Макроэкономическая модель – это аналитический инструмент, предназначенный для описания функционирования проблем экономики страны или региона. Эти модели обычно предназначены для изучения сравнительной статики и динамики совокупных величин , таких как общий объем произведенных товаров и услуг, общий полученный доход, уровень использования производственных ресурсов и уровень цен .
Макроэкономические модели могут быть логическими, математическими и/или вычислительными; разные типы макроэкономических моделей служат разным целям и имеют разные преимущества и недостатки. [1] Макроэкономические модели могут использоваться для разъяснения и иллюстрации основных теоретических принципов; их можно использовать для проверки, сравнения и количественной оценки различных макроэкономических теорий; они могут использоваться для создания сценариев «что, если» (обычно для прогнозирования последствий изменений в денежно-кредитной , налогово-бюджетной или другой макроэкономической политике); и их можно использовать для составления экономических прогнозов . Таким образом, макроэкономические модели широко используются в академических кругах при обучении и исследованиях, а также широко используются международными организациями, национальными правительствами и более крупными корпорациями, а также экономическими консультантами и аналитическими центрами .
Простые описания макроэкономики из учебников, включающие небольшое количество уравнений или диаграмм, часто называют «моделями». Примеры включают модель IS-LM и модель Манделла -Флеминга кейнсианской макроэкономики, а также модель Солоу неоклассической теории роста . Эти модели имеют ряд общих особенностей. Они основаны на нескольких уравнениях с несколькими переменными, которые часто можно объяснить с помощью простых диаграмм. [2] Многие из этих моделей являются статическими , но некоторые являются динамическими , описывающими экономику на протяжении многих периодов времени. Переменные, которые появляются в этих моделях, часто представляют собой макроэкономические агрегаты (такие как ВВП или общая занятость ), а не переменные индивидуального выбора, и хотя уравнения, связывающие эти переменные, предназначены для описания экономических решений, они обычно не выводятся напрямую путем агрегирования моделей индивидуального выбора. выбор. Они достаточно просты, чтобы их можно было использовать в качестве иллюстрации теоретических положений при вводном объяснении макроэкономических идей; но поэтому количественное применение к прогнозированию, тестированию или оценке политики обычно невозможно без существенного расширения структуры модели.
В 1940-х и 1950-х годах, когда правительства начали собирать данные о национальном доходе и учете продуктов , экономисты приступили к построению количественных моделей для описания динамики, наблюдаемой в данных. [3] Эти модели оценивали отношения между различными макроэкономическими переменными с использованием (в основном линейного) анализа временных рядов . Как и более простые теоретические модели, эти эмпирические модели описывали отношения между совокупными величинами, но многие из них касались гораздо более тонкого уровня детализации (например, изучение отношений между выпуском, занятостью, инвестициями и другими переменными во многих различных отраслях). Таким образом, эти модели стали включать сотни или тысячи уравнений, описывающих эволюцию сотен или тысяч цен и количеств с течением времени, что сделало компьютеры незаменимыми для их решения. Хотя выбор переменных для включения в каждое уравнение частично определялся экономической теорией (например, включение прошлых доходов в качестве определяющего фактора потребления, как предполагает теория адаптивных ожиданий ), включение переменных в основном определялось на чисто эмпирических основаниях. [4]
Голландский экономист Ян Тинберген разработал первую комплексную национальную модель, которую он построил для Нидерландов в 1936 году. Позже он применил ту же структуру моделирования к экономикам Соединенных Штатов и Соединенного Королевства . [3] Первая глобальная макроэкономическая модель, проект LINK Wharton Econometric Forecasting Associates , была инициирована Лоуренсом Кляйном . Модель была упомянута в 1980 году, когда Кляйн, как и Тинберген до него, получил Нобелевскую премию . Крупномасштабные эмпирические модели этого типа, включая модель Уортона, все еще используются сегодня, особенно в целях прогнозирования. [5] [6] [7]
Эконометрические исследования первой половины 20-го века показали отрицательную корреляцию между инфляцией и безработицей, названную кривой Филлипса . [8] Эмпирические модели макроэкономического прогнозирования, основанные примерно на тех же данных, имели аналогичные последствия: они предполагали, что безработица может быть постоянно снижена за счет постоянного увеличения инфляции. Однако в 1968 году Милтон Фридман [9] и Эдмунд Фелпс [10] утверждали, что этот очевидный компромисс был иллюзорным. Они утверждали, что историческая связь между инфляцией и безработицей обусловлена тем фактом, что прошлые инфляционные эпизоды были во многом неожиданными. Они утверждали, что если монетарные власти постоянно повышают уровень инфляции, рабочие и фирмы в конечном итоге поймут это, и в этот момент экономика вернется к прежнему, более высокому уровню безработицы, но теперь с более высокой инфляцией. Стагфляция 1970-х годов, похоже, подтвердила их предсказания. [11]
В 1976 году Роберт Лукас-младший опубликовал влиятельную статью, в которой утверждал, что провал кривой Филлипса в 1970-х годах был лишь одним примером общей проблемы с эмпирическими моделями прогнозирования. [12] [13] Он отметил, что такие модели основаны на наблюдаемых отношениях между различными макроэкономическими величинами с течением времени, и что эти отношения различаются в зависимости от того, какой режим макроэкономической политики действует. В контексте кривой Филлипса это означает, что связь между инфляцией и безработицей, наблюдаемая в экономике, где в прошлом инфляция обычно была низкой, будет отличаться от зависимости, наблюдаемой в экономике, где инфляция была высокой. [14] Более того, это означает, что невозможно предсказать последствия нового политического режима, используя эмпирическую модель прогнозирования, основанную на данных предыдущих периодов, когда этот политический режим не действовал. Лукас утверждал, что экономисты не смогут предсказать последствия новой политики, если они не построят модели, основанные на экономических фундаментальных факторах (таких как предпочтения , технологии и бюджетные ограничения ), на которые не должны влиять изменения в политике.
