Rekursive Schätzung, Prognosen und Lernen in dynamischen makroökonomischen Modellen, eingeschlossen mikrofundierten allgemeinen Gleichgewichtsmodellen

点击翻译按钮获取中文摘要

Der gängige makroökonomische Modellansatz basierend auf optimierendem Verhalten und rationalen Erwartungen repräsentativer Haushalte und Unternehmen wird zunehmend In Frage gestellt, nicht zuletzt In Ermangelung einer Prognose der schweren Rezession infolge der Finanzkrise. Dieses Projekt setzt bei der Erwartungsbildung an. Es soll In einer systematisch vergleichenden Weise untersucht werden, ob eine explizite Einbeziehung des Lernverhaltens der Marktteilnehmer die Prognose- und Erklärungsfähigkeit makroökonomischer Modelle verbessern kann (cf Slobodyan und Wouters (2007)). Bisher erforderten Modellvergleiche die Zusammenarbeit mehrerer Forscherteams (cf. Bryant et al (1989, 1993), Taylor (1999)). Nun haben Taylor und Wieland (2009) und Wieland et al. (2009) eine Datenbank und Software entwickelt, die umfangreiche Vergleichsstudien mittels struktureller Modelle ermöglicht Ein Vergleich von Modell- und Expertenprognosen bezüglich des U.S. Wirtschaftswachstums durch Wieland und Wolters (2010) zeigt, dass Modelle und Experten regelmäßig von Wirtschaftseinbrüchen überrascht werden, die Modelle aber wirtschaftliche Erholungsphasen relativ erfolgreich mehrere Quartale im Voraus prognostizieren. Die verwendeten Modelle nehmen an, dass Marktteilnehmer rationale Erwartungen bilden. Diese Annahme soll nun systematisch durch explizites Lernverhalten ersetzt werden. Somit könnten relativ zur rationalen Erwartung optimistische oder pessimistische Einschätzungen der Marktteilnehmer im Modell zum Tragen kommen. Es soll analysiert werden, ob Abweichungen von der rationalen Erwartungshypothese den empirischen „Fit" und die Prognosen der Modelle verbessern. Dabei sollen auch historische Prognosevergleiche auf der Basis jeweils verfügbarer Echtzeltdaten durchgeführt werden.