异质动态随机模型中社会贴现率路径的统计性质

核心观点

本研究探讨了社会折现率（SDR）在异质动态随机模型中的统计特性，重点关注了个人折现率的动态异质性如何影响确定性等价的社会折现因子（SDFs）和SDRs的统计行为。

研究方法

研究采用了完全动态随机（FDS）框架，并使用福克-普朗克方程分析个体折现率的演变分布，从而推导出SDRs的统计特性。模型考虑了折现率分布异质性的时间变化，并通过解析解和数值分析进行比较。

关键数据和研究结论

• Weitzman的伽马折现模型：该模型假设个人折现率分布的平稳性，即其异质性在人口中随时间保持不变。然而，研究结果表明，Weitzman的SDR在短期框架内很好地近似了FDS情况，但在较长的时间范围内会出现差异。
• 动态随机框架：FDS模型考虑了由于确定性趋势和随机冲击导致的个体折现率随时间的变化，而Weitzman的模型假设个体折现率分布为常数。研究结果表明，在FDS模型中，累积折现率的方差对于大跨度时间呈现线性阶增长，而在Weitzman平稳情况下，其随时间呈二次方增长。
• 变异系数：研究通过计算折现因子的变异系数，发现其随时间增加，表明贴现率中的不确定性随着预测向未来延伸而加剧。
• 不确定性冲击：研究结果表明，不确定性冲击的持续性并非产生递减确定性等价SDR的必要条件。即使在不持续性的动态不确定性过程中，仍然能够产生递减且有界的确定性等价SDR。
• 初始异质性：研究强调了初始异质个体折扣率分布对确定性等价SDR的影响。当该分布被截断时，与假设正态分布且无此类限制的模型相比，它可以显著改变SDR随时间的演变轨迹。

研究意义

本研究强调了动态、随机和异质性折现模型在为长期政策评估提供信息方面的重要性。研究结果表明，基于平稳分布的Weitzman社会折现率可能无法完全捕捉与长期前景相关的变异性，尤其是在贴现率易受显著随机波动的情况下。因此，探索渐近稳健性并将动态随机因素纳入经济模型的需求变得迫切，特别是在政策决策具有长期影响的情境中。