嘉宾简介：

刘轩，于美国杜克大学毕业获经济学博士学位，现为美国东卡罗莱纳大学副教授、研究生导师。研究领域主要集中在Time consistency、Business cycle and asset pricing、Numerical algorithms in solving DSGE models等。曾在Computational Economics、Journal of Money ,Credit and Banking、Journal of International Money and Finance、Journal of Economic Dynamics and Control、Economic Modelling等知名刊物发表学术论文十余篇，出版学术专著1部。担任International Economic Review、International Journal of Finance and Economics、Journal of International Economics等刊物的审稿人。

1、刘老师您好，我们了解到您是研究DSGE的专家，请问对于有志于学习DSGE的同学，您有什么建议呢？

答：DSGE模型的建模至少涉及三个步骤。第一步是理论建模，主要就是把所研究的经济对象分为若干部门，对每个部门的目标函数优化推导出优化条件；在离散时间情况下，这些优化条件就构成了差分方程组（在连续时间条件下，就构成了微分方程组；以下以差分方程组为例）。第二步是参数赋值，主要就是遵从一定的统计或者数值分析的方法对差分方程组中的参数进行赋值。第三步是数值分析（一般情况下DSGE模型没有解析解），主要就是依据确定的参数数值，求解差分方程组，从而对所研究的问题进行分析。

DSGE的学习本身可以分为两个阶段：第一阶段是理论建模。在这一阶段，最好有老师指导。自学的话，建议选择一本经典教材，认真学习书中所有章节，完成每一章节的课后习题。此后可以对比学习一些经典论文的建模部分。这阶段的学习一般在博一阶段完成。第二阶段是实际应用。这一阶段的学习更需要有经验的老师指导，因为有很多的细节需要明晰。就我的情况而言，博二时我的导师Uribe教授是通过分析Mendoza (1991) 这篇经典文献的方式，从问题提出，理论建模，算法推导，一步步指导我们几个学生怎样应用DSGE模型的。相应的程序则需要自己在课外花大量的时间去学习。这两个阶段都需要花很多的时间和精力，不是一个容易的过程。

因为使用DSGE模型涉及很多具体的技术问题，比如如何建立优化条件、如何设定边界条件、如何线性化方程组、如何对数值解做二阶近似、如何使用数值方法求解，如何估计参数、等等知识，因此需要花很多时间进行学习，不易速成。

使用DYNARE软件包可能是快速入手使用DSGE的方法。这个软件包把DSGE模型使用过程标准化，给DSGE模型的初学者提供了便利。这个程序包目前由法国的一些宏观经济学家在维护。

2、我们在学习中发现，DSGE是非常复杂的，您能为我们具体介绍一下解DSGE模型的方法吗？

答：狭义地说，解DSGE模型是指在参数给定的情况下求解DSGE模型。广义地说，解DSGE模型还包括模型参数赋值。以下我提到的是狭义的DSGE模型求解。

大约在2004年之前，一般通过数值逼近的算法，比如值函数迭代 (value function iteration)，解函数迭代 (policy function iteration) 等等，来求解DSGE模型。这些算法存在两个问题。第一个问题是和状态变量个数相关的维度诅咒(the curse of dimensionality) 问题。通常而言，一个DSGE模型中有状态变量 (state variables) 和非状态变量。状态变量当期的数值要么是上一期决定的，要么是外生给定的。在维度诅咒之下，用上述算法求解 DSGE模型收敛 (convergence) 时间随状态变量的个数呈现指数上升。第二个问题是收敛不确定问题。在状态变量较多的时候，上述通过数值逼近求解的算法并不能保证收敛。这些算法的局限性，维度诅咒和收敛不确定，导致了2004年之前DSGE模型一般最多包含三个状态变量，所以相当简单 (以现在的眼光来看) 和高度抽象。

Schmitt-Grohe and Uribe (2004) 系统地分析了二阶近似微扰法。具体而言，就是把DSGE的解函数 (policy function) 在非随机恒稳态 (non-stochastic steady state) 这个不动点附近进行二阶近似 (微扰) ；然后根据迭代方程的数值特点直接对DSGE模型求解 (不涉及上述算法中必然经历的逼近)。这种算法有两个巨大优势。一个优势在于微扰法破除了维度诅咒的限制，可以迅速求解包含很多状态变量 (比如20+，30+) 的DSGE模型，大大节省了时间。另外一个优势在于此类微扰法在求解特定DSGE模型时的近似误差小。由此，Schmitt-Grohe and Uribe (2004) 二阶近似微扰法在宏观经济分析中得到了迅速而广泛的运用。

当然，围绕非随机恒稳态二阶近似的微扰法有两个主要问题。第一个问题是，当DSGE模型的解函数 (policy function) 存在不可导点时，微扰法 (不仅仅是围绕非随机恒稳态近似的微扰法) 不能求解。有学者对第一个问题有研究。第二个问题是，对于特定分布，具体而言就是当外生冲击服从 分布的时候，围绕非随机恒稳态近似微扰法的近似精度较差。我在2011年发表了一篇论文专门讨论了第二个问题，现在也在做跟进研究，对二阶近似微扰法做出了相应的改进，希望新算法的近似误差减少到可以接受的程度。

3、从2004年至今，DSGE的实证和理论不断对前人的问题进行改进，应该说是走向了“精益求精”的过程。而对于实际状况，现有的理论足以解释现实，那么为什么还要继续追求理论上的突破呢？老师您是如何看待这个问题的？

