Un kit de herramientas para analizar

modelos dinmicos estocsticos no-lineales

de manera sencilla

Harald Uhlig*
Center, University of ilburg, and CEPR
Resumen
Normalmente, los investigadores desean analizar modelos dinmicos estocsticos no lineales en
tiempo discreto. Este captulo provee el instrumental necesario para resolver esos modelos de
manera sencilla, log-linealizando las ecuaciones caractersticas del equilibrio y resolviendo la ley de
movimiento recursiva del equilibrio con el mtodo de los coeficientes indeterminados.
Este captulo no contiene nada substancialmente nuevo. En cambio, el captulo simplifica y unifica
los enfoques existentes para hacerlos accesibles para una audiencia amplia, mostrando como loglinealizar las ecuaciones no lineales sin hacer uso de la diferenciacin explcita, como usar el
mtodo de coeficientes indeterminados para modelos con un vector de variables de estado
endgenas, para proveer una solucin general, caracterizando la solucin con una ecuacin
cuadrtica y resolvindola; y proveer tcnicas de dominio de frecuencia para calcular las
propiedades de segundo orden del modelo en su versin Filtro-HP, sin simulacin. Dado que el
mtodo es un enfoque basado en la ecuacin de Euler, ms que en un enfoque para resolver
problemas con planificador social; los modelos con externalidades o con impuestos no adicionan un
mayor problema.
Los programas Matlab para manejar los clculos estn disponibles. Este captulo debe de ser de
utilidad para investigadores y estudiantes PHD.

*Estoy agradecido a Michael Binder, Toni Braun, Jan Magnus, Ellen McGrattan and Yexiao Xu por
sus comentarios de gran ayuda. Estoy agradecido a Andrew Atkeson por hacerme notarun gran
mejoramiento significativo de la seccin 6.3. Este captulo fue completado mientras se visitaba el
Institute for Empirical Macroeconomics en la Federal Reserve Bank de Minneapolis: estoy
agradecido por su hospitalidad. Todos los puntos de vista expresados aqu son de los autores, y no
necesariamente de la FRB de Minneapolis o del Sistema de Reserva Federal. Esta versin es una
versin actualizada del paper de discusin 101 del Institute for Empirical Macroeconomics y del
Center DP 9597.

1. INTRODUCCIN
Normalmente, los investigadores desean analizar modelos dinmicos estocsticos en tiempo
discreto. Este captulo provee el instrumental necesario para resolver esos modelos de manera
sencilla, log-linealizando las ecuaciones caractersticas del equilibrio y resolviendo la ley de
1
movimiento recursiva del equilibrio con el mtodo de los coeficientes indeterminados .
Este capitulo no contiene nada nuevo. Por el contrario, el punto del capitulo es simplificar y unificar
los mtodos existentes para hacerlos accesibles a una amplia audiencia de investigadores, quienes
tal vez hayan estado siempre interesados en analizar modelos de ciclos reales por su propia cuenta,
pero dudaban en hacer el paso de aprender los instrumentales numricos, este captulo reduce el
dolor de tomar ese paso. Los mtodos aqu presentados pueden ser usados para analizar muchos
modelos estudiados en la literatura. Nosotros discutimos como log-linealizar las ecuaciones no
lineales sin la necesidad de diferenciar explcitamente y como usar el mtodo de los coeficientes
indeterminados para modelos con un vector endgeno de variables de estado. los mtodos
explicados aqu siguen directamente a McCallum 1983, king, Plosser and Rebelo 1987 y Campbell
1994, entre otros2.
Nosotros proveemos una solucin basada en resolver ecuaciones cuadrticas matriciales, ver
tambin Binder y Pesaran 1996, y proveer tcnicas de dominio de frecuencia, basados en
resultados de KING Y Rebelo 1993, para calcular los momentos de 2do orden del modelo de la
versin HP-FILTRADA sin simulaciones. Dado que el mtodo es un enfoque basado en la ecuacin
de Euler, ms que en un enfoque para resolver problemas con planificador social; los modelos con
externalidades o con impuestos no adicionan ningn problema.
Desde que la ecuaciones no-lineales de Euler normalmente necesitan ser calculados para encontrar
un estado estacionario, aplicar los mtodos descritos en estos captulos requiere poco en trminos
de manipulaciones adicionales a mano, dadas ciertas rutinas pre-programadas para realizar los
clculos matriciales de la seccin 6.
Los programas Matlab para realizar los clculos dado el sistema log-linealizado, estn disponibles
en mi pgina3. Los mtodos en este capitulo nos permite resolver los modelos estocsticos no
lineales de manera sencilla.
Los mtodos de solucin numrica para resolver modelos estocsticos no lineales han sido
estudiados extensivamente en la literatura, ver en particular Kydland y Prescott 1982,

Note que el modelo no-lineal, de esta manera, es reemplazado por un modelo linealizado
aproximado.Esencial nolinealidades como el sistema catico son difcilmente manejables por los
mtodos en este captulo.
2
Campbell inclusive vende el enfoque seguido por este paper como analtico, pero note que en su
caso as tambin como en el nuestro, uno necesita linealizar ecuaciones y resolver ecuaciones
cuadrticas. Campbell presumiblemente atae el atributo analtico a este procedimiento numrico,
ya que es un procedimiento sencillo en s mismo y realizarlo a mano es realmente factible en
muchos casos. De otro modo, todo calculo numrico en cualquier lado puede ser descrito como
analtico, desde que este puede ser en principio realizado y analizado a mano- solo tardara
mucho tiempo.
3

es una direccin de un web site de programas.

la comparacion de Taylor y UGHLig 1990 y los mtodos propuestos por varios autores en el mismo
tema, JUDD 1991, Hansen y Prescott 1995 and Danthine y Donaldson 1995. La literatura para
resolver modelos lineal- cuadrtico dinmico-estocsticos o ecuaciones en diferencia lineales
estocsticas son ms grandes. El paper clave es Blanchard y Kahn 1980. Adems, estn los libros
de Sargent 1987, Cap IX and XI, tambin Muth 1961, McGrattan 1994 o Hansen, McGrattan y
Sargent 1994, por nombrar unos cuantos. Sujeto a la aplicabilidad, todos los mtodos que
descansan sobre la aproximacin log-lineal del estado estacionario tiene en comn que encontraran
el mismo equilibrio de la ley de movimiento como lo describe el capitulo, ya que el espacio lineal
que aproxima una funcin diferenciable no lineal es nica e inmune a transformaciones del espacio
del parmetro. Mientras que Mc grattan 1994 y Hansen, Mc Grattan y sargent 1994 se enfocan en
resolver los modelos maximizando una funcin objetivo, y mientras Blanchard y Kahn 1980
resuelven sistemas lineales buscando las variedades estables en el sistema de ecuaciones
necesarias que describen las relaciones de equilibrio, este capitulo en contraste, resuelve
directamente por el equilibrio recursivo de la ley de movimiento. Este enfoque es muy natural. La
condicin de estabilidad se impone en el punto donde una matriz de ecuaciones cuadrticas es
resuelta. Se muestra como esta matriz se puede reducir a un problema de autovalores de otra
matriz con 2 veces ms dimensiones.
Tres contribuciones estn relacionadas con Mc Callum 1983, el cual es la referencia clave para el
mtodo de coeficientes indeterminados, Ceria y Rios Rull 1992 y Blinder y Pesaran 1996. Estas
contribuciones tambin derivan el equilibrio recursivo de la ley de movimiento. Mc Callum 1983
reduce el problema de encontrar el coeficiente, a un problema que se puede resolver con los
mtodos en Blanchard y KAHN 1980; Ceria y Rios Rull 1992 reduce el problema a resolver una
matriz de ecuaciones cuadrticas como nosotros, pero no reduce la matrix a un problema standar
de autovalores.
Binder y Pesaran 1996, finalmente, deben de estar ms cercanamente relacionados, ya que
reducen la matriz de ecuaciones cuadrticas caracterstica de la solucin a un problema de
autovalores como lo hacemos nosotros.
Estas 3 contribuciones, sin embargo, no distinguen las endgenas que tienen que ser parte del
vector estado y otras variables endgenas. Asi, aplicar estos modelos de algn modo en sistemas
ms grandes puede resultar o en un problema de autovalores muy demandante
computacionalmente en el que las soluciones burbujas deben de ser removidas o en que uno se
ve forzado a reducir el sistema a mano para que encaje en su descripcin4.

Adems, Mc Callum 1983 tambin usa mtodos de autovalores para resolver otras ecuaciones en
su mtodo, las cuales son resueltas aqu con simples tcnicas de resolucin de ecuaciones lineales,
compare su solucin para la ecuacin (A.6) en su paper con la ecuacin (6.14).
Pero todas estas diferencias tcnicas de la literatura existente no son de ningn modo esenciales.
Debe de ser remarcado que el propsito principal de este cap. es resolver los modelos dinmicoestocsticos de manera sencilla. Es ms este cap. describe el mtodo como una "recetario de
cocina". Ya que el objetivo aqu esta en estudiar los aspectos computacionales de los modelos,
algunos temas son dejados de lado completamente.
En particular la existencia de multiplicidad de equilibrios as como las razones para concentrarse en
los equilibrios estables. el mtodo en este cap. no debe de ser aplicado ciegamente, pero solo en
luz de, digamos Mc Callum 1983, Stockey, Lucas y Prescott 1989 y la literatura relacionada.

El perfil de este capitulo ser evidente desde la descripcin general del procedimiento en la sec.
siguiente, en particular, sec4 muestra como hacer todo a mano en el modelo neoclsico de
crecimiento.

2. EL PROCEDIMIENTO GENERAL
El procedimiento general para resolver y analizar sigue estos pasos:
1. Encontrar las ecuaciones necesarias que caracterizan el equilibrio, i.e. restricciones, condiciones
de primer orden etc., ver sec. 4 y .5
2. escoger parmetros y encontrar el estado estacionario, ver sec. 4 y 5
3. log-linealizar las ecuaciones necesarias caractersticas del equilibrio del sistema para hacer las
ecuaciones aproximadamente lineales en las log-desviaciones del estado estacionario, ver sec. 3, 4
y 5.
4. Resolver la ley de movimiento del equilibrio recursivo por el mtodo de los coeficientes
indeterminados empleando las formulas de la sec. 6. tambin ver la sec. 4, donde todos los
clculos estn hechos a mano y explicados en detalle.
5. Analiza la solucin por el anlisis de impulso respuesta, ver sec. 4 y 7 y las propiedades de 2do
orden, posiblemente teniendo en cuenta de, digamos, Hodrick Prescott Filter. Esto puede ser hecho
sin tener que simular el modelo, vea sec. 7
La siguiente seccin va directo al paso 3 del procedimiento, y describe como log-linealizar de
ecuaciones no-lineales sin diferenciacin explicita. sec4 y 5 proveen ejemplos prototipo, en los
cuales calcular las ecuaciones de Euler, el estado estacionario y la log-linealizacion es realizada para
ver como el mtodo funciona. Sec. 4 analiza estocsticamente el modelo de crecimiento neoclsico y explica el enfoque general de acercamiento al modelo, todos los detalles del calculo,
incluyendo el equilibrio recursivo de la ley de movimiento a mano, mientras que en la seccin 5 se
estudia el modelo RBC de Hansen 1985, derivando la versin log-linealizada rpidamente: una vez
que se ha obtenido un sistema linealizado, los mtodos en la seccin 6 proveen el equilibrio de la
ley de movimiento tan deseado.
Aquellos que quieren un acceso ms rpido deben de saltarse la seccin 4 e ir a la seccin 5
despus de haber ledo la seccin 3. Los lectores que estn familiarizados con la log-linealizacin
estn avisados de saltarse an ms e ir directo a la seccin 6.

