Большинство политических анализов по-прежнему базируется на моделях рациональных ожиданий, часто с использованием совершенно рационального репрезентативного агента. Однако финансово-экономический кризис 2008 г. научил всех тому, что для моделирования, понимания и урегулирования кризисов необходимы альтернативные подходы.
В проводимом исследовании обсуждался альтернативный поведенческий подход к моделированию макрофинансов с точки зрения сложных систем.
Экономика состоит
из ограниченно рациональных гетерогенных агентов, которые не до конца понимают сложную окружающую среду и используют простую эвристику принятия решений. Центральное место в исследовании занимает вопрос о том, в каких условиях сложная макросистема взаимодействующих агентов может координировать, а может и не координировать рациональное равновесие.
Сложные системы состоят из множества агентов (потребителей, производителей, инвесторов и т.д.), взаимодействие которых на индивидуальном (микро) уровне создает новое агрегированное (макро) поведение. Двумя важными характеристиками сложных систем являются (i) нелинейность и (ii) неоднородность.
Нелинейности могут привести к множественным равновесиям и, как следствие, небольшие изменения на микроуровне могут усиливать и приводить к критическим переходам или переломным моментам на макроуровне. Затем сложная система может внезапно перейти от "хорошего, желательного" устойчивого состояния к "плохому, нежелательному, кризисному" устойчивому состоянию.
После таких катастрофических изменений система не может быть легко восстановлена и переведена в "хорошее" устойчивое состояние. Поэтому с точки зрения политики крайне важно понимать множественность равновесий и не допускать перехода системы в нежелательное равновесное устойчивое состояние.
Вторым важным аспектом сложных систем является то, что они состоят из множества (часто многих) разнородных агентов, которые взаимодействуют друг с другом. Поведение многоагентной сложной макросистемы не может быть сведено к единому репрезентативному агенту, но необходимо изучать индивидуальные взаимодействия на микроуровне, чтобы объяснить его возникающее агрегированное поведение.
Поэтому гетерогенные модели агентов с ограниченными рациональными агентами будут играть важную роль в данном исследовании. Поведенческие макроэкономические модели требуют обоснованных предположений об индивидуальном поведении ограниченно рациональных агентов.
Лабораторные эксперименты с людьми могут дать важную информацию об индивидуальных правилах принятия решений агентами. Появляется новое поле экспериментальной макроэкономики, изучающее поведение группы людей в лабораторных макроэкономических условиях. В частности, в лабораторных экспериментах по изучению - прогнозированию изучался процесс координации формирования индивидуальных ожиданий в лаборатории.
Общий вывод заключается в том, что при положительных ожиданиях обратной связи (стратегической взаимодополняемости) система не сходится к (уникальному) рациональному результату, однако часто наблюдаются сбои в координации. Положительная обратная связь возникает, например, на спекулятивных рынках активов, где оптимистичные (пессимистические) представления создают больший спрос на активы и, следовательно, более высокие (низкие) цены.
В этом случае экономика довольно нестабильна, и устойчивые совокупные колебания сильно усиливаются за счет координации действий по отслеживанию тенденций, что приводит к (почти) самозаполняющимся равновесиям.
Гетерогенные ожидания и поведенческие эвристические коммутационные модели
на удивление хорошо сочетаются с наблюдаемым микро- и макроповедением. Обследование завершается обсуждением некоторых политических последствий отсутствия такой координации для совершенно рационального совокупного результата и того, как политика может помочь управлять процессом самоорганизации сложной макроэкономической системы.
В целом, политика должна давать системе негативную обратную связь, тем самым снижая общую положительную обратную связь и делая менее вероятной координацию стратегий, направленных на отслеживание тенденций. Настало время более серьезно подойти к анализу политики, чтобы лучше понять, как восстановить экономику и/или предотвратить будущие кризисы.