答：我个人觉得DSGE模型应该被归类于理论模型，尽管在参数赋值的时候需要用到一些数据。实证分析的方法有很多，比较常见的有SVAR（结构性VAR）。由此，我个人理解宏观分析中提到的理论和实证的结合，应该类似于SVAR分析和DSGE分析的结合。这种结合确实有“精益求精”的趋势。

对于追求理论上的突破，我觉得有以下几个内在的动因。第一，新的数据不断涌现。对于新数据需要不断的分析从而检验、改进甚至革新现有的理论。第二，新的也是更好的实证分析工具不断被开发出来；这些新的工具也可以提高、改进、革新我们的理论。第三，我认为并没有一个全能的理论模型能够解决所有的现象，通常是具体问题具体分析。现实世界总有新的问题出现，所以学术方面始终对“新”有需求。第四，我们也需要考虑很多历史遗留问题，比如模型的假设检验问题就是一个重要的，但是被关注程度较低的问题。我这次要做的报告其实就是对一个重要效用函数做假设检验，相当于对历史遗留问题做出一个分析，从而做出相应的贡献。

此外，我非常理解大家初学宏观模型时的一些困惑，因为我也是从那个阶段过来的。对于这些困惑，我现在有几点看法。第一，任何理论模型都是对现实的简化，只要能解释相关的经济现象和问题，那么越简单的模型就是越好的，不要过度致力于建立完美的模型。第二，建立理论模型的出发点应该是对于数据的严谨分析，换言之，理论模型的建立应该是为了解释数据特定特点的，而不应该为了理论而理论。第三，数据说话，理论解释。具体而言，就是应该使用合适的实证分析工具分析数据特征；而这些数据特征下所隐藏的经济运行机制，应该由理论来解说。

4、我们了解到您曾在许多外国知名刊物上发表学术论文十余篇，并担任多本外文刊物的审稿人。请问您认为什么样的论文更容易受到外国知名期刊的青睐？对于想要在外文期刊发表论文的同学，您有什么建议和意见呢？

答：首先，研究的问题应该很重要。判断重要性的一个指标是：问题是否与生活密切相关。我这次报告的文章研究的是资产组合的问题。资产组合决策问题为什么重要？因为它与生活密切相关。比如在10年前的中国，个人投资房产还是投入学业对于个人现在的财务状况有很大的影响。换个角度说，资产组合的重要性在于：任意时点上，都有无数的人在做资产组合摆布的决定；对绝大多数人，每一个人在其生命周期都在做资产组合摆布的决定。再比如，企业人员招聘问题，也是一个常见而且重要的问题。分析这类问题可以有很多的出发点，比如一家企业设备更新，劳动生产率提高，那么这时企业需要决定是要雇佣更多的人雇佣还是更少的人？宏观分析的一篇经典论文，Gali (1999)，就是通过对这个问题的研究从而对宏观理论的两大学派，实商业周期理论和新凯恩斯理论，做了评价。

其次，在论证中，理论要合适。在找到合适的理论之前，必须要多尝试、多读文献、向别人多学习，这样才是良好的学习过程，能更好地帮助论证。某种程度上可以说，合适的理论是对现有的相关理论偏离最小的理论。

再者，数据质量要好，数据来源要有保证。如果数据的质量不够好，则需要处理数据，写清楚处理过程。深入探讨问题，一定要多看文献。通过阅读文献，可以理解前人的工作，发现其重要之处、疏漏之处，帮助我们思考如何做出改进，从而使我们对问题的探讨更深刻。

最后，行文要清楚明白、易于理解。内容精彩、行文不佳的论文犹如石中之玉，往往容易被审稿人忽视，因此必须把“玉”之外的“石头”去掉。写作时最好找有经验的人进行指导，从而使行文更加出色。

在保证自身的工作足够优秀之外，也要与人多交流、结识更多的朋友，这样在高质量期刊上发文章的可能性就会更大一些。

5、我们了解到您是先出国深造之后留在国外执教，结合您自身的经历，对于想要出国深造的同学，您有什么建议与意见吗？

答：我的建议有三个方面。第一，要紧跟自己的导师。如果有机会碰见顶级大牛做导师，一定要紧跟导师的步伐，抓住在导师身边的机会多学习、多思考、多提问。一般来说这些大牛工作都非常严谨，跟他一起做研究，学习如何把工作做好，能有很多收获。

第二，要与同学保持良好的关系。同学们都在同一个项目里学习，或多或少都有一些其他人没有的特点，你应该帮助别人，同时也需要得到别人的帮助。良好的同学关系有利于学业和研究上的进步。

第三，要认真学习、抓住前沿，多和同行交流。从事工作之后，应该和同事、相关领域的同行们多探讨；多看文献，抓住前沿，多进行深入的思考，研究要与现实相结合。

第四，做经济研究应该有兴趣。这是因为可能会走很多弯路，写论文可能感觉很孤独，投稿被拒可能很痛苦；但是只要有兴趣，就可以保持乐观的心态，坚持走下去。这可以算是我从事经济研究经历的部分写照吧。

参考文献

Gali, Jordi, 1999. "Technology, Employment, and the Business Cycle: Do Technology Shocks Explain Aggregate Fluctuations?"American Economic Review, vol. 89(1), pages 249-271, March.

Mendoza, Enrique G, 1991. "Real Business Cycles in a Small Open Economy,"American Economic Review, vol. 81(4), pages 797-818, September.

Schmitt-Grohe, Stephanie & Uribe, Martin, 2004. "Solving Dynamic General Equilibrium Models Using a Second-order Approximation to the Policy Function,"Journal of Economic Dynamics and Control, vol. 28(4), pages 755-775, January.

 

 

经金学院

2019年6月5日