3. LOG-LINEALIZACIN
Log-linealizar las ecuaciones que caracterizan el equilibrio es una tcnica muy bien conocida. En el
contexto de los modelos RBC, log-linealizar ha sido propuesta en particular por King, Plosser y
Rebelo 1987 y Campbell 1994, la log-linealizacin tambin aparece frecuentemente en los textos,
ver tambin Obstfeld y Rogoff, pgina 503-505. No obstante, la tcnica normalmente tiende a
crear ms dolores de cabeza de los que debera. Es til para los propsitos de este captulo revisar
cmo se hace.

Las prximas 2 secciones simplificar el enfoque de Campbell 1994. Adelantarse y ver las muchas
ecuaciones en particular en la seccin 4, har ver este enfoque poco creble. Sin embargo, estas
ecuaciones fueron impuestas para que se vea cada paso en detalle. Cuando estudiamos Campbell
1994, uno puede estar bajo la impresin que necesita magia y un poco de astucia para derivar los
resultados. El punto, en particular la seccin 3, 4 y 5 es mostrar, que uno no tiene que ser tan
inteligente como Campbell para usar estos mtodos. Por el contrario, todo es notoriamente sencillo
y mientras que uno proceda cuidadosamente, prcticamente nada puede ir mal.
El principio de la log-linealizacin es usar la aproximacin de Taylor alrededor del estado stacionario
y remplazar las ecuaciones por aproximacin, las cuales son funciones lineales.
Formalmente, sea

el vector de variables,

su estado estacionario y

el vector de log-deviaciones. El vector 100.

nos dice, por cuanto las variables difieren de su
estado estacionario en el periodo t en porcentajes. Las ecuaciones necesarias caractersticas del
equilibrio pueden ser escritas como:

Donde
y
aproximaciones lineales alrededor de

esto es el lado izquierdo de (3.1) y (3.2). Tomando

resulta5:

Una alternativa para aproximar (3.2) es rescribirlo como:

, donde

Asumiendo

tienen (aproximadamente) una distribucin condicional conjunta normal con una matrix de
varianzas-covarianzas constante y asumiendo que

Independiente de t

Usando

para variables distribuidas normalmente. Las dos formas de

aproximar (3.2) difiere esencialmente solo en su eleccin de

ya que

si

Uno obtiene un sistema lineal en

y
en la ecuacin determinstica y
y
en
la ecuaciones con expectativas. Este sistema lineal puede ser resuelto con el mtodo de
coeficientes indeterminados, descrito en la seccin 6.
En la gran mayora de los casos, no hay necesidad de diferenciar la funcin F y G explcitamente.
Por el contrario, la log-linealizacin del sistema puede ser usualmente obtenido como sigue.
Multiplicar todo despus de log-linearlizar. Reemplazar la variable

con

donde
es una nmero real cercano a cero. Sea
, un nmero real cercano a cero, toma
logaritmos, donde cada lado de una ecuacin slo son productos, o utiliza los siguientes bloques de
construccin, donde a es una constante:

Por ejemplo, este bloque nos lleva a

Las constantes se desvanecen de cada ecuacin al final, ya que satisfacen las relaciones del estado
estacionario, pero son importantes en pasos intermedios: compara por ejemplo, las dos ecuaciones
anteriores. Es preferible a describir los principios generales con mayor detalle, realizar ejemplos
especficos. El primer ejemplo en la seccin 4 estudia el modelo de crecimiento neoclsico en gran
detalle y realiza todos los clculos a mano. Esa seccin puede ser utilizada como suplemento para
introduccin a los estudiantes en la macroeconoma dinmica moderna. Lectores avanzados
querrn saltarse a la seccin 5, en la que se analiza el modelo RBC.

4. HACINDOLO A MANO: EL MODELO DE CRECIMIENTO NEOCLSICO

En esta seccin, el modelo estocstico neoclsico de crecimiento ser estudiado. Esto es til ya que
los clculos para este modelo puede ser hechos a mano, esto es, con un lapicero y papel y tal vez
una calculadora de bolsillo. Adems, sirve como un paradigma en mucho de la literatura de la
macroeconoma moderna. Nosotros, tambin, tomamos esta oportunidad para revisar los principios
del modelamiento para esta literatura antes de retornar a la parte computacional. Para una
perspectiva ms amplia de estos principios, el lector est avisado de estudiar a Sargent 1987.

4.1 Principios del modelamiento

Las teoras usualmente son analizadas para responder una pregunta en particular o para entender
tericamente hechos o conjunto de hechos particularmente interesantes. La Macroeconoma
moderna es aplicada en el anlisis del equilibrio general dinmico. Para entender la teora, se
necesita especificar explcitamente el medio ambiente.
1.
2.
3.
4.

Preferencias
Tecnologa
Dotaciones
Informacin

Adems, uno necesita especificar el objeto de estudio. Usualmente, las opciones son:
1. El problema del planificador social. En ese caso, uno necesita especificar la funcin
objetivo del planificador.
2. El equilibrio competitivo. En ese caso, uno necesita especificar los mercados y proveer una
definicin de equilibrio. En particular, uno tiene que especificar la extecin del poder de los
mercados.
3. El juego. En este caso, uno necesita especificar las reglas y proveer una definicin de
equilibrio.

4.2 El medio
Para l modelo estocstico neoclsico de crecimiento, el medio es como sigue:
1. Preferencias: el agente representativo experimenta utilidad de acuerdo a

Donde
es consumo6,
coeficiente de aversin relativa al riesgo.

es el factor de descuento y

es el

2. Tecnologa: nosotros asumimos una funcin de produccin Cobb-Douglas7

Usamos letras capitales para denotar niveles de variables, y usamos letras pequeas para denotar
log-deviaciones. Esto no debe de ser confundido con el uso ms comn de la notacin en otras
partes de la literatura, donde las letras capitales son usualmente reservadas para variables
agregadas, mientras que las letras minsculas denotan variables individuales.
7
Usamos el momento t-1 en vez del ms usado momento t como subndice del capital en la
funcin de produccin. Esto es solo una diferencia de notacin, que encontramos muy til, sin
embargo, con la notacin aqu, el momento de las variables refleja el punto en el tiempo cuando es

realmente escogido. Puesto en forma diferente, se refiere a la informacin con respeto a la cual la
variable es medida. Esto resuelta ser particularmente conveniente, cuando uno necesita resolver
para la dinmica con los teoremas en la sec. 6. Si por el contrario, el uso ms comn es usado,
uno necesita tener mucho cuidado para no cometer errores en ese punto.

donde

es capital ,

es trabajo,

(capital social) y

(ratio de depreciacin) son parmetros y donde

exgenamente de acuerdo a

Tambin

el factor de productividad, se mueve

son parmetros.

3. Dotacin: Cada periodo, el agente representativo es dotado con una unidad de tiempo
. Adems, est dotado de capital
4. Informacin:

antes de

necesitan ser escogidos basados en la informacin

hasta el momento

4.3 El problema del planificador social

El objetivo del planificador social es maximizar la utilidad del agente representativo sujeto a un
conjunto factible

Para resolverlo, uno tiene que resolverlo utilizando la tcnica de la programacin dinmica.
Stockey, Lucas con Prescott 1989, proveen el texto estandart en esta tcnica. Aqu, nosotros
obviamos los fundamentos de la programacin dinmica y utilizamos el lagrangiano:

La condiciones de primer orden:

Para un principiante, la (4.4) puede parecer complicada. Para revisarlo, escriba los trminos para t
y para t+1 en la funcin objetivo,

Y diferncielo con respecto a

. La expectativa

entra, porque la informacin en el

perdiodo t+1 aun no es conocida en el periodo t, cuando escogemos

primer orden son tambin llamadas ecuaciones de Euler.
Uno tambin obtiene la condicin de transversalidad

. Las condiciones de

Obtenida del limite de las condiciones Kuhn-tucker, esto es, sumado hasta T en vez del

solucin del planificador, substituyendo

en la

con

en todos lados, tomando la derivada con respecto a

multiplicando con

estableciendo el resultado a cero, mientras que tomando el lmite para T Otra

interpretacin se da en la siguiente subseccin 4.4. Es la condicin de transversalidad que

(esencialmente) descarta las soluciones explosivas: esto es lo que vamos a tener en
cuenta.
Para resolver el estado estacionario, reescribir las condiciones necesarias:

La ecuacin (4.6) es la ecuacin de fijacin de precios de activos Lucas, vea Lucas (1978),
que por lo general surge en estos modelos. Dejar caer los ndices de rendimiento de
tiempo

Es posible reducir las primeras tres de estas ecuaciones a slo dos o slo uno
eliminando algunas de las variables. Muy popular es la reduccin a un sistema en C (t)
y Kt-1, que se discutir en la seccin 4.6, o de un sistema en un solo K (t) en los cables
y rezagos, lo que vamos a discutir en el inciso 4.7. Sin embargo, no hay especial
razn para hacer tal reduccin: por lo tanto, optar por llevar a todas las ecuaciones como
nosotros sera lo ideal, ya que entonces tambin ser ms fcil seguir viendo a la
interpretacin econmica de la linealizacin.

Mientras que uno poda empezar a analizar la dinmica, puede ser interesante hacer un
"desvo" a travs de estudiar el equilibrio competitivo: como uno se espera de los
teoremas de bienestar, la solucin al equilibrio competitivo se obtiene la misma
asignacin como la solucin al problema de los planificadores sociales. Un lector que est

ms que interesados en el anlisis de la dinmica del problema de los planificadores

sociales debe pasar directamente al apartado 4.5

4.4 El equilibrio competitivo

Permitindonos definir un equilibrio competitivo sea la secuencia (C t, Nt, Kt, Rt, Wt,)=0,
entonces

1. Dados8 K(s)-1 el salario del mercado Wt y retorno Rt El gente representativo resuelve

adems de la condicin de no-juego de Ponzi

2. Dado (Wt,Rt) =0 la empresa representativa resuelve9

Donde

Es exgena.

El superndice (s) significa oferta

El superndice (d) significa demanda

3. Mercados claros:

(a) El mercado de trabajo:

(b) El mercado de capitales:

(c) El mercado de bienes:

Tenemos slo dos de estas tres condiciones en la ley de Walras.

Otra forma de definir un equilibrio competitivo es caer Rt e introducir la historia

Los precios de contingentes Pt de bienes de consumo de tiempo t en trminos de bienes
de consumo en el periodo = 0. Esto tiene la ventaja de convertir la secuencia de las
restricciones presupuestarias del consumidor a una restriccin presupuestaria con
horizonte infinito, la clarificacin del papel de la condicin de no-Ponzi juego: la condicin
de no-juego de Ponzi establece lo siguiente: que en la red trminos de valor presente, el
agente no debe tener un capital que queda en el infinito o pedir prestado nada en el
infinito. A continuacin el uso de las condiciones de primer orden, una mirada cercana a la
condicin de no-juego Ponzi pone de manifiesto, que es esencialmente otra cosa que la
transversalidad condicin 4.5 del problema de los planificadores sociales.

Para analizar el equilibrio competitivo, haga lo siguiente. La empresa representativa

resuelve

Las condiciones de primer orden de la empresa ("las curvas de demanda") son

Vuelva a escribir esto: dejar caer (d) y utilizando

Obtiene, como es habitual en Cobb-Douglas

1. que los pagos de salarios igual a la participacin de los trabajadores,

2. y que los ingresos igual a la cuota de capital ms uno menos la depreciacin,

La tasa de inters es Rt -1:

Para el agente de forma representativa, la funcin de Lagrange:

Las condiciones de primer orden son:

Usando, lo que uno ya sabe con los rendimientos Rt y Wt

Estas son las mismas ecuaciones que para el problema de los planificadores sociales As,
para un estudio de un equilibrio competitivo o el problema de los planificadores sociales,
se termina con la misma asignacin de recursos.

