MAMO podzim 2015 Přednáška 4 Lit: W-MT, ch3 McC-ABC, ch4 1 Jednoduchý růstový model Ramsey (1928), Cass (1965), Koopmans (1965) - optimalizační chování v čase, vs. Solow (konstantní míra úspor). Původně deterministický model => zavedení stochastiky => stochastický růstový model => model reálného hospodářského cyklu (RBC). Vyřešíme v diskrétním čase, pomocí nástrojů dynamického programování. Model Spotřebitelé (domácnosti) žijí nekonečně dlouho. Užitková funkce oo £/^(ct) t=0 má obvyklé vlastnosti. Produkční funkce yt = F(kt,nt) má opět obvyklé vlastnosti. Výstup je buď investován nebo spotřebován. Vt = ct + H Kapitál se vyvíjí dle rovnice kt+i = (1 - S)kt +it Míra depreciace S je konstantní v čase, počáteční zásoba kapitálu kg je dána, ct > 0 a kt+\ > 0. (Mohou být investice záporné?) Domácnosti vlastní kapitál a pronajímají ho firmám.1 Firmy najímají vstupy a maximalizují zisk, v každém období. Domácnosti maximalizují užitek ze spotřeby. Trhy se čistí. Výsledkem je konkurenční rovnováha (ukážeme později). Platí 1. teorém blahobytu. Konkurenční rovnováha je Pareto efektivní (stejná jako řešení SP). Řešíme jako problém sociálního plánovače. V naší specifikaci se užitek z volného času neobjevuje ve spotřební funkci, domácnosti dodávají na trh všechen svůj čas nt = 1. yt = F(kt, 1) = f(kt) OO Sociální plánovač řeší výhledem k vika) = max Ná*u(ct) ct ,kt-\-i ' + t=0 ct + h+i = f(kt) + (1 - S)kt pro t = 0,1, 2 ... a při daném k0. v(k0) je diskontovaný celoživostní užitek reprezetnativní domácnosti, pokud sociální plánovač vybere optimálně {ct, &t+i}^o při počáteční zásobě kapitálu kg. 1 Organizace trhu =^ hodně způsobů, všechny vedou na stejnou konkurenční rovnováhu. 1 Nekonečný plánovací horizont. Dá se řešit pomocí Lagrangiánu (ale! může být nekonečně mnoho řešení, potřebujeme koncovou podmínku - podmínku transversality (transversality condition, TVC). Podíváme se později. Nebo přejdeme na dynamické programování. 1.1 Rekurzivní formulace Terminologie Stavová proměnná - proměnná jejíž hodnota je určena již dříve • nějakým jednáním, tj. endogenní stavová proměnná, např. kapitál kt • nějakým procesem, tj. exogénni stavová proměnná, např. technologie zt Příklad se spotřebou. Řídící proměnná - proměnná jejíž hodnotu si jednotlivec (soc. plánovač) vybírá, aby maximalizoval cílovou funkci. Často máme na výběr, která proměnná bude stavová a která řídící. Výběr řídící proměnné může hodně zjednodušit řešení problému. Dosadíme do užitkové funkce za ct oo max V pul/fa) + (1 - S)kt - kt+1] {fet+l}'=°t=o Stavová proměnná? řídící proměnná? Předpokládejme, že můžeme hodnotu diskontovaného užitku v nekonečném horizontu spočítat. v(k0) = max V/JM/Ot) + (l-5)kt- kt+1] max i u[f(k0) + (1 - S)k0 - h] + f3 V p^ul/fa) + (1 - S)kt - kt+1] kg dáno = max (.), která jřeší Bellmanovu rovnici. Ale hlavně chceme najít optimální rozhodovací pravidlo (decision rule), což funkce, která nám říká jak se máme rozhodnout na základě daného stavu. Rozhodovací pravidlo pro kapitál kt+\ = g(kt) nebo-li k' = g{k) optimální volba k' jako funkce k. Případně rozhodovací pravidlo pro spotřebu ct = f(kt) + (1 - S)kt - g(kt) nebo-li c = f (k) + (1 - 5)k - g (k) Někdy se tomu říká policy function, ale my tomu budeme říkat decision rule (pře neděláme politiku, ale ekonomii). Pomocí Bellmanovy rovnice můžeme najít t>(.) a pak i g(.), protože Bellmanova rovnice splňuje con-traction mapping theorem, který říká 1. Existuje jediná funkce v(.), která splňuje BE 2. když začneme s počáteční funkcí vo(k) a zadefinujeme Vi+\{k) Vi+i(k) = max [u(k, k') + j3vi{k')\ tak pro z = 0,l,2... lim vi+i{k) = v(k) t—>oo Z toho vyplývá, že máme dvě alternativy, jak najít hodnotovou funkci. 