Learning with imperfect common knowledge in a medium-scale DSGE model

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Gonçalves, Rafael da Silva
Orientador(a): Ribeiro, Marcel Bertini, Guimarães, Bernardo de Vasconcellos
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: https://hdl.handle.net/10438/30926
Resumo: Os modelos DSGE de média escala dependem de diversas fricções em “forma reduzida” para explicar a dinâmica macroeconômica. Estas fricções são úteis para gerar persistência e funções de impulso-respostas em forma de “U” invertido, mas carecem de profunda microfundamentação e sólida evidência empírica. Este artigo aplica um método inovador para resolver e estimar modelos DSGE de média escala com uma fricção informacional na forma de conhecimento comum imperfeito (ICK, na sigla em inglês) e investiga se tal modelo: i) pode reproduzir as características dos dados macroeconômicos sem depender das fricções em forma reduzida; ii) fornece uma melhor caracterização de um amplo conjunto de dados de expectativas em comparação ao modelo benchmark de informação completa (FI). Nós encontramos que o modelo ICK sem três fricções pode explicar os dados macroeconômicos tão bem quanto o modelo FI, mas explica os dados de expectativa de maneira substancialmente melhor. As fricções removidas são: (i) formação de hábito no consumo e indexação parcial de (ii) preços e (iii) salários à inflação passada. Também fornecemos evidências de que algumas estimativas padrões para as principais fricções do modelo FI não são robustas à introdução de dados de expectativa.