4.5 Resolucin de la dinmica.

Volvamos al problema de la resolucin de la dinmica en el modelo estocstico neoclsico
de crecimiento. Como se indica en la seccin 3, uno tiene que hacer cinco cosas:
1. Encuentra las limitaciones y las condiciones de primer orden: Hecho!
2. Encuentre el estado estacionario: Hecho!
3. Linealizar las restricciones y las condiciones de primer orden.
4. Resolver para la ley del equilibrio recursivo de movimiento a travs del mtodo de
coeficientes indeterminados.
5. Analizar la solucin a travs del anlisis de impulso-respuesta y de segundo orden de
las propiedades.

4.5.1 Inicio de sesin Linealizacin

Para aplicar lo que ya se dijo en la seccin 3, que por ejemplo, ct denotan la logartmica
desviacin de Ct de su C constante el valor del estado. Formalmente:

Interpretacin: Si ct = 0,03, entonces Ct es de aproximadamente 3 por ciento por encima

de su valor de estado estacionario.
Escribir

Entonces eso es todo Ms ejemplos:

Si hay productos, entonces es ms fcil primero ellos se multiplican fuera y se combinan

por productos de trminos exponenciales antes de Linealizar. Por ejemplo, la ecuacin
(4,7 es ms fcil que

Aunque uno tiene el mismo resultado final, por supuesto, por si acaso, hay que tener en
mente, que los productos de "letras pequeas" son aproximadamente cero, por ejemplo,

Hacer esto de las limitaciones y las condiciones de primer orden de los rendimientos de
los modelos siguientes.

1. Para la primera ecuacin, la restriccin de viabilidad, se obtiene:

Utilice las relaciones de estado estacionario

Conseguir

O, simplificado, porque queremos resolver la dinmica

Todava se puede ver la interpretacin econmica de esta ecuacin, si la productividad z t

productividad del capital kt-1 est por encima de su nivel de estado estacionario, la
produccin total es ms alta, y por lo tanto, un mayor consumo puede ser suministrado.
Por otro lado, una mayor inversin en la forma de mayores kt reduce el consumo, ceteris
paribus.

Para convertir las variaciones porcentuales de cualquiera de estas variables en los cambios
porcentuales de consumo, hay que multiplicar el correspondiente estado estacionario de
porcentajes de los niveles.
2. Para la segunda ecuacin, el clculo del retorno, se obtiene

Utilizar la relacin de estado estacionario

Conseguir

O, simplificado, porque queremos resolver la dinmica

Econmicamente, esta ecuacin establece una relacin entre la tasa de inters

Al lado izquierdo y el producto marginal del capital en el lado derecho, que va en
aumento en relacin directa y la disminucin en kt-1 Esto es exactamente lo que se debe
esperar.
3. Para la tercera ecuacin, el de la ecuacin de precios de activos Lucas, uno tiene

Utilizar la relacin de estado estacionario

Conseguir

Uno puede ver que las desviaciones porcentuales de la tasa marginal de sustitucin
de su nivel de estado estacionario, dado por n(c t - c t+1), la necesidad de ser igual a la
negativa de la tasa de inters rt +1 a la expectativa. En particular, las tasas de inters altas
esperadas coinciden con bajas tasas marginales de sustitucin, es decir, con un aumento
previsto en consumo. Esto tiene sentido: si un aumento en el consumo se espera, slo una
alta tasa de inters puede impedir que los agentes de prstamos en contra de que se
elevan en el futuro.
4. Para la cuarta ecuacin:

Manteniendo exactamente.

Recoge las ecuaciones que se obtienen:

Aqu tambin, es posible reducir la primera de estas tres ecuaciones a slo dos o
simplemente uno por la eliminacin de algunas de las variables. En particular, vamos a
discutir el popular la reduccin a un sistema en ct y kt- 1 en el apartado 4.6, y la reduccin a
un segundo ecuacin para la diferencia en slo kt en la subseccin 4,7 Sin embargo, no hay
especial razn para hacer tal reduccin aqu: por lo tanto, seguir llevando a todas las
ecuaciones con nosotros. El resultado final es, por supuesto, la misma.

4.5.2 Solucin de la dinmica con el mtodo de coeficientes

indeterminados.
Lo que se da en el tiempo t son las variables de estado K t-1 y Zt. Lo que tenemos que
encontrar son kt, rt y ct. Postulamos una ley lineal recursiva de movimiento,

La tarea es resolver el hasta el momento "indeterminado" coeficiente

Esto puede hacerse directamente, empleando las frmulas de la seccin 6, pero es

instructivo que pasar por este ejemplo "a mano" para tener una idea de los detalles. Estos
coeficientes puede interpretarse como elasticidades: si por ejemplo v ck = 0,5 y kt-1 es 10
por ciento por encima de su nivel de estado estacionario, entonces ct se debe establecer
un 5 por ciento por encima de su nivel de estado estacionario.

Para resolver los coeficientes vkk, vkz, vrk, vrz, vck, vcz, sustituir la ley recursiva de
movimiento lineal postulado en las ecuaciones que hemos obtenido hasta que slo kt-1 y zt
queden y comparar los coeficientes, y seale que

Por lo tanto,

1. para la primera ecuacin (la "viabilidad"):

Dado que esto tiene que ser satisfecho por cualquier valor de kt-1 y zt, debemos tener

2. Para la ecuacin de segundo ("clculo de la rentabilidad"),

Al comparar los coeficientes, obtenemos

3. Para la tercera ecuacin ("valoracin de activos"),

Tenga en cuenta que tenamos que tapar las cosas dos veces aqu. Esto es tpico para el
registro de la ecuacin de precios de los activos linealizados de Lucas. Al comparar los
coeficientes, obtenemos

Recolectando, obtenemos las ecuaciones de la comparacin de los coeficientes de kt-1

Y las
ecuaciones de la comparacin de los coeficientes en zt,

Ahora se necesita resolver vkk, Este es verdaderamente el coeficiente "crucial", ya que

relaciona el nuevo valor kt de la variable de estado endgena a su valor anterior kt-1, es
decir capta la esencia de la dinmica del sistema. Una vez vkk es conocido, todos los dems
coeficientes pueden ser calculados, como veremos ms adelante.
Para resolver vkk, sustituir a vck y vrk en la ecuacin (4.10) con (4.9) y (4,8):

Simplificar: dividir por

, facultades de ordenacin de vkk para obtener

Donde

La solucin a esta ecuacin cuadrtica est dada por

Ntese que

. El producto de las dos races es

. Estamos en busca de una raz

que es estable, es decir, es menor que uno en valor absoluto. La raz estable, por lo tanto,
debe ser la menor de las dos races.
Con el fin de resolver los otros coeficientes, proceder como sigue.
Estableciendo el resultado a cero, mientras que tomando el lmite para T Otra
interpretacin se da en la siguiente subseccin 4.4. Es la condicin de transversalidad que
(esencialmente) descarta las soluciones explosivas: esto es lo que vamos a tener en
cuenta.

Para resolver el estado estacionario, reescribir las condiciones necesarias:

La ecuacin (4.6) es la ecuacin de fijacin de precios de activos Lucas, vea Lucas (1978),
que por lo general surge en estos modelos. Dejar caer los ndices de rendimiento de
tiempo

Es posible reducir las primeras tres de estas ecuaciones a slo dos o slo uno
eliminando algunas de las variables. Muy popular es la reduccin a un sistema en C (t)
y Kt-1, que se discutir en la seccin 4.6, o de un sistema en un solo K (t) en los cables
y rezagos, lo que vamos a discutir en el inciso 4.7. Sin embargo, no hay especial
razn para hacer tal reduccin: por lo tanto, optar por llevar a todas las ecuaciones como
nosotros sera lo ideal, ya que entonces tambin ser ms fcil seguir viendo a la
interpretacin econmica de la linealizacin.

Mientras que uno poda empezar a analizar la dinmica, puede ser interesante hacer un
"desvo" a travs de estudiar el equilibrio competitivo: como uno se espera de los
teoremas de bienestar, la solucin al equilibrio competitivo se obtiene la misma
asignacin como la solucin al problema de los planificadores sociales. Un lector que est
ms que interesados en el anlisis de la dinmica del problema de los planificadores
sociales debe pasar directamente al apartado 4.5

4.4 El equilibrio competitivo

Permitindonos definir un equilibrio competitivo sea la secuencia (C t, Nt, Kt, Rt, Wt,)=0,
entonces

1. Dados8 K(s)-1 el salario del mercado Wt y retorno Rt El gente representativo resuelve

adems de la condicin de no-juego de Ponzi

2. Dado (Wt,Rt) =0 la empresa representativa resuelve9

Donde

Es exgena

El superndice (s) significa oferta

El superndice (d) significa demanda

3. Mercados claros:

(a) El mercado de trabajo:

(b) El mercado de capitales:

(c) El mercado de bienes:

Tenemos slo dos de estas tres condiciones en la ley de Walras.

Otra forma de definir un equilibrio competitivo es caer Rt e introducir la historia

Los precios de contingentes Pt de bienes de consumo de tiempo t en trminos de bienes
de consumo en el periodo = 0. Esto tiene la ventaja de convertir la secuencia de las
restricciones presupuestarias del consumidor a una restriccin presupuestaria con
horizonte infinito, la clarificacin del papel de la condicin de no-Ponzi juego: la condicin
de no-juego de Ponzi establece lo siguiente: que en la red trminos de valor presente, el
agente no debe tener un capital que queda en el infinito o pedir prestado nada en el
infinito. A continuacin el uso de las condiciones de primer orden, una mirada cercana a la

condicin de no-juego Ponzi pone de manifiesto, que es esencialmente otra cosa que la
transversalidad condicin 4.5 del problema de los planificadores sociales.

Para analizar el equilibrio competitivo, haga lo siguiente. La empresa representativa

resuelve

Las condiciones de primer orden de la empresa ("las curvas de demanda") son

Vuelva a escribir esto: dejar caer (d) y utilizando

Obtiene, como es habitual en Cobb-Douglas

1. que los pagos de salarios igual a la participacin de los trabajadores,

2. y que los ingresos igual a la cuota de capital ms uno menos la depreciacin,

La tasa de inters es Rt -1:

Para el agente de forma representativa, la funcin de Lagrange:

Las condiciones de primer orden son:

Usando, lo que uno ya sabe con los rendimientos Rt y Wt

Estas son las mismas ecuaciones que para el problema de los planificadores sociales As,
para un estudio de un equilibrio competitivo o el problema de los planificadores sociales,
se termina con la misma asignacin de recursos.

4.5 Resolucin de la dinmica.

Volvamos al problema de la resolucin de la dinmica en el modelo estocstico neoclsico
de crecimiento. Como se indica en la seccin 3, uno tiene que hacer cinco cosas:
1. Encuentra las limitaciones y las condiciones de primer orden: Hecho!
2. Encuentre el estado estacionario: Hecho!
3. Linealizar las restricciones y las condiciones de primer orden.
4. Resolver para la ley del equilibrio recursivo de movimiento a travs del mtodo de
coeficientes indeterminados.
5. Analizar la solucin a travs del anlisis de impulso-respuesta y de segundo orden de
las propiedades.
4.5.1 Inicio de sesin Linealizacin
Para aplicar lo que ya se dijo en la seccin 3, que por ejemplo, ct denotan la logartmica
desviacin de Ct de su C constante el valor del estado. Formalmente:

Interpretacin: Si ct = 0,03, entonces Ct es de aproximadamente 3 por ciento por encima

de su valor de estado estacionario.
Escribir

Entonces eso es todo Ms ejemplos:

Si hay productos, entonces es ms fcil primero ellos se multiplican fuera y se combinan

por productos de trminos exponenciales antes de Linealizar. Por ejemplo, la ecuacin
(4,7 es ms fcil que

Aunque uno tiene el mismo resultado final, por supuesto, por si acaso, hay que tener en
mente, que los productos de "letras pequeas" son aproximadamente cero, por ejemplo,

Hacer esto de las limitaciones y las condiciones de primer orden de los rendimientos de
los modelos siguientes.