Финансовый кризис 2007-2008 годов
и последовавшая за ним Великая рецессия - самый серьезный экономический кризис со времен Великой депрессии 1930-х годов, вызвали у директивных органов и ученых все большую обеспокоенность по поводу эмпирической значимости стандартных репрезентативных рациональных рамок агентов в макроэкономике.
В часто цитируемой речи во время кризиса в ноябре 2010 года тогдашний председатель Европейского центрального банка (ЕЦБ) Жан-Клод Трише выразил эту озабоченность следующим образом: "Когда наступил кризис, сразу стали очевидны серьезные ограничения существующих экономических и финансовых моделей. Макромодели не смогли предсказать кризис и, казалось, не смогли убедительно объяснить, что происходит в экономике. Как разработчик политики во время кризиса я нашел доступные модели ограниченной помощи. На самом деле, я бы пошел дальше: перед лицом кризиса мы чувствовали себя покинутыми обычными инструментами".
Макроэкономисты высказывали аналогичные опасения. Например, Бланчард (Blanchard, 2014) подчеркнул, что "главный урок кризиса заключается в том, что мы были гораздо ближе к "темным уголкам" - ситуациям, в которых экономика может работать намного хуже, чем мы думали".
Если макроэкономическая политика и финансовое регулирование будут осуществляться таким образом, чтобы сохранять здоровую дистанцию от темных углов, то наши модели, отражающие нормальное время, все еще могут быть в значительной степени приемлемыми. Другой класс экономических моделей, предназначенных для измерения системного риска, может использоваться для предупреждения о том, что мы приближаемся слишком близко к темным уголкам и что необходимо предпринять шаги по снижению риска и увеличению расстояния". Наиболее важным классом макромоделей, широко использовавшихся до кризиса центральными банками и другими политическими институтами, являются модели динамического стохастического общего равновесия (DSGE).
Поведенческие модели
Что именно подразумевается под "поведенческой макроэкономикой", определить непросто. В своей нобелевской лекции "Поведенческая макроэкономика и макроэкономическое поведение" Акерлоф (2002) использует очень широкое определение, которое, например, включает модели асимметричной информации, поддерживая предположение о рациональных ожиданиях, для объяснения сбоев рынка.
В недавнем исследовании Driscoll & Holden (2014) подытоживает и обсуждает несколько концепций, которые поведенческая экономика привнесла в макро-модели, такие, как соображения справедливости и другие, касающиеся социальных предпочтений, когнитивных предубеждений, формирования привычек и правил потребления.
Де Грауве (2012) в своих Лекциях по поведенческой макроэкономике подчеркивает ограниченность рациональных неоднородных ожиданий в новой кейнсианской макромодели, где агенты переключаются между простой эвристикой прогнозирования, основанной на их относительной эффективности, как в работе Brock & Hommes (1997).
Таким образом, существует множество возможных отклонений - больших или малых - от эталонной рациональной модели. В традиционной макроэкономической парадигме есть (по крайней мере) три принципиальных предположения:
- (i) агенты имеют рациональные ожидания;
- (ii) агенты ведут себя оптимально, т.е. максимизируют полезность, прибыль и т.д.; и
- (iii) агенты имеют бесконечный горизонт для оптимизации и ожиданий в отношении обоих агентов.
Прагматичное (но все же, по общему признанию, субъективное) определение поведенческой макроэкономики заключается в том, что (по крайней мере) одно из этих допущений является упрощенным.
Большинство агентоориентированных моделей отклоняются от всех этих трех предположений, чтобы построить совершенно новую макроэкономическую систему, а не моделирование агентов по принципу "снизу вверх" с использованием простых правил принятия микрорешений (эвристика).
Эмпирическое микрофондирование с использованием лабораторных экспериментов, данных обследований и других данных для принятия микрорешений должно играть ключевую роль в разработке макромоделей поведения, а также более совершенных с точки зрения вычислений, для более реалистичного анализа политики.
