych polityk i otoczeń instytucjonalnych w gospodarce amerykańskiej. Sam model może być z powodzeniem użyty do analizy innych gospodarek, w tym polskiej, czym zajmie się stosowana część badania.


Intended contribution

In this project we relax the assumptions of rational expectations. Instead, agents have subjective beliefs about the distribution of endogenous and exogenous variables and learn as the new data become avalaible: if existing beliefs are “shattered” due to, for example, structural break or Black Swan, agents have to learn from the beginning with their new priors. A sequence of positive shocks will lead agents to be (overly, relative to the true data generating process) optimistic about the future realizations of that process. Whether or not households, firms, or policy-makers relied on a decent approximation of the “true” probability distribution prior to the 2007-08 financial collapse is a key question to address if one is to understand the Great Recession. This project will determine if, and to what extent, households’ and firms' beliefs can explain the severity of the Great Recession.

Moreover, since agents' behavior will depend (except in the most trivial cases) on expectations, to determine the effects of alternative governmental policies need to consider how expectations are endogenously influenced by one policy or another. This project sheds light on how to design, communicate and implement new policy.

Methods

In order to verify the hypotheses, I construct a theoretical model of endogenous growth, integrating insights both from the vertical and horizontal innovations theory, allowing for the heterogeneity between firms competing monopolistically in a stochastic environment with quality of their products, constantly facing the potential threat of new entrants.

This dynamic setup is then solved numerically by finding the optimal policy functions of the firms using the value function iteration method. The individual solutions are then aggregated and reconciled using the Gauss-Seidel iterative algorithm. The solutions are then employed in a DSGE model that enables us to analyse welfare effects in a stochastic environment. The model is then calibrated by using the annual data from U.S. Census Bureau’s Longitudinal Research Database and quarterly data from U.S. Bureau of Labor Statistics. This allows for conducting a welfare comparison between different institutional settings and policy scenarios. This part of the research will provide the quantitative measures only for the U.S. economy. Moreover, the model can be readily employed in analysing other economies, including the Polish one, which will be the focus of the applied part of the project.

 

Opublikowane | Published

  • Learning leverage shocks and the Great Recession ( )

    This paper develops a simple business-cycle model in which financial shocks have large macroeconomic effects when private agents are gradually learning their economic environment. When agents update their beliefs about the unobserved process driving financial shocks to the leverage ratio, the responses of output and other aggregates under adaptive learning are significantly larger than under rational expectations. In our benchmark case calibrated using US data on leverage, debt-to-GDP and land value-to-GDP ratios for 1996Q1-2008Q4, learning amplifies leverage shocks by a factor of about three, relative to rational expectations. When fed with the actual leverage innovations, the learning model predicts the correct magnitude for the Great Recession, while its rational expectations counterpart predicts a counter-factual expansion. In addition, we show that procyclical leverage reinforces the impact of learning and, accordingly, that macro-prudential policies enforcing countercyclical leverage dampen the effects of leverage shocks. Finally, we illustrate how learning with a misspecified model that ignores real/financial linkages also contributes to magnify financial shocks.

    Patrick
    Pintus
    Jacek
    Suda