1. Para la primera ecuacin, la restriccin de viabilidad, se obtiene:

Utilice las relaciones de estado estacionario

Conseguir

O, simplificado, porque queremos resolver la dinmica

Todava se puede ver la interpretacin econmica de esta ecuacin, si la productividad z t

productividad del capital kt-1 est por encima de su nivel de estado estacionario, la
produccin total es ms alta, y por lo tanto, un mayor consumo puede ser suministrado.
Por otro lado, una mayor inversin en la forma de mayores kt reduce el consumo, ceteris
paribus.
Para convertir las variaciones porcentuales de cualquiera de estas variables en los cambios
porcentuales de consumo, hay que multiplicar el correspondiente estado estacionario de
porcentajes de los niveles.
2. Para la segunda ecuacin, el clculo del retorno, se obtiene

Utilizar la relacin de estado estacionario

Conseguir

O, simplificado, porque queremos resolver la dinmica

Econmicamente, esta ecuacin establece una relacin entre la tasa de inters

Al lado izquierdo y el producto marginal del capital en el lado derecho, que va en
aumento en relacin directa y la disminucin en kt-1 Esto es exactamente lo que se debe
esperar.
3. Para la tercera ecuacin, el de la ecuacin de precios de activos Lucas, uno tiene

Utilizar la relacin de estado estacionario

Conseguir

Uno puede ver que las desviaciones porcentuales de la tasa marginal de sustitucin
de su nivel de estado estacionario, dado por n(ct - c t+1), la necesidad de ser igual a la
negativa de la tasa de inters rt +1 a la expectativa. En particular, las tasas de inters altas

esperadas coinciden con bajas tasas marginales de sustitucin, es decir, con un aumento
previsto en consumo. Esto tiene sentido: si un aumento en el consumo se espera, slo una
alta tasa de inters puede impedir que los agentes de prstamos en contra de que se
elevan en el futuro.
4. Para la cuarta ecuacin:

Manteniendo exactamente.

Recoge las ecuaciones que se obtienen:

Aqu tambin, es posible reducir la primera de estas tres ecuaciones a slo dos o
simplemente uno por la eliminacin de algunas de las variables. En particular, vamos a
discutir el popular la reduccin a un sistema en ct y kt- 1 en el apartado 4.6, y la reduccin a
un segundo ecuacin para la diferencia en slo kt en la subseccin 4,7 Sin embargo, no hay
especial razn para hacer tal reduccin aqu: por lo tanto, seguir llevando a todas las
ecuaciones con nosotros. El resultado final es, por supuesto, la misma.

4.5.2 Solucin de la dinmica con el mtodo de coeficientes

indeterminados.
Lo que se da en el tiempo t son las variables de estado K t-1 y Zt. Lo que tenemos que
encontrar son kt, rt y ct. Postulamos una ley lineal recursiva de movimiento,

La tarea es resolver el hasta el momento "indeterminado" coeficiente

Esto puede hacerse directamente, empleando las frmulas de la seccin 6, pero es

instructivo que pasar por este ejemplo "a mano" para tener una idea de los detalles. Estos
coeficientes puede interpretarse como elasticidades: si por ejemplo v ck = 0,5 y kt-1 es 10
por ciento por encima de su nivel de estado estacionario, entonces ct se debe establecer
un 5 por ciento por encima de su nivel de estado estacionario.

Para resolver los coeficientes vkk, vkz, vrk, vrz, vck, vcz, sustituir la ley recursiva de
movimiento lineal postulado en las ecuaciones que hemos obtenido hasta que slo kt-1 y zt
queden y comparar los coeficientes, y seale que

Por lo tanto,

1. para la primera ecuacin (la "viabilidad"):

Dado que esto tiene que ser satisfecho por cualquier valor de kt-1 y zt, debemos tener

2. Para la ecuacin de segundo ("clculo de la rentabilidad"),

Al comparar los coeficientes, obtenemos

3. Para la tercera ecuacin ("valoracin de activos"),

Tenga en cuenta que tenamos que tapar las cosas dos veces aqu. Esto es tpico para el
registro de la ecuacin de precios de los activos linealizados de Lucas. Al comparar los
coeficientes, obtenemos

Recolectando, obtenemos las ecuaciones de la comparacin de los coeficientes de kt-1

Y las
ecuaciones de la comparacin de los coeficientes en zt,

Ahora se necesita resolver vkk, Este es verdaderamente el coeficiente "crucial", ya que

relaciona el nuevo valor kt de la variable de estado endgena a su valor anterior kt-1, es
decir capta la esencia de la dinmica del sistema. Una vez vkk es conocido, todos los dems
coeficientes pueden ser calculados, como veremos ms adelante.
Para resolver vkk, sustituir a vck y vrk en la ecuacin (4.10) con (4.9) y (4,8):

Simplificar: dividir por

, facultades de ordenacin de vkk para obtener

Donde

La solucin a esta ecuacin cuadrtica est dada por

Ntese que

. El producto de las dos races es

. Estamos en busca de una raz

que es estable, es decir, es menor que uno en valor absoluto. La raz estable, por lo tanto,
debe ser la menor de las dos races.
Con el fin de resolver los otros coeficientes, proceder como sigue.
1. El otro coeficiente
la siguiente forma:

2. Para los coeficientes en

en

se puede reescribir la ecuacin (4.8) y (4.9) de

calcule directamente

Ahora las ecuaciones (4.14) y (4.12) son un sistema de dos ecuaciones lineales en el
Dos incgnitas A y B, que puede ser resuelto fcilmente. La solucin es quizs
un poco feo, pero se puede resolver sin mucho problema:

4.5.3

Algunos resultados
Despus de todo este trabajo duro aqu tienes algunos resultados son parmetros
calibrados (cuarto-trimestral dat):

Utilizando las frmulas obtenidas anteriormente se puede hacer un anlisis de

sensibilidad vanse los cuadros 1 y 2
Lo que se puede hacer ahora es
1. trazar lo que ocurre si el capital inicial es aproximadamente un 20 por ciento por
debajo del estado estacionario
. Entonces,
estado estacionario.

y hay otra manera sin choques

. Con

obtenemos la convergencia al

2. El rastro hacia fuera lo que pasa a todas las otras variables a lo largo del camino Esto
puede ser hecho de dos modos diferentes. O bien, utiliza un log-linearized system y
calculo
por ejemplo. Esto se hace siempre en los programas que se
describe en el apndice A. O bien utiliza el clculo del nivel de
. De la
misma manera para el nivel d Kt y para el nivel de Zt . y computa el nivel de las variables
originales usando las ecuaciones originales no lineales. por ejemplo uno determinado
por :

Tabla 1: Algunos anlisis de sensibilidad en el modelo neoclsico de crecimiento. Si la depreciacin

es inferior o si la elasticidad de sustitucin intertemporal 1 / n es menor, la velocidad
de retorno a la convergencia del estado estacionario es ms lento

Tabla 2: Algunos anlisis de sensibilidad en el modelo neoclsico de crecimiento. Si la depreciacin

es inferior o si la elasticidad de sustitucin intertemporal 1 / n es menor, la reaccin nkz
del nuevo capital social, es decir la inversin es generalmente ms pequeo tambin. a excepcin de muy
bajos niveles de 1 / N (comparar las dos ltimas columnas)

3. simular el modelo: simular , escoja un K-1 inicial y Zo . Calcular de forma recursiva

Con esto, obtn todas las dems variables

4. Rastrear lo que sucede con todas las variables despus de la

Cuando empieza del estado estacionario. Esto se llama un anlisis de la respuesta de
impulso.
Respuestas de impulso para el modelo neoclsico de crecimiento se muestran en la
figura 1

Figura 1: Esta figura muestra la respuesta al impulso para el modelo estocstico de crecimiento
neoclsico . Los parmetros son como se indica en el texto.

4.6
La relacin con un enfoque de espacio de estado.
En esta seccin: vamos a discutir la reduccin popular a un sistema en ct y kt-1 para el sistema de
log-linearized system o para un sistema en el C t y Kt-1? en el sistema original: esto da el enfoque de
estado-espacio. Al iniciar con el sistema de Log-linearized, eliminar el
a partir de la primera
tres de las cuatro ecuaciones que caracterizan la dinmica, y
se establece con el propsito
de esta discusin. Tenemos las dos ecuaciones

Por otra parte, a los efectos de este apartado, es conveniente para resolver la primera ecuacin
para kt y emplear ello para eliminar Kt en el segundo. Ligeramente volviendo a escribir el resultado,
se obtiene.

En el enfoque de espacio de estado, nos fijamos en las ecuaciones (4.18) y (4.19) como un sistema
dinmico en el vector de dos dimensiones (Kt-1, Ct), y analizamos sus propiedades como sigue.
En primer lugar, hay que resolver para el estado de equilibrio de estas dos ecuaciones: a medida
que ya saben, que viene dada por
y
y visto de manera diferente
y

para obtener la primera ecuacin de

estado estacionario

Proceder de igual manera con

del segundo estado estacionario

para obtener la ecuacin

Estas dos ecuaciones de estado estacionario describen dos curvas en dos dimensiones
(Kt-1, Ct) del plano, cortando ese plano en cuatro cuadrantes: vase la figura 2.
Cualquier punto (Kt-1, Ct) en ese plano puede, en principio, producirse desde la perspectiva
del enfoque de espacio de estado. A continuacin, un tanto, busca predecir cambios en el
ktkt-1
y
ct+1 - ct cuando se empieza de cualquier punto. Los signos de estos cambios depender
del cuadrante en el que el punto se encuentra. Por ejemplo, en el cuadrante superior
izquierdo,
que
estn "por encima" de la curva que describe la primera ecuacin (4.20). As, por un punto
(Kt-1, Ct) por encima de esa curva, obtenemos un
de la ecuacin (4.18).
Esto esta indicado por una flecha que apunta hacia la izquierda. Adems, en el cuadrante
superior izquierdo, que son "a la izquierda "de la curva que escribe la segunda ecuacin
(4.21).
As,
por
un
punto
(Kt-1,
C t)
a
la izquierda de la curva, se obtiene
partir de la ecuacin (4.19). As, el
consumo es aumentando all, indicado por las flechas que apuntan hacia arriba. De esta
manera, se puede analizar el comportamiento dinmico en cada punto del plano. En
cuanto a estas flechas, se puede ver que el sistema es silln punto estable:? diverge de
distancia desde el origen en el cuadrante superior izquierdo y el cuadrante inferior
derecho, y pueden tener la oportunidad de convergen hacia ella en el cuadrante inferior
izquierdo
y
el
cuadrante
superior
derecho.
Por
ltimo,
se puede trazar trayectorias del sistema dinmico, a partir de ella en cualquier punto de
(Kt-1, Ct) y dejar que evolucionen de acuerdo con las ecuaciones (4.18)
y (4.19).

Figura 2: Esta figura muestra el diagrama de espacio de estado para el registro de

linealizado neoclsica? modelo de crecimiento. Las dos ecuaciones de estado
estacionario cortar el plano en cuatro cuadrantes, que difieren cualitativamente en
su dinmica como se indica por las flechas en ngulo recto.

Resulta que estas trayectorias convergern a estado de equilibrio K=0 y C=0 si y slo si
las trayectorias se iniciaron a partir de un punto sobre el brazo estable. Un anlisis ms
detallado revela, que el brazo estable viene dada por
. En otras
palabras, el mtodo de coeficientes indeterminados proporciona el clculo del brazo
estable para los sistemas de punto de silla-estables.
En lugar de buscar en el sistema en forma de log-desviacin, tambin se puede ver el
sistema original, sistema no lineal y reducirlo a un sistema en el Ct y el Kt-1 establecer
por el bien de este argumento.