1.1.1 Uhádni a ověř (guess &; verify) Když máme štěstí a správně uhádneme v(kt) můžeme ji dosadit za v{kt+i) na pravé straně BE a ověřit, že je jejím řešením. Bohužel to funguje jen v několika málo případech, (výhoda - máme analytické řešení) Příklad Guess &; Verify Máme produkční funkci F(k,n) = k"n\~a, kde a G (0,1), u(ct) = ln(ct) a stoprocentní depreciace kapitálu S = 1. Produkční fci můžeme přepsat jako f(k) = ka, protože domácnosti neocení užitek z volného času a dodávají celou jednotku práce n = 1. Bellmanova ronvice v(kt) = max {ln(kt - kt+1) + j3v(kt+1)} Řešením je hodnotová funkce v(kt) = a + bln(kt), kde a a b jsou koeficienty (funkce parametrů a a j3) a rozhodovací pravidlo je: kt+\ = aj3kf a pro ct = (1 — aj3)kf. Steady-state kapitálu k* = {aj3) 1-a Obrázek. Pro nalezené rozhodovací pravidlo můžeme vypočítat celkou sekvenci {/jt+i}^Q. (máme kroky, každý krok je jedna časová jednotka) Odhad platí jen pro C-D produkční funkci, log užitkovou funkci a 100 % depreciaci. Pro jiné případy neplatí, ať budete hádat sebevíc. 3 1.1.2 Iterace hodnotové funkce (value function iteration) Najdeme aproximaci hodnotové funkce. Vytvoříme grid k G {k\, k^ ■ ■ ■ km}, kde k j < fcj+i uděláme počáteční odhad hodnotové funkce pro každou hodnotu kapitálu f o = vo(kj) (vektor 0) a pak iterujeme podle výše uvedeného schématu, až nám to zkonverguje. Přesnost záleží na hustotě gridu (diskretizaci), čím hustější tím lepší výsledek. V tomto případě je to celkem o.k., máme jen jednu stavovou proměnnou. Ale může být výpočetně náročné. Pro grid o délce m a n stavových proměnných tak hledáme maximum přes mn bodů. Jak roste n tak ohromě roste výpočetní náročnost {kletba dimenzionality). (Výhoda: máme zakřivené rozhodovací pravidlo, platí, i když jsme dále od steady-statu) Nalezení řešení derivováním Řešení problému sociálního plánovače pomocí podmínek prvního řádu (Eulerova rovnice). Předpoklad, že hodnotová funkce je diferencovatelná a konkávni (Benveniste and Sheinkman, 1979) v(kt) = max {u[f(kt) + (1 - S)kt - kt+1] + j3v(kt+i)} Stavová proměnná kt, řídící kt+\. Podmínka prvního řádu (FOC): dv(kt) dk 0 t+i du(...) | dv(kt+1) =o dkt+i dkt+i du(ct) dct + dv(kt+1) = 0 dct dkt+1 du(ct) dk t+i dct (_1) + /3M^±i)=o dk t+1 du(ct) _ dv{kt+\) dct dk t+i Ale neznáme v(.) a tím pádem ani její derivaci . dv{kt+1) dkt Naštěstí existuje teorém obálky (envelope theorem). Derivací Bellmanovy rovnice (obou stran) podle endogenní stavové proměnné (kt) a použitím envelope theoremu dostaneme: dv(kt) du(ct) dct dkt dct dkt dv(kt) du(ct) dkt dct df(h) dh Máme stacionární problém. Můžeme výraz posunout o jedno období dopředu dv(kt+i) _ du(ct+1) dkt+i dct+i df(kt+1) dkt+i a dosadit do FOC za 9g^*^1 ^ a dostaneme mezičasovou podmínku optimality - Eulerovu rovnici. du(ct) _ du{ct+í) dct dct+i df(h+i) du(ct) dct idu(ct + i) 9ct + i dkt+i df(kt+i) dkt+i 4 LHS = mezní míra substituce ve spotřebě, RHS 1 + čistá nájemní cena kapitálu. Nebo hezčí zápis puc{ct+i) Případně uc(ct) = /3uc(ct+i)[í + fk(k) - 6} LHS = ztráta užitku víz konzumace o jednu jednotku méně, RHS = nárůst užitku v í+1, diskontovaného do času t, z investování do kapitálu. V optimu se přínos a ztráta musí rovnat. Jak to vypadá ve steady-statu? Platí k = kt+\ = k* & c = c' = c*. 