Частично в ответ на критику Лукаса экономисты 1980-х и 1990-х годов начали строить микроэкономические модели [15] , основанные на рациональном выборе, которые стали называть моделями динамического стохастического общего равновесия (DSGE) . Эти модели начинаются с определения набора действующих в экономике агентов , таких как домохозяйства, фирмы и правительства в одной или нескольких странах, а также предпочтений , технологий и бюджетных ограничений каждого из них. Предполагается, что каждый агент делает оптимальный выбор с учетом цен и стратегий других агентов как в текущем периоде, так и в будущем. Суммируя решения различных типов агентов, можно найти цены, которые уравнивают спрос и предложение на каждом рынке. Таким образом, эти модели воплощают своего рода равновесную самосогласованность: агенты делают оптимальный выбор при данных ценах, в то время как цены должны согласовываться с предложением и спросом агентов.
Модели DSGE часто предполагают, что все агенты данного типа идентичны (т.е. существуют « репрезентативное домохозяйство» и « репрезентативная фирма») и могут выполнять точные вычисления, которые в среднем правильно прогнозируют будущее (что называется рациональными ожиданиями ). Однако это лишь упрощающие предположения, которые не являются существенными для методологии DSGE; Многие исследования DSGE направлены на больший реализм за счет рассмотрения гетерогенных агентов [16] или различных типов адаптивных ожиданий . [17] По сравнению с моделями эмпирического прогнозирования, модели DSGE обычно содержат меньше переменных и уравнений, главным образом потому, что модели DSGE труднее решать даже с помощью компьютеров . [18] Простые теоретические модели DSGE, включающие лишь несколько переменных, использовались для анализа сил, управляющих бизнес-циклами ; Эта эмпирическая работа породила две основные конкурирующие концепции, называемые моделью реального делового цикла [19] [20] [21] и новой кейнсианской моделью DSGE . [22] [23] Более сложные модели DSGE используются для прогнозирования последствий изменений в экономической политике и оценки их влияния на социальное благосостояние . Однако экономическое прогнозирование по-прежнему в значительной степени основано на более традиционных эмпирических моделях, которые, как все еще широко распространено мнение, позволяют достичь большей точности в прогнозировании воздействия экономических потрясений с течением времени.
Методология, предшествовавшая моделированию DSGE, — это моделирование общего равновесия (CGE) . Как и модели DSGE, модели CGE часто основываются на предположениях о предпочтениях, технологиях и бюджетных ограничениях. Однако модели CGE сосредоточены в основном на долгосрочных отношениях, что делает их наиболее подходящими для изучения долгосрочного воздействия постоянной политики, такой как налоговая система или открытость экономики для международной торговли. [24] [25] Вместо этого модели DSGE подчеркивают динамику экономики с течением времени (часто ежеквартально), что делает их подходящими для изучения деловых циклов и циклических эффектов денежно-кредитной и фискальной политики.
Другой методологией моделирования является агентная вычислительная экономика (ACE) , которая представляет собой разновидность агентного моделирования. [26] Как и методология DSGE, ACE стремится разбить совокупные макроэкономические отношения на микроэкономические решения отдельных агентов . Модели ACE также начинаются с определения набора агентов, составляющих экономику, и определяют типы взаимодействия отдельных агентов друг с другом или с рынком в целом. Вместо определения предпочтений этих агентов модели ACE часто сразу переходят к определению их стратегий . Или иногда указываются предпочтения вместе с исходной стратегией и правилом обучения, согласно которому стратегия корректируется в соответствии с ее прошлым успехом. [27] Учитывая эти стратегии, взаимодействие большого количества отдельных агентов (которые могут быть очень разнородными) можно моделировать на компьютере, а затем изучать совокупные макроэкономические отношения, возникающие в результате этих индивидуальных действий.
Модели DSGE и ACE имеют разные преимущества и недостатки из-за разной базовой структуры. Модели DSGE могут преувеличивать индивидуальную рациональность и предусмотрительность и недооценивать важность неоднородности, поскольку случай рациональных ожиданий и репрезентативного агента остается самым простым и, следовательно, наиболее распространенным типом модели DSGE для решения. Кроме того, в отличие от моделей ACE, может быть сложно изучать локальные взаимодействия между отдельными агентами в моделях DSGE, которые вместо этого фокусируются в основном на том, как агенты взаимодействуют через совокупные цены. С другой стороны, модели ACE могут преувеличивать ошибки в индивидуальном принятии решений, поскольку стратегии, предполагаемые в моделях ACE, могут быть очень далеки от оптимального выбора, если разработчик модели не будет очень осторожен. Связанный с этим вопрос заключается в том, что модели ACE, которые исходят из стратегий , а не предпочтений , могут оставаться уязвимыми для критики Лукаса : измененный политический режим обычно должен вызывать изменение стратегий.