Como el anterior, resolver la primera ecuacin de Kt y utilizar el resultado para reemplazar

el Kt en el segundo la ecuacin, dando lugar a una ligera reescritura

Una vez ms, se obtiene dos relaciones de estado estable para Kt-1=Kt=K y Ct+1=Ct=C:

Estas dos relaciones se pueden representar en el plano (Kt-1, Ct), la diseccin de ese plano
en cuatro cuadrantes, ver figura 3. El anlisis procede exactamente como anteriormente.
Tan estable brazo, que cuando se a utilizado la relacin

que de acuerdo al anlisis de log- lineal es aproximadamente correcta. El enfoque de

espacio de estado es sin duda til para obtener ideas sobre los sistemas pequeos
tales como el modelo neoclsico de crecimiento que hemos estudiado aqu. Sin embargo,
para mayores modelos, se convierte en impracticable muy rpidamente.
4.7 La relacin con las ecuaciones de segundo orden DIFERENCIA
En este apartado, vamos a discutir la reduccin popular encontrndose ecuaciones de
diferencias de segundo orden. Discusin adicional tambin se puede encontrar en la
subseccin 6,4. Como en la anterior subseccin, dejamos de lado el trmino estocstico
Zt con el propsito de la discusin aqu establecindolo idntica a cero. Los cuatro
ecuaciones
log-linearized
que
caracterizan
la
dinmica, se puede reducir a una sola ecuacin de segundo orden en Kt.
Una forma de ver esto es usar la ecuacin (4.16) de la subseccin anterior para evitar que
la Ct y en el Ct+1 ecuacin (416). El resultado es la ecuacin de diferencia de segundo
orden

con
dado en la ecuacin (4.15). Para resolver este segundo? ecuaciones orden de
diferencia general-mente, definir el polinomio caracterstico

ver e.g de Sargent 1987. Las dos soluciones a esta ecuacin se dan por

Figura 3: Esta figura muestra el diagrama de espacio de estado para el modelo de crecimiento
neoclsico en su forma original, no lineal. Las dos ecuaciones de estado estacionario corta el plano
en cuatro cuadrantes, que difieren cualitativamente en su dinmica como se indica por las flechas
en ngulos rectos.

Tenemos entonces la siguiente conocida proposicin.

Proposicin 1 Si
entonces la solucin general (4.22) es dos dimensiones- espacio
propuesta por

para las constantes arbitrarias ay b.

Demostracin: Supongamos, KT est dada por (4.23). Sustituyndola en (4.22) se obtiene
como se desee

Por el contrario, dejar que cualquier solucin de (4.22) se les dar. Ntese, que es
suficiente para determinar K0 y K1, por ejemplo, ya que todos los otros nudos se puede
calcular de forma recursiva a partir (4.22). Encuentre un a y b tal que

No hay una solucin nica, desde

, Entonces, la solucin dada en (4,22)
debe coincide con (4.23) para estos valores de a y b.
Puesto que la solucin general de la ecuacin (4,23) es un espacio de dos dimensiones,
se necesita dos restricciones de definir una solucin nica.
Una limitacin es el valor inicial de capital k1 (o k0, si se empieza el tiempo en el modelo
neoclsico de crecimiento en t = 1) La segunda limitacin es la condicin de estabilidad,
que

Esta restriccin ayuda, si exactamente una de las races, v1, digamos, es estable: en ese
caso, debe haber b = 0 en (4.23). Adems, ahora tenemos la ley del equilibrio recursivo
de movimiento
(4.24)
En otras palabras, para las ecuaciones en diferencia de segundo orden con exactamente
una raz estable, el mtodo de coeficientes indeterminados encuentra la solucin estable
con V1 = Vkk
Tenga en cuenta que la condicin de estabilidad no ayuda, si las dos races son estables,
dado que caso, an tiene un espacio unidimensional de soluciones generales. Tales
sistemas pueden dar la altura de la dinmica de las manchas solares, vase Farmer y

Guo (1994) para continuar el debate. Uno entonces tiene que tener cuidado con la
interpretacin de los resultados del mtodo de coeficientes indeterminados, ya que el
mtodo, dado un variable de estado endgeno, impone la restriccin en la solucin de que
el sistema sea de forma (4,24) que ya no es vlido . Un remedio es ampliar el espacio de
estados para incluir KT-1 y KT-2 el mtodo de coeficientes indeterminados a continuacin
correctamente las bsquedas de una ley de equilibrio recursivo de movimiento del tipo de

con
como una solucin estable y fcil de encontrar. Ms en
general, la ampliacin del espacio de estados lleva a lgebra de matrices ms
complicado, que es objeto en la seccin 6. El punto aqu es tener en cuenta, que uno
debe tener mucho cuidado, si se encuentra "demasiado" (o, asimismo, "muy pocas") las
races estables, al aplicar la mtodo de coeficientes indeterminados.

4.8 Una rpida revisin

Puede ser til en este momento dar un paso atrs y para proporcionar un rpido repaso:
1. Hemos encontrado las condiciones necesarias.
2. Nos log-linearized estas condiciones y las limitaciones. E.g llegamos

3 Hemos postulado una ley lineal de movimiento, por ejemplo,

y resuelto por los "coeficientes indeterminados" Vkk, Vkz etc ...

4. Todo se reduca a la solucin de una ecuacin cuadrtica para la VKK coeficiente,
teniendo en cuenta por

Donde

se da en la ecuacin (4.15)

5. Las ecuaciones resultantes podran ser utilizados para analizar el modelo por ejemplo,
el clculo del coeficiente de VKK opciones parmetro en particular, haciendo sensibilidad
de anlisis con respecto a estas decisiones, el anlisis de la velocidad de la espalda de la
convergencia para el estado estacionario, simulando el modelo o mirando a funciones de
respuesta de impulso.

6. Hemos comparado el mtodo de coeficientes indeterminados para un espacio de

estado enfoque, as como a la solucin de ecuaciones en diferencia de segundo orden.

Al mirar hacia atrs, podemos ver tambin que la bsqueda de las condiciones necesarias, la
bsqueda del estado estacionario, as como log- linearizing estas condiciones y las limitaciones fue
comparativamente fcil. Dolorosa, sin embargo, fue a tener que resolver y los coeficientes de VKK
otros. Para los modelos ms grandes o, peor an, para los modelos con el estado endgena
mltiples variables, la solucin para todo, con la mano se ve muy poco atractivo. Sin embargo?
este dolor se puede evitar mediante la aplicacin directa de los teoremas de la seccin 6.
La forma ms fcil de aplicar estos teoremas es la obtencin de la aplicacin de rutinas de MATLAB
ellos. Se describen en el Apndice A y estn disponibles, junto con alguna documentacin y
ejemplos en el siguiente sitio web.

Un

ejemplo:

Hansen

verdadero

modelo

de

ciclo

econmico.

El siguiente ejemplo es Hansen (1985) el modelo del ciclo econmico real. Se explic que
en detalle. Aqu, la descripcin matemtica se suffce. El punto principal de este
ejemplo es el de explicar cmo llevar a cabo los tres primeros pasos del procedimiento
general se indica en la seccin 3. En manyways, el modelo aqu es slo una extensin de
la estocstica modelo neoclsico de crecimiento de la seccin 4 anteriormente, la
diferencia principal es endogeneizar la oferta de trabajo. De hecho, es posible resolver
tambin a travs de ese modelo a mano slo como se hizo anteriormente para el modelo
neoclsico de crecimiento estocstico. Sin embargo, aqu, quiero ir a travs del anlisis de
este modelo con bastante rapidez para mostrar cmo llegar a el Log- linearized versin
del
modelo
listo
para
el
anlisis
con
los
teoremas
de
la
la
seccin
6
y
los
programas
de
MATLAB
se
menciona
all.
El planificador social resuelve el problema del agente representativo

donde Ct es el consumo, Nt es la mano de obra, It es la inversin, Yt es la produccin, Kt

es la capital, Zt es la productividad total y A, , , , Z, y son parmetros. Hansen solo
considera el caso = 1, por lo tanto la funcin objetivo es

Como en Campbell (1994), no hay ninguna dificultad en considerar arbitraria ya que no se

supone ninguna tendencia de crecimiento.

Las condiciones de primer orden son:

La ecuacin (5.2) es la ecuacin de fijacin de precios de Lucas, ver Lucas (1978), como se plantean
tpicamente en estos modelos.
Ecuacin (5.2) es el activo de Lucas precios ecuaciones, vea Lucas (1978), que normalmente se
produce en estos modelos.

En contraste con algunas literaturas del ciclo econmico real y para evitar confusiones en la
aplicacin del mtodo en la seccin 6 es muy til para pegarse a la siguiente convencin de data.
Una nueva fecha se inicia con la llegada de nueva informacin. Si una variable es elegida y
(eventualmente) conocida en la fecha t, se indexar con t.
Utilice slo las variables de fecha t y t-1 en las ecuaciones deterministas y variables de fecha t + 1,
t y t-1 en ecuaciones que involucren expectativas Et (.)

El estado estacionario para el modelo real negocio de ciclo anterior se obtiene arrastrando el
tiempo subndices y estocsticos choques en las ecuaciones anteriormente, caracterizando el
equilibrio. Formalmente, esto equivale a encontrar esos valores de estado estacionario que f(0,0)
= 1 y g(0,0) = 1 en la notacin de la seccin anterior (12). Por ejemplo, ecuaciones (5.2) y (5.3)
resultado:

donde barras sobre variables denotan valores de estado estacionario. Uno tiene que decidir lo que
uno quiere resolver, si uno corrige y estas dos ecuaciones implicar valores de R y /K. Por el
contrario, uno puede arreglar r y /K y, a continuacin, estas dos ecuaciones proporcionan valores
de y . El ltimo procedimiento asigna las caractersticas observables de la economa en
"parmetros profundos" y es la esencia de la calibracin, ver Kydland y Prescott (1991).

(12) Por otra parte y el estado de equilibrio para que (3.3) est satisfecho. Sin embargo, esto es, rara vez
hace.

Introducir letras pequeas para denotar desviaciones de registro, es decir, escribir

Por ejemplo. La restriccin de recursos (5.1), a continuacin, Lee

Esto puede ser escrito aproximadamente como

Ya C + I = Y debido a la definicin del estado estacionario, los trminos constantes desercin (13) y
se obtiene

La restriccin de recursos se establece ahora en trminos de porcentaje desviaciones, los niveles

de estado estacionario en esta ecuacin escala las desviaciones de porcentaje para hacerlas

comparables. Tenga en cuenta que no hay diferenciacin explcita es necesario para obtener la
versin de la restriccin de recursos linealiza de registro: registro de linealizacin se obtiene slo
mediante el uso de los bloques de construccin descritos en la seccin anterior. Del mismo modo
registro linearizating las ecuaciones de otros rendimientos

Para encontrar las variables de Estado, hay que encontrar todas las variables (combinaciones
lineales de) fecha t-1. En estas ecuaciones: la variable de estado endgena es capital, kt-1,
mientras que la variable de estado exgeno es la tecnologa parmetro zt-1. Tenga en cuenta que
hay tantas ecuaciones expectational como son las variables de estado endgena. Los coeficientes
de las ecuaciones anteriores deben ser recogidos en las matrices apropiadas reiterar estas
ecuaciones en la forma requerida para la seccin 6: este es un ejercicio sencillo.