1 + h{k) - 5 = i LHS = 1 + nájemní cena kapitálu (mezní produkt kapitálu) - míra depreciace, RHS = úroková míra (implicitně vyjádřená v diskontním faktoru). Pro nájemní cenu kapitálu budu používat velké R, tedy S^t+^ = fk(k) = R, pro úrokovou míru malé r. 1.2 Konkurenční rovnováha Vrátíme se zpět k původnímu problému, jak ho řeší spotřebitelé a firmy. 1.2.1 Domácnosti Akumulují kapitál a investují - pronajímají kapitál firmám a nabízejí práci. Nabídka práce = 1, protože nemají disutilitu z práce. Řeší mezičasový problém oo r H^Vct) (1) {ct,fet + i}t=0 t=Q vzhledem k rozpočtovému omezení ct + kt+1 - (1 - 5)kt = wt + Rtkt kde kg je dané, ct > 0, kt > 0. Ale potřebujeme koncovou podmínku, podmínku transverzality (TVC). lim /3V(ct)[l+ /'(**)-5] kt = 0 t—>oo po dosazení lim /3V(/(fct) + (1 - 6)kt - kt+1)[l + f'(kt) -5]kt = 0 t—>oo diskontovaný užitek z dodatečné jednotky kapitálu * kapitálová zásoba = 0. Interpretace: hodnota kapitálu - měřena diskontovaným užitkem jde v limitě k 0 (kapitál nemusí jít k 0, stačí, když jeho stínová cena konverguje k 0). Případně lim ftXtkt = 0 kde At je Lagrangeův multiplikátor k rozpočtovému omezení. 5 Dosadíme do cílové funkce a řešíme jako neomezenou optimalizaci oo max V /3*M(wt + Rtkt + (1 - S)kt - kt+1) FOC: |^ = 0 -^u'(wt + Rtkt + (1 - S)kt - kt+1) + /3t+V(ct+1)(i?ř+1 + 1 - S) = 0 Tedy opět dostáváme Eulerovu rovnici, stejnou jako v případě řešení sociálního plánovače uc(ct) puc(ct+i) MRS = 1 + čistá nájemní cena kapitálu Steady-state ct = ct+i = c* l + R-5=l- Pravá strana rovnice je čistá nájemní cena kapitálu, která je rovna reálné úrokové míře. R-5 = r víme, že pro j3 platí /? = - nebo-li — = 1 + p 1+p 13 a po dosazení dostaneme R — S = r = p Reálná úroková míra = míra časových preferencí (diskontní míra). 1.2.2 Firmy Maximalizují zisk v každém období m&x[F(kt, nt) - wtnt - Rtkt] (2) kt,nt FOC Fk(kt,nt) = Rt Fn(kt,nt) = wt Definice konkurenční rovnováhy 1. Pro dané ceny {wt,rt}^L0, alokace reprezentativní domácnosti {ct, it, kf, nf řeší její optimalizační problém (1) 2. Pro dané ceny {irŕ, rr}^L0, alokace reprezentativní firmv {kf, nf, yt} tLo řeší její optimalizační problém (2) 3. Trhy se čistí • trh zboží: yt = ct + it • trh práce: nf = nf trh kapitálu: kf = k 6 Poznámka: K čemu je nám tohle řešení? Tohle jsou "jen" podmínky optimality, ne rozhodovací pravidlo. Ale dají se log-linearizovat kolem steady-statu, nakalibrovat (určit parametry) a nacpat do softwaru (Dynare), který nám najde rozhodovací pravidlo. Aproximace, není zakřivené. Pokud jsme dále od steady-statu, tak je to nepřesné. Změna steady-statu se špatně zkoumá. Přesto se tento postup hodně používá. Poslední dobou ale opět frčí řešení nelineráních modelů, ale to je trochu hard core. K něčemu je ale řešení konkurenční rovnováhy dobré. My jsme pro sociálního plánovače našli rozhodovací pravidlo, pro k a c (celkou sekvenci k), ale potřebujeme znát rovnovážné ceny. Ty zjistíme právě z řešení konkurenční rovnováhy, např. z podmínky optimality firem, w a R. Rovnováha vs steady-state. Envelope theorem Máme cílovou funkci f(x, r), kde r je parametr. /* (r) = max f(xi r) X je optimální hodnotová funkce, kterou získáme maximalizací funkce /(.) podle x. Potom x*(r) je (arg max) hodnota proměnné x, která řeší optimalizační problém (a která závisí na parametru r), tedy f*(r) = f(x*(r),r) Envelope theorem: df*(r) df(x,r) dr dr x—xx (r) Jak se změní optimánlí hodnotová funkce, když se změní r? Envelope theorem nám říká, že stačí spočítat parciální derivaci dle r, přičemž x je fixováno (vyhodnoceno v optimu). 7