(13) Otra forma de ver que constantes pueden al final colocar es tomar nota de que el estado estacionario
se caracteriza por ct = kt = yt = kt-1 = 0. Si uno reemplaza todo registro-desviaciones con cero, slo los
trminos constantes permanecen y esa ecuacin puede sustraerse de la ecuacin general ct, kt, yt y kt-1
arriba.

6. Resolver sistemas lineales estocsticos recursivos con el mtodo de

coeficientes indeterminados

Esta seccin describe cmo y la solucin a la ley de equilibrio recursiva del movimiento en general,
utilizando el mtodo de coeficientes indeterminados. Programas MATLAB clculos en esta seccin
estn disponibles en mi pgina 14. La idea es escribir todas las variables funciones como lineales
("recursiva equilibrio ley del movimiento") de un vector de variables endgenas xt-1 y variables
exgenas zt, que se dan en la fecha t, es decir, que no puede cambiarse en t de fecha. Estas
variables se denominan variables de Estado o predeterminados de las variables. . En el ejemplo del
ciclo econmico real de la seccin 5 son menos kt-1 y zt, ya que son claramente inalterables de t
de fecha y, adems, se muestran en el sistema de ecuaciones lineal. En principio, cualquier
variable endgena t-1 de fecha o anteriormente podra considerarse una variable de Estado. As,
en el prrafo 6.1 a continuacin, utilizar la "fuerza bruta" y simplemente declarar todas las
variables endgenas que las variables de Estado, mientras que en el prrafo 6.2, intentamos ser un
poco ms sensibles y explotar ms la estructura disponible. Este ltimo se realiza normalmente en
la prctica; vase a, por ejemplo, Campbell (1994). Ambos subsecciones se caracterizan la solucin
con una ecuacin cuadrtica de matriz, vase tambin reduce y ros-Rull (1992) y cuaderno y
Pesaran (1996). Subseccin 6.3 muestra cmo resolver esa ecuacin. Para los modelos con una
sola variable de estado endgeno, tales como el modelo del ciclo econmico real de la seccin 5,
cuando se analizan con el enfoque ms estructurado en la subseccin 6.2 por debajo, la ecuacin
cuadrtica de matriz es simplemente una ecuacin cuadrtica de un nmero real. En ese caso, la
solucin a la ecuacin cuadrtica obviamente conoce de lgebra de secundaria: figura como un
caso especial de la solucin general de la seccin 6.3. En el prrafo 6.4 nosotros discutir nuestro
mtodo de solucin y comparar en particular el enfoque de Blanchard-Kahn (1980).

6.1 Con fuerza bruta

Como un primer corte y con fuerza un poco bruta, uno simplemente puede usar todas las variables
sin distincin como un vector de estado endgena variables 15 xt-1 de tamao m x 1, o como un
vector de proceso estocstico exgenos zt de tamao k x 1. Se supone que las relaciones de
equilibrio log-lineal pueden escribirse en el siguiente formulario:

(14) http://cwis.kub.nl/~few5/center/STAFF/uhlig/toolkit.dir/toolkit.htm es la direccin del sitio web para

los programas.
(15)Para que esto funcione realmente por lo general, uno debe no slo incluir todas las variables de fecha de
t - 1, sino tambin todas las variables de fecha t - 2 como parte del estado delmvector xt-1. Ms es incluso
necesario, si las ecuaciones ya contienen ms variables endgenas desfasadas, vase tambin la siguiente
nota. Generalmente, sin embargo, esto no es necesario.

donde F, G, H, L y m y matrices, recogiendo los coeficientes. Se supone que n tiene slo valores
propios estables. El ciclo de negocios real del ejemplo anterior puede escribirse fcilmente en este
formulario. Por ejemplo, sera la restriccin de recursos 5.4

desde ct, it y yt ya son conocidos en la fecha t y, por tanto, nada cambia cuando uno toma sus
expectativas dados toda la informacin hasta la fecha t. nota que F = L = 0 para esta ecuacin. Por
supuesto, hay otras ecuaciones en el modelo de ciclo de negocio real, y uno de ellos implica cero
entradas F y L.
Lo que uno est buscando es la ley de equilibrio recursiva de movimiento

es decir, matrices p y Q, por lo que el equilibrio descrito por estas normas es estable. La solucin
se caracteriza en el teorema siguiente; Vase tambin Binder y Pesaran (1996). La caracterizacin
implica una ecuacin cuadrtica de matriz, vea ecuacin 6.4. Subseccin 6.3 explica cmo puede
resolverse. Con el propsito de esa seccin, sea m la longitud del vector xt y l = n = 0.

Teorema 1 si hay una ley de equilibrio recursiva de propuesta de resolucin de ecuaciones (6.1) y
(6.2) y luego los siguientes deben ser verdaderos.

1. P satisface la ecuacin cuadrtica (matriz) el equilibrio descrito por la ley de equilibrio recursiva
de movimiento (6.3) y (6.2) es estable si todos valores propios de p estn menores que la unidad
en valor absoluto.

2. Dada P, sea V denotar la matriz,

Luego

donde vec (.) denota vectorizacin sabia de columna.

Obviamente, si la matriz v en este teorema es invertible, entonces multiplicacin de ecuacin (6.5)

con V da la nica solucin para q. prueba: conectar dos veces la ley de equilibrio recursiva del
movimiento (6.3) en la ecuacin (6.1) y usando (6.2) para calcular los rendimientos de las
expectativas

Las matrices de coeficiente de xt-1 y zt deben ser cero. Equiparar el coeficiente de xt-1 cero
ecuacin de rendimientos (6.4) para p. teniendo la vectorizacin sabia de columna de las matrices
de coeficiente de zt en esta ecuacin y trminos recogidas en vec (Q) obtiene la ecuacin (6.5)
para Q.

6.2 o con sensibilidad.

Explotamos ahora ms de la estructura del modelo lineal. Analizar las ecuaciones del ejemplo del
ciclo econmico real de la seccin 5, uno ve que el slo endgeno variable fecha t-1 que se
muestra en cualquiera de las ecuaciones es capital, kt-1. Por lo tanto, un razonablemente supongo
que tratar kt-1 como la variable de Estado slo endgeno junto con el zt variable exgena de
Estado. Este principio es general: en la mayora de los casos, se trata de cmo uno puede
identificar el vector de variables de Estado (16). En la prctica, se ve a menudo los investigadores
explotar algunas de las ecuaciones de equilibrio para "deshacerse" de algunas variables y tienen
slo unas pocas variables restantes. En el ejemplo del ciclo econmico real de la seccin 5 es
realmente posible reducir todo a una sola ecuacin para las variables endgenas, que contiene
slo kt + 1, kt y kt-1. A menudo, uno ve reducciones a un sistema de dos ecuaciones en dos
variables endgenas como ct y kt-1, vase por ejemplo Campbell (1994), presumiblemente porque
esto permite pensar en trminos de un diagrama de espacio de Estado, vase por ejemplo
Blanchard y Fisher (1980) captulo 2. El anlisis siguiente sigue este procedimiento utilizados con
frecuencia. Sin embargo, no hay razn para pasar por la molestia de "eliminar" las variables a
mano, utilizando algunas de las ecuaciones: puesto que esto es todo simple lgebra lineal aplicado
a un sistema de ecuaciones, es mucho ms fcil dejar todas las ecuaciones en, y dejar que las
frmulas para ordenar todo. Eso es lo que se hace a continuacin.

(16) Hay excepciones. En modelos ms ricos, las variables de estado deban incluir variables
elegidas en una fecha anterior a t - 1 as porque estas variables demoradas aparecen en las
ecuaciones. Uno puede reformulado esta en el formato deseado como sigue. La lista de variables

de Estado podra consistir de valores demorados de la capital, kt-1 y 2 de kt. Esto puede y debe ser
reescrito como k1 y k2, t-1, con k1, t-1 sustituyendo kt-1 y t-1 y donde los adicionales ecuacin k2,
t = k1, t-1 debe agregarse al sistema. Con esta notacin, k2, t es "elegido" en la fecha t, satisfacer
la "Convencin de citas", declarada en la seccin 5. Tambin puede ser necesario agregar variables
adicionales como, por ejemplo, ct-1 o 2 kt como variables de Estado, a pesar de no aparecen en las
ecuaciones con estas fechas, cuando el modelo exhibe dinmica manchas de sol. Esto puede
hacerse de la misma manera, pero hay que tener cuidado con la interpretacin de los resultados.
El lector se aconseja leer Farmer y Guo (1994) as como un ejemplo para la interpretacin
adecuada para tal caso.

As hacemos los siguientes supuestos (17). Hay un vector de estado endgena Xt, tamao m x 1
una lista de otras variables endgenas ("variables de salto") yt, tamao n x 1 y una lista de
procesos estocsticos exgenos zt, tamao k x 1. Las relaciones de equilibrio entre estas variables
son

donde se supone que c es de tamao l x n, l n y (18) de rango n, que f es de tamao (m + n l) x

n, y que n tiene autovalores slo estable. Tenga en cuenta, que uno podra haber escrito todas las
ecuaciones (6.7) en forma de ecuacin (6.8) con las entradas correspondientes en las matrices F, J
y l a cero. Esencialmente, eso es lo que se hace en el apartado 6.1. En cambio, el punto aqu es
explotar de alguna manera la estructura inherente en las ecuaciones de la forma (6.7) que no
implican tomar las expectativas.

Lo que uno busca es la ley de equilibrio recursiva del movimiento

es decir, matrices P, Q, R y S, para que el equilibrio descrito por estas reglas es estable. La solucin
se caracteriza en el teorema siguiente. Para calcular la solucin, hay que resolver una ecuacin
cuadrtica de matriz: cmo hacer esto, se explica en el apartado 6.3. El importante caso especial l
= n es tratada en el corolario 1. El caso especial l = n = 0 fue el tema del inciso 6.1.

Teorema 2 Si hay una ley de equilibrio recursivo de propuesta de resolucin de ecuaciones (6,7)
(6.8) y (6,9) y luego las matrices de coeficiente pueden encontrarse como sigue. Sea C + el seudo
inverso (19) de C. C sean un (l n) x matriz l, cuyas filas forman una base del espacio nulo (20) de
C'.

(17) Note que la notacin difiere de la notacin en la seccin 3.

(18) El caso l < n puede ser tratada as: el enfoque ms fcil es simplemente "redeclarar" algunas
otras variables endgenas que las variables de estado en su lugar, es decir, subir m y as n baja,
hasta l = n.
(19) La cuasi-inversa de la matriz C es matriz C + n x 1 satisface C + CC + = C + y CC + C = C. Ya que
se supone que rango (C) n, uno obtiene C += (C'C) C', vea Strang (1980), p. 138. El comando
MATLAB para calcular la cuasi-inversa es pinv (C).
(20) C pueden encontrarse a travs de la descomposicin de valor singular de C', vea Strang
(1980), p. 142. El comando de MATLAB para calcular C es (null (C'))'.

1. P satisface las ecuaciones cuadrticas (matriz)

El equilibrio se describe por la ley de equilibrio recursiva del movimiento (6.10), (6.11) y (6,9) es
estable si todos los autovalores de P son menores que la unidad en valor absoluto.

2. R est dada por

3. Dado P y R, sea V la matriz

donde Ik es la matriz identidad de tamao k x k. Luego

donde vec (.) denota vectorizacin por columna.

Obviamente, si la matriz V en este teorema es invertible, entonces multiplicacin de ecuacin 6.14

con V- da la nica solucin para Q.

Prueba: Enchufe la ley de equilibrio recursiva del movimiento en la ecuacin (6.7). Esto produce

que sostenga para xt-1 arbitraria y zt. As, las matrices de coeficiente de xt-1 y zt en (6.15) son
cero. Enchufar la ley de equilibrio recursiva del movimiento en la ecuacin (6.8) dos veces y
utilizando rendimientos (6.9)

Las matrices de coeficiente de xt-1 y zt volver a ser cero. Tomando la vectorizacin por columna de
las matrices de coeficiente de zt en las ecuaciones (6.15) y (6.16) y recopilacin de trminos en
vec(Q) y vec (S) obtiene la frmula para Q y S. Para encontrar P y R, reescribir la matriz de
coeficientes en la ecuacin (6.15) como xt-1

observando que la [(C+) de la matriz ', ( C)'] es no singular y que C C = 0, ver Strang (1980), p. 88.
Uso (6.17) para reemplazar a r en la matriz de coeficientes en la xt-1 (6.16), rendimiento (6.13).
Por ltimo, tenga en cuenta que la estabilidad del equilibrio est determinada por la estabilidad de
P, ya que n tiene races estables por supuesto.

Corolario 1 Supongamos que l = n, es decir, que hay tantas ecuaciones anticipaciones como hay
variables de estado endgena. Si hay una ley de equilibrio de recursiva del movimiento resolver
ecuaciones (6.7), (6.8) y (6,9) y luego sus matrices de coeficiente pueden encontrarse como sigue.

1. P satisface la ecuacin cuadrtica (matriz)

el equilibrio se describe por la ley de equilibrio recursiva del movimiento (6.10), (6.11) y (6,9) es
estable si todos los autovalores de p son menores que la unidad en valor absoluto

2. R est dada por

3. Q satisface

donde Ik es la matriz identidad de tamao k x k, proporcionada la matriz que debe ser invertido en
esta frmula es hecho invertible.

4. S est dada por

Prueba: Este corolario puede obtenerse directamente mediante la inspeccin de las frmulas del
teorema 2 anterior para el especial caso l = n. En particular, C + es simplemente la inversa de C.
Alternativamente, una prueba directa puede obtenerse directamente siguiendo la misma
estrategia de prueba como se indica arriba: no es necesario repetirlo.

Las frmulas de estos teoremas volverse ms simples an, si m = 1 o k = 1. Si m = 1, existe slo una
variable de estado endgena y la matriz cuadrtica ecuacin anterior se convierte en una ecuacin
cuadrtica en el nmero real P, que puede resolverse usando lgebra de secundaria: este es el
caso para el modelo de ciclo de negocio real y por lo tanto el caso que analiza Campbell (1994). Si

k = 1, all es una variables exgenas de Estado, en cuyo caso el producto de Kronecker (es decir,
"") en las frmulas anteriores se convierte en multiplicacin y en qu casos vec(Q) = Q y vec (S) =
S, Q y s son ya vectores en lugar de matrices.

6.3 Resolviendo la ecuacin cuadrtica de matriz.

Generalmente resolver las ecuaciones cuadrticas de matriz (6.4) o (6.12), (6.13) para P, escrbalas
generalmente como

Ecuaciones (6.12) y (6.13), definir

donde 0 l-n, m es una (l-n) x m matriz con cero slo las entradas. En el especial caso l = n, las
frmulas de , y se convierten en algo ms sencilla:

Ecuacin (6.4) simplemente uso = F, = g y = H.

Ecuacin (6.20) ahora puede ser resuelto por

con respecto a una matriz se
define como un vector y la satisfaccin de un valor

(21) Una versin anterior del captulo propuesto estudiar una versin alterada de estas ecuaciones por
postmultiplicacion ecuacin (6.12) con p. Esto alter la ecuacin junto con (6.13) puede entonces a menudo
reducirse a un estndar en lugar de un problema generalizado de valor propio, pero tena el inconveniente
de introducir falso races de cero. La versin presentada aqu no implica esta alteracin y as no introducir el
cero falsa races. Esta actualizacin se debe a Andy Atkeson (1997), y estoy muy agradecido a l por
sealrmelo. Aqu los errores son mos, por supuesto.
(22) El comando de Matlab para encontrar valores y vectores propios generalizada es eig

Un problema de autovalor estndar se obtiene, si es la matriz identidad. Ms generalmente, el

problema de vector propio generalizado puede reducirse a una norma, si es invertible, mediante
el clculo estndar autovalores y autovectores de en su lugar.

Teorema 3 para resolver la ecuacin cuadrtica de la matriz

para matriz P m x m, dado las matrices y m x m, definir las matrices

mediante

y de 2m x 2m

donde Im es la matriz identidad de tamao m, y donde 0 m, m es la matriz m x m con slo cero

entradas.

1. Si s es un vector propio generalizado y su correspondiente autovalor generalizado de

respecto a , s puede escribirse como s' = [x', x'] para algunos x R .

con

2. Si hay m autovalores generalizados ,..., m junto con autovectores generalizado s1,...,sm

con respecto a escrito como si = [x' i, x' i ] para algunos xi R
y si (x1,..., xm) es
linealmente independientes, entonces

es una solucin a la ecuacin cuadrtica de matriz (6.22), donde = [x 1, , xm] y = diag (,

m). La solucin p es estable si l i l < 1 para todos i = 1,..., m. y a la inversa, cualquier solucin
diagonalizable P (6.22) puede ser escrita de esta manera.

3. Si m = 1, entonces las soluciones p ecuacin (6.22) estn dada por

Si 0 y

Si 0 y 0

Prueba: en primer lugar, se examinar las ltimas m filas de la ecuacin (6.21) para ver que
cualquier vector propio S por algn valor propio
se puede escribir como:

de la matriz

Para algn
, debido a la forma especial de
de la ecuacin(6.21) a continuacin, muestra que

Resulta que

Y por lo tanto

con respecto a

de hecho

Examinando las primeras m filas

Se reclama , despus de multiplicar por

por la derecha.

La inversin de los pasos muestra que cualquier solucin de P diagonalizable de (6.22) puede ser
escrita de esta manera
Algunas propiedades adicionales de una solucin a P de (6.20) se indica en la siguiente Teorema 23:
Teorema 4 1.Los valores propios

de

son las soluciones de la ecuacin :

La mitad inferior de x de un vector propio s de

satisface

23

Doy las gracias a Jan Magnus para sealar estos a m. Por otra parte Ceria y Ros Rull,
1992,sealar a la literatura adicional sobre este tema? que encontr y se concentr en la parte 1
del teorema 4, pero no he estudiado el teorema que es ms til, el teorema 3

2. Si
es invertible y si P es una verdadera
(6.18).Entonces

Prueba : La afirmacin sobre

solucin de la matriz cuadrtica ecuacin

desprende :

Que se deduce de la inspeccin de la frmula para el determinante .La afirmacin sobre la x pieza
vector propio x es preciso (6.23) .Para la ltima afirmacin, se calcula que:

La conclusin sigue desde

6.4 Discusin.
Teorema3 vincula el enfoque utilizado aqu para Blanchard y Kahn (1980), que es la referencia
clave para la solucin de las ecuaciones lineales diferenciales lineales ecuaciones. Considere la
solucin del segundo orden para la ecuacin diferencial:

El enfoque de Blanchard y Kahn (1980) asciende a encontrar las races estables de

analizar la dinmica del sistema apilado

en lugar de

i. e.? mediante la reduccin de (6.24) a una diferencial de primer orden de la ecuacin . El enfoque
se resuelve de la matriz P en la ley del equilibrio recursivo de movimiento
.El
Teorema 3 hace referencia sobre los estados que ambos enfoques le dan cuantitativamente al
mismo problema. La ventaja de ste mtodo es que se aplica fcilmente a todo el sistema (6,7),
(6,8) y (6,9), reducindolo a (6,24) finalmente, mientras que hallamos las races estables en todo
el sistema dado por estas ecuaciones y, al mismo tiempo teniendo cuidado con los operadores de
las expectativas, utilizando el Blanchard - Kahn (1980), procedimiento que a menudo se percibe
tan complicado, pero que no lo es. Fundamentalmente,no hay diferencia.
Para aplicar el teorema 3, se necesita para seleccionar m fuera de 2 m posibles valores propios.
Nota , que P slo tiene valores propios distintos de cero, si el espacio de estado fue elegido para
ser de un mnimo de tamao:
As, la atencin puede ser restringido a las races
en ese caso. En general puede there
may be quite a bit of choice left// haber un poco de la izquierda eleccin. En la prctica, sin embargo,
habr a menudo exactamente m autovalores estables restantes de modo que la solucin estable
sea nica 24

24

Otro mtodo para seleccionar una nica solucin est en McCallum(1983),que se sugiere utilizar
las races que puede obtenerse de forma continua de las races cero de la ecuacin
para
si vara entre 0 y 1 . Sin embargo, no slo est siguiendo estas
races como funciones de ,que son computacionalmente muy exigentes tambin es el caso que
la singularidad se pierde una vez dos o ms de tales mtodos cuando se cruzan entre s . Si estos
mtodos no se cruzan en una aplicacin en particular, y si adicionalmente todas las races para
todos son nmeros reales positivos, es decir, entonces la propuesta de McCallum, simplemente
equivale a utilizar las races de valor mnimo. Los programas de MATLAB suministrados por el
autor usa las races de valor absoluto mnimo , sujetos a la eliminacin de las races cero falsas y
trata de usar las races complejas en conjugar pares, como se describe a continuacin.

Para un Vector dimensional de variables de estado endgenas, esta condicin se denomina silla
de montar- punto de estabilidad. La literatura sobre la solucin de equilibrio lineal de expectativas
racionales por lo general asume esta condicin de tenencia o de la muestra a celebrar en
problemas de planificacin social en condiciones razonables , vase Blanchard y Kahn(1980),
Kollintzas (1985) y Hansen. McGrattan y Sargent(1994). Si hay menos valores propios estables, que
las variables endgenas del estado , el equilibrio puede ser inherentemente inestable. El mtodo
anterior entonces todava permite el clculo de un equilibrio que satisfactorio en condiciones de
equilibrio no lineal, al menos a nivel local. En particular, en los modelos de los que participaron
ms de un agente (sectores, pases) y por lo tanto puede resultar en permanente los cambios en
sus trayectorias de consumo( o stocks de capital): En estos casos, el mtodo above allowing (por
encima ) que permite races unitarias todava da resultados tiles, que se muestran a continuacin
which obviously should then beused with some care . Estas races unitarias por lo general ya se
muestran como indeterminadas en el estado estacionario ; cualquiera de los posibles estados
estacionarios pueden servir entonces como un punto de partida para el clculo dinmico, teniendo
en cuenta que una simulacin basada en la dinmica calculado aqu el tiempo se aleje demasiado
para ser numricamente til . Si hay valores propios ms estables que las variables de estado
endgenas, aumentando el nmero de variables de estado endgenas mediante la inclusin de
nuevos valores rezagados podra ayudar. Sin embargo a menos, que la presencia de un exceso de
races estables a continuacin, pueda indicar la existencia de las manchas solares o las
fluctuaciones endgenas , ver e.g. Farmer y Guo(1994).
Si no todos los valores propios de
son distintos , P a su vez podra haber repetido valores
propios. Dado que el espacio propio para un valor propio repetido es (por lo general)
multidimensional , habr infinitas opciones para los vectores propios y por lo tanto infinitas P en
ese caso . Nota, por ejemplo, que para cualquier

dado y tres nmeros reales a,b,c satisface

,todas las matrices

Solucione

Estos casos son raros en la prctica, Entonces

es diagonalizable con valores propios bien
definidos genricamente en los coeficientes del sistema (6,7) ,(6,8) y (6,9).
Ms desconcertante es la posibilidad que una cierta cantidad de las races pueden estar ms
complicadas que en la realidad. Considere Por ejemplo,

Usando el teorema arriba explicado se obtiene exactamente dos races estables que pasan a ser
complejas

donde
Sus propias asociaciones
tambin son complejas. Calculando P resulta una matriz con slo entradas reales, Sin embargo
dado que

Desde
es un valor real de la matriz ,solo se levanta los valores propios pares complejos
conjugados . Al usar ambas races complejas y conjugadas para calcular A y as P,
la solucin resultante debera ser una matriz de valores reales . Para hacer esto se puede tener
que ampliar el espacio de las variables endgenas de estado, para serlo por lo menos
bidimensional . Veas nuevamente Farmer y Guo (1994) por ejemplo Las races complejas then

give rise to endogenous damped cycles of frequency

7. Interpretando los resultados

Los resultados obtenidos , i.e. el equilibrio recursivo de la ley de movimiento

puede usarse para examinar las implicaciones del modelo . Ya que

y
son logdesviaciones,Las entradas en P, Q ,R,S y N pueden ser vistas como elasticidades y se pueden
interpretar consecuentemente ,vase e.g. Campbell (1994).
Las impulso-respuestas para un shock particular

establecimiento de

puede calcularse mediante el

,as como
para t>=2, y recursivamente

calculando

y a continuacin
y
, dado
y
por
con el equilibrio recursivo de la ley de movimiento y la ley de movimiento para
.Esto ya ha sido descrito para el modelo estocstico de crecimiento neoclsico en la subsubseccin 4.5.3. Para el modelo RBC de la seccin 5, las funciones de impulso-respuesta
(excluyendo de la respuesta a la inversin, ya que reacciona con bastante fuerza) a un choque
tecnolgico se puede ver en la fi gura 4.
Para hallar las propiedades del segundo momento del modelo como varianzas y autocorrelacin
de ciertas variables, as como las propiedades de muestras pequeas de sus estimadores, se usa a
menudo los mtodos de simulacin. Antes de calcular estos momentos, el filtro de Hodrick
Prescott se aplica tpicamente (Corto: HP- Filtro). Esta seccin demuestra una tcnica de

frecuencia dominio para obtener esos momentos (aunque sin las propiedad de muestras
pequeas de sus estimadores) sin la necesidad de cualquier simulacin 25.

Figura 4: Respuestas impulso para Hansen (1985) negocio real modelo de ciclo , utilizando sus
Parmetros.
Respuestas del impulso del choque con la tecnologa
X :Aos despus del choque
Y : Porcentaje desviacin de estado estacionario

Obviamente, los mtodos aqu no entregan las propiedades de la distribucin de la muestra

pequea, que puede ser necesaria para la prueba.
La matriz de densidad espectral para

viene dada por

Donde
y
son las matrices de identidad de dimensin k y m; ver a Hamilton (1994),
Frmula(10.4.43). Dos maneras de calcular la matriz de densidad espectral para el vector entero

25

Algunos de estos mtodos figuran originalmente en una versin temprana de Uhlig y Xu(1996),
pero fueron eliminados eventualmente del paper.
de variables

son

donde P+ es la pseudo-inversa de P y donde la ltima igualdad explota

,
reemplazando
con
en el equilibrio recursivo de la ley de movimiento
para
.El filtro HP pretende eliminar una tendencia suave
resolucin de

La solucin es un polinomio lineal de retardo/lag

funcin

de algunos datos

mediante la

que tiene la transferencia

Vase King y Rebelo (1993). Por lo tanto, la matriz de densidad espectral del vector HP filtrado ?
ltered
vector es simplemente
desde donde se puede obtener las autocorrelaciones de
una relacin inversa transformacin de Fourier

en el dominio del tiempo a travs de

Vase la frmula(10.4.4) en Hamilton(1994).La transformada de Fourier inversa son parte de

muchos paquetes numricos.
Para Hansen (1985) modelo real del ciclo econmico estudiado en la seccin 5, tablas 3 y 4
reportan las desviaciones estndar, as como las correlaciones cruzadas con un GNP para la
HP- Filtrado serie en el modelo. Estas tablas se utilizan a menudo en el ciclo de negocio real
la literatura como un primer corte para evaluar el fit de un modelo a los datos.

Tabla 3

Lase:capital-capital,consumption-consumo,output-salida,labor-trabajo,interest
interes,investment-inversin,technology-tecnologa .
Tabla 3
Modelo de desviaciones estndar dela HP-filtro(filtered) serie de Hansen(1985) real modelo del ciclo real de negocio,
estudi en la seccin 5

Tabla 4

Tabla 4: Correlaciones cruzadas corr

? ,GNP (t) por el HP-filtro filtered por
Hansen(1985) modelo de ciclo real de negocio. Estudiado en la seccin 5.

8. Conclusiones
Hemos proporcionado un conjunto de herramientas para analizar dinmicas no lineales de
modelos estocsticos con facilidad.
La contribucin principal de este captulo es el de simplificar y unificar los enfoques existentes,
que muestra cmo iniciar una sesin log-linealizar las ecuaciones necesarias que caracterizan el
equilibrio sin explcita diferenciacin, para proporcionar una solucin general de un sistema
linealizado utilizando el mtodo de coeficiente indeterminado, permitiendo en particular para un
vector de estado endgenos, y para proporcionar la simulacin- frecuencia libre- de dominio
basado en el mtodo para calcular las implicaciones de los modelos en su versin HP-filtered .
Estos mtodos son fciles de usar si un paquete numrico como Matlab o Gauss est disponible.
Este captulo, por tanto, ser til para cualquier persona interesada en el anlisis no lineal
modelos estocsticos dinmicos.
Apndice
A Descripcin de los programas de MATLAB
Programas de MATLAB para llevar a cabo los clculos para las secciones 6 y 7 y estn disponibles
en el siguiente sitio web:
http:/cwis.kub.nl/ few5/center/STAFF/uhling/toolkit.dir/.htm
Los shall briefly se han descrito aqu. La forma ms sencilla de aprender acerca de estos programas
es almacenar todos ellos, empecemos por MATLAB desde el directorio, donde estn almacenado y
el tipo readme/leme. Esto ejecutar el archivo readme.m-file, proporcionando alguna
documentacin.
Al escribir estas lneas, la versin ms reciente de las lecciones son versin2. Para ver cmo
estn diferenciadas de la versin anterior, que se distribuy hasta la primavera de 1997, tipo
whatsnew(que hay de nuevo) within MATLAB, que ejecuta el file whatsnew.m , imprimir
mensajes relevantes como resultado. Para ver rpidamente, cmo est el file de trabajo.
Empezando en MATLAB y el ejemplo tipo examp10 para el clculo a travs del ejemplo1, que es
Hansens (1985) modelo del ciclo real del negocio de la seccin 5. Aqu hay muchos ejemplos
enumerados examplNN,donde NN representa el nmero. Para ver lo que cualquier ejemplo
particular ,es decir, exampl1.m, se hace, tipo ayuda ejemploshelp exampl1 within MATLAB
.Utiliza el ejemplo de los files como plantillas para su propio trabajo. Como alternativa, declarara
todos las matrices necesarias y el tipo en que hacerdo-it a hacer todos los clculos . Todo el
examplNN.m- files llamados do-it ,hacerlo ,al final.
Los files realizan todos los clculos (i.e. todos los ficheros aparte de examplNN.m-files, el
readme.m-file, el readme.m-file y la whatsnew.m-file) son:

do_it.m : lo hace todo, una vez que todas las matrices que se necesitan son definidos. Estos files
llama a todos los otros programas . Por lo tanto, examinar esto,le dir a usted, en el que toda la
secuencia de clculos son realizadas are performed .
enlarge.m : ampliar le permite manipular los tamaos de letras en las parcelas plots y otras
propiedades de las parcelas . tiles para la produccin de las diapositivas o las parcelas para su
publicacin.
Impresp.m: calcula y muestra las respuestas de impulso a los shocks, vase la seccin 7.
Mom_out.m : produce una salida. Para ser llamado despus de momentos.m
Momentos.m: calcula las propiedades segundo momento, vase la seccin 7.
Options.m : establece las opciones para todos los programas. Es llamado por hacerlo y tiene que
ser llamada , si alguna de las siguientes rutinas se utiliza en el aislamiento.
Sol_out.m : produce una salida. Para ser llamado despus de solver.m
Solve.m : resuelve la ley del equilibrio recursivo de movimiento con los teoremas de la
la seccin 6.
Todos los files han sido ampliamente documentadas. Tipo, es decir ,help impresp in MATLAB
para obtener ms informacin sobre lo que el programa impresp.m hace . Tenga en cuenta que
estos Les conjunto algunas variables adicionales, que usted puede haber usado antes? por lo
tanto,tenga cuidado de no utilizar los nombres que aparecen en los programas.Si usted tiene una
pregunta,por favor, lea este captulo y la documentacin con cuidado. Estos archivos, Se
proporcionan como una externalidad libre, y yo no estoy preparado para dar, soporte tcnico, Sin
embargo, si no se toma en serio% awso las formas graves de mejorar en estos programas. Me
gustara aprender acerca de ellos, se tiene la libertad de copiar y modificar estos, y los utilizan a su
propio riesgo. No hay absolutamente ninguna garanta de que funcione de la manera que se
supone.

Referencias
(1) Atkeson, A. (1997), A modification of Harald,s program, notas de clase ,University de
Pennsylvania.
(2) Binder,Michael and Hashem M. Pesaran (1994), Multivariate Rational Expectations
Models and Macroeconomic modeling: A Review and Some New Results Universidad de
Cambridge Departamento de Economa Aplicada de trabajo ,9415, Manual de
Econometra Aplicada( Proximamente)
(3) Blanchard , Oliviers Jean and Charles M. Kahn (1980), The Solution of Linear Difference
Models under Rational Expectations, Economtrica, 48(5),1305-11.
(4) Blanchard , Oliviers y Stantey Fisher,1989,Lectures on Macroeconomics,MIT Press.
(5) Brock , W.A. and L. Mirman(1972),Optimal economic growth and uncertainty :the
discounted case, Journal of Economic Theory Vol. 4,No.3,pp.479-513.

(6) Campbell , J. (1994) , Inspecting the mechanism : an analytical approach to the stochastic
growth model , Journal of Monetary Economics Vol.33, No. 3 , pp. 463-506.
(7) Campbell , J. and J. Cochrane (1994), By force of habit : A consumption-based
explanation of aggregate stock market behavior . borrador, Harvard University.
(8) Ceria ,S. and J.V. Rios-Rull (1992),On the Existence, Uniqueness, and Computability of
Nonoptimal Recursive Equilibria in Linear Quadratic Economies, borrador
Carnegie_Mellon University.
(9) Danthine, J-P and J.B. Donaldson (1995),Computing equilibria of nonoptimal economics
, in T. Cooley (ed.) , Frontiers of Business Cycle Research , Princeton University Press, pp.
65-97.
(10)Farmer, Roger E. A. and Jang-Ting Guo(1994),Real Business Cycles and the Animal Spirits
Hypothesis ,Journal of Economic Theory 63,42-72.
(11)Hamilton , J.D.(1994),Time Series Analysis ,Princeton University Press.
(12)Hansen, G.D._Indivisible labor and the business cycle,Journal of Mon_
etary Economics Vol.16, pp 309-327.
(13)Hansen,G.D. and E.C. Prescott(1995),Recursive methods for computing equi libria of
business cycle models in T_C_ Cooley _ed___ Frontiers of Business Cycle
Research_ Princeton University_ pp_ ____
___ Hansen_ L__ E_R_ McGrattan and T_J_ Sargent ______ _Mechanics of forming and
estimating linear economies__ Federal Reserve Bank of Minneapolis Sta_ Report
_

__

____ King_ R_G__ C_I_ Plosser and S_T_ Rebelo ___

___ _Production_ growth and busi_

ness cycles_ technical appendix__ working paper_ University of Rochester_

____ King_ R_G_ and S_T_ Rebelo ______ _Low Frequency Filtering and Real Business
Cycles__ Journal of Economic Dynamics and Control vol_ ___ no_